这篇文章我们从头到尾过一遍,讲的是回源流量占比优化具体怎么落地。上个月有个做东南亚市场的客户跑来问,说他们日均点击也就一千二三的样子,服务器带宽却直接跑满了。我去看了下监控,回源流量占比长期挂在七成以上。他们那边的约束条件挺明确的:单台4核8G的节点,Nginx做代理层,PHP-FPM跑判定逻辑,静态资源走本地磁盘,没有独立的CDN层。验收要求是首字节时间压在200毫秒以内,同时回源带宽不能超过出口的三成。这种场景下,回源流量占比优化真不是把缓存调大就完事了,因为回源请求本身就分好几种性质,你要是混在一起看,结论很容易被带偏。
先拆四类回源请求,别把账算成一笔
一看到回源流量占比高,很多人的第一反应是缓存没配好。其实代理层的回源请求至少混了四种来源,各自的成因和处置路径差得挺远。
静态资源的重复拉取
图片、样式、脚本这类请求,如果响应头里没带 Cache-Control 或 Expires,代理层每次都得向后端要一份。这类回源的特征是URL固定、响应体大、内容不变。判断方法很简单:按URL聚合看回源次数,同一个路径如果一天回源几百次,基本就是缓存头缺失。
判定逻辑