一次 APISIX 网关 503 的问题排查（DNS篇）原创
最近我们内网的 k8s 集群做了一次升级，发现经过 APISIX 网关服务都 503 异常了，于是做了一次分析。我们在内网和线上都采用了 APISIX 来做流量网关，对 APISIX 也贡献了 6 个 PR，所以对它的源码还算比较了解。下面排查过程比较曲折，情感上多次起伏，各位看官耐心看完。
现象
经由 APISIX 接管的所有接口请求都 503 了，如下所示。
网络的拓扑结构也非常的简单，就是 APISIX 将流量转发到后端的 java 服务。
APISIX 错误日志如下。
发现是因为域名解析失败，但是非常奇怪的是，在容器内我们通过 curl 请求直接是可以请求成功的
curl "http://school-performance-http.easicare-test-2:8080/school-performance
/student-archive/schools/30375dee54dc47ef8410b6508cd7aa6a
/archive-bags/0054616e455f4ccc91f64e9cf11e5571/students/
335cb51e8c0343918969e939b1461e8f" \
-H 'accesstoken: masaike'
遇事不决，先抓包
通过 APISIX 直接请求的包如下，IpV4 返回结果正常，IpV6 返回结果为 No such name。我粗浅的以为是因为 lua 那一层认为没有拿到 IP，所以没有后续三次握手发送请求的逻辑，请求在 APISIX 这一层直接终止 503 了。
这个问题可以同步用 nslookup 来确定
$ nslookup -type=A school-performance-http.easicare-test-2
Server: 169.254.20.10
Address: 169.254.20.10#53
Name: school-performance-http.easicare-test-2.svc.kubernetes.local
Address: 10.96.136.142
$ nslookup -type=AAAA school-performance-http.easicare-test-2
Server: 169.254.20.10
Address: 169.254.20.10#53
** server can't find school-performance-http.easicare-test-2: NXDOMAIN
可以看到 A 记录（IPv4）地址有正确的返回，但是 AAAA（IPv6）的查询返回了 NXDOMAIN，NXDOMAIN 是 DNS 响应码（Rcode=3）表示不存在记录，也就是域名解析结果不存在。
验证是否是因为 IPv6 返回 NXDOMAIN 导致的问题
带着这个疑问，我看了一下最新版的 APISIX 的代码，发现在今年（22 年）的 1 月份，已经增加了这部分的逻辑，允许用户通过 apisix.enable_ipv6 关掉 ipv6 解析，具体的 PR 在这里 https://github.com/apache/apisix/pull/6023 ，这个 PR 改动了两个地方，一个 nginx 的 resolver 配置以及 core/dns/client.lua ，增加对 enable_ipv6 参数的处理。
nginx 配置文件部分的修改
lua 代码的修改
于是我们就重新用最新版的 APISIX 重新打包镜像上传，果然问题解决了。
到这里，我以为找到了根本的原因，于是放下了这个问题。
高兴得太早了
后面我想，一个大版本的升级，带来的改动是非常多的，你怎么能确定就是那个带来的呢？于是我来魔改 2.10.1 版本的 APISIX 的代码，将 IPv6 的解析去掉，如下所示。
diff --git a/apisix/core/dns/client.lua b/apisix/core/dns/client.lua
index a6dbfb37..c5c1b8c3 100644
--- a/apisix/core/dns/client.lua
+++ b/apisix/core/dns/client.lua
@@ -137,7 +137,14 @@ function _M.new(opts)
-- make sure each client has its separate room
package_loaded["resty.dns.client"] = nil
local dns_client_mod = require("resty.dns.client")
+ local table_remove = table.remove
+ for i, v in ipairs(opts.order) do
+ if v == "AAAA" then
+ table_remove(opts.order, i)
+ break
+ end
+ end
