日常运维排查站点502错误实用技巧可快速定位常见故障

每次值班碰上站点大面积502，心里都咯噔一下，不少人第一反应就是重启服务改配置，折腾老半天还是没头绪。其实502的排查有个固定路子，顺着来几步就能摸到根上，根本不用瞎忙活，关键是别一上来就慌。

优先确认后端应用服务状态

别一上来就盯着Nginx或网关配置猛改，先瞅瞅后端服务到底还活着没。PHP-FPM、Node、Java这些进程有没有偷偷退出了，端口还在不在监听，用ps、systemctl或者supervisor瞄一眼，netstat扫下端口，一分钟的事。我碰过太多回，都是内存溢出或者上线代码有bug，服务直接崩了，网关请求发过去拿不到回应，502就冒出来了。先把服务状态查一遍，能筛掉八成低级问题。要是发现服务挂了，先试着拉起来看看能不能恢复，这时候别手痒去调配置，很容易把简单问题搞复杂，反正服务状态是排查起点，跳过这一步后面全白搭。

检查反向代理与网关配置规则

后端服务要是跑得稳稳的，第二步就轮到查反向代理和网关配置了。Nginx、Apache或者云厂商的负载均衡，看看转发端口有没有填错，location规则是不是被最近的变更搞乱了。超时时间设得太短也常见，后端还在吭哧吭哧处理大请求、慢查询，网关等得不耐烦直接甩个502过来，别小看超时参数，调得太激进反而容易误伤。特别是刚上线配置就出现的502，别犹豫，先回滚最近的改动，十有八九是配置漏了或者规则冲突，这时候一行行死磕不如回滚来得快，能省不少时间。

排查链路连通性与服务器资源情况

服务和配置都没毛病的话，就得往链路和资源上想了。先看看网关到后端端口通不通，有时候安全组或者防火墙规则一更新，不小心就把转发端口给堵了，这种坑我踩过不少次。再瞄一眼服务器的CPU、内存、磁盘IO，是不是被哪个异常进程吃满了，资源问题往往最隐蔽，表面看服务活着，实际上已经半死不活了。资源占死的时候，服务进程虽然挂着但根本处理不了请求，网关等不到响应照样给你502。这时候别硬扛，可以先临时杀掉一些冗余进程释放资源，或者把流量切一部分到别的正常节点，让站点先恢复再说，回头再慢慢查资源为啥被吃光，别让用户一直等着。

平时遇到502，顺着这个顺序捋一遍，基本能覆盖住大部分常见原因，比闷头改配置、重启大法靠谱得多，还能少踩不少误操作带来的新坑。排查顺序对了，心态也能稳很多，不至于手忙脚乱。