监控说你在线，用户说打不开：目录站的多地区拨测该怎么设

自建的那套监控（服务器探针、进程监控）回答的是「我的服务器活着吗」，用户关心的是「我在家里能不能打开」。这两件事之间隔着一整个网络：本地 DNS、运营商线路、省级出口、CDN 节点、TLS 握手。

图片来源：网络，版权归原作者所有，侵权请联系删除

拨测要覆盖的不只是地域

只按「华北华东华南」选点是不够的。真正的差异来自网络和运营商的组合，同一个城市里联通和移动的体验可能完全不同。

维度	建议覆盖	最少数量
大区	华北、华东、华南、西南	4
运营商	电信、联通、移动	3
接入类型	家宽、移动网络	2
协议	HTTPS、HTTP	2

全组合是 24 个配置，实际不用这么铺。优先保证每个大区 × 每个运营商至少有一个点，接入类型和协议的组合放在几个重点机器上交叉验证就够了。

国内大部分站点，六到九个拨测点已经有了足够的代表性。再往上加的成本不低，而新增信息很有限。

判定规则比拨测点更容易踩坑

最常见的问题是判定太敏感。只要有一次请求超时就告警，一个月下来收到几十条，人就麻了，真出事的时候那条告警也一并被忽略。

三层过滤：

• 单次不算——同一个节点连续两次探测失败才标记异常
• 单节点不算——至少两个不同运营商的节点同时异常才算「区域性故障」
• 短暂不算——持续超过两分钟才发告警

反过来也有一种极端：把阈值放得太松，真出事的时候半小时后才告警。宁可偶尔误报一次，也不要漏报。误报的成本是打扰一次，漏报的成本是整站挂了几百个小时没人知道。

判定「在线」要看什么

只看状态码不够。返回 200 但内容不对的情况太常见了：CDN 缓存了一版空页面、模板报错吐了半截 HTML、数据库连接失败但框架还在返回 200。

建议每次探测检查三样：

• 状态码——期望 200，非法跳转也要算异常
• 关键字——页面里必须包含某个固定串，比如分类栏上的某个文字
• 响应耗时——超过阈值单独记一笔，哪怕状态码正常

关键字这条最有用。它能抓住一大票「看起来正常实际坏了」的情况，包括被 CDN 缓存了错版本、页面主体是空的、以及某些注入攻击留下的痕迹。

出故障时怎么用它定位

拨测数据真正的价值在故障那一刻，平时看的价值不大。真出事的时候按这个顺序缩范围：

现象	指向
全部节点同时失败	源站、DNS 权威、证书
某运营商全线失败	该运营商的解析或链路
某大区失败	CDN 区域节点
仅 HTTPS 失败	证书链、SNI、TLS 版本
只有家宽失败	本地 DNS 污染或劫持

最后一种在国内不算罕见，而且很难自查——用户打电话过来说打不开，你自己测一切正常。拨测点里一定要有家宽节点，尤其是面向普通用户的目录站。

拨测自己的三个陷阱

• 把拨测本身当成流量源：频率设太高会被自己的限流策略打掉，得到的全是 429。一分钟一次足够了。
• 只测首页：分类页、搜索接口、图片路径各测一个代表性地址，这些地方的故障率远高于首页。
• 拨测走公网但源站在内网：如果某些服务只打算内部访问，别把它们纳入公网拨测，否则会长期误报。

最后提醒一句：拨测结果不要当性能数据用。它测的是从拨测机到你站上的耗时，跟真实用户的体感有关系但不是一回事。衡量真实体验要看 CrUX 或者自建的 RUM 数据，前面几批已经讲过口径问题，这里不重复了。