我以为这样改动，就可以解决问题了，结果发现居然服务还是 503，问题压根就没有解决，而且通过抓包确实没有再次发起 AAAA 记录的查询了，说明我的改动生效了，这样就说明并不是因为 AAAA 记录返回 NXDOMAIN 导致的问题。
开始怀疑人生，抓包显示 A 记录的解析已经成功了，为什么 APISIX 会认为域名还是失败的呢。
既然最新版 2.13.0 版本可以，那就来对比代码，看看 DNS 部分的逻辑到底有什么不一样的。
APISIX 的 dns 解析是通过 lua-resty-dns-client 库来实现的，这个库在 APISIX 的友商 kong 项目下：https://github.com/Kong/lua-resty-dns-client， 2.10.1 版本和2.13.0 依赖对比差异如下。
可以看到 2.10.1 版本的 APISIX 用的 lua-resty-dns-client 版本的是 5.2.0，2.13.0 版本的 APISIX 用的版本是 6.0.2，这下就好办了，来一个移花接木，把最新版本的 lua-resty-dns-client 的代码覆盖到旧版的 APISIX 中
cp -rf lua-resty-dns-client-5.2.3/src/resty/dns/* /usr/local/apisix/deps/share/lua/5.1/resty/dns/
重新启动 APISIX，发现问题解决了，跟 IPv4、IPv6 没有任何关系。其实想想也是这样，如果 IPv4 域名解析成功、IPv6 失败的情况下，造成 APISIX 域名解析失败，这个错误也太低级了，不应该发生才对。
到这里问题就已经局限到这个库到底有啥问题了，采用二分的方式，好在这个库的版本不多，从 6.0.2 到 5.2.0 版本二分覆盖测试。
很快就发现，5.2.2 版本是 OK 的，再低的版本就会出问题，于是对比 5.2.2 和 5.2.1 到底改了什么。
这里的逻辑就是处理了域名末尾带点号的问题。容器内的 /etc/resolv.conf 的配置如下：
cat /etc/resolv.conf
nameserver 169.254.20.10
search imdach-dev-dev.svc.kubernetes.local. svc.kubernetes.local. kubernetes.local. gz.cvte.cn
比如我们查询的 app-537b340e61adc0ec7ccd840bdcd8a59989cb6598-3.imdach-dev-dev 域名的时候，就会依次查询 search，如下所示。
可以看到，DNS 的查询和返回，都没有带上最后的点号，比如查询
app-537b340e61adc0ec7ccd840bdcd8a59989cb6598-3
.imdach-dev-dev.svc.kubernetes.local.
请求和响应的域名都是
app-537b340e61adc0ec7ccd840bdcd8a59989cb6598-3
.imdach-dev-dev.svc.kubernetes.local
DNS 查询和响应都没有最后的点号。
但是 lua 中需要进行字符串的匹配，qname 是带有点号的，DNS 返回结果虽然查询到了 IP 但是域名没有点号，这样 lua 中就匹配不上，表现出来就是域名解析失败未找到对应 IP。
到这里原因基本上清楚了，那为什么最近才出问题呢？于是问了一下 k8s 运维的同学，得到了肯定的答复。
为了 100% 验证这个问题，我自己手动改了一下 /etc/resolv.conf，将 search 中的点号去掉，然后 APISIX 回滚到最初出问题的版本，问题同样也解决了，访问正常了。
cat /etc/resolv.conf
nameserver 169.254.20.10
search imdach-dev-dev.svc.kubernetes.local svc.kubernetes.local kubernetes.local gz.cvte.cn
域名到底要不要以点号结尾
其实标准的 DNS 域名就是需要以点号结尾的，但是大家在用域名的过程中往往省略了最后的点，. 是根域名，访问所有域名本质都是要从根域名开始解析，比如 care.seewo.com. 理论要先问根域名服务器 .com 在哪。
这里专门有一篇文章讲这个问题，感兴趣的同学可以深入研究
http://www.dns-sd.org/trailingdotsindomainnames.html
小结
因为内网 K8S 的升级，导致 /etc/resolv.conf 中的 search 末尾多了一个点号，导致低版本的 APISIX（APISIX 2.12 版本以下）的域名解析会失败，与 IPV6 返回 NXDOMAIN 无关。
后记
分析问题一定得静下心，仔细去探究问题的根源，不要急于求成。
今天看到一句话，觉得挺好的，分享给大家，「经验用来对待特殊场景，方**用来处理通用场景，没有经验可能会慢一些，没有方**可能寸步难行」
如果上面的分析过程能给你带来一些启发，那就很好了。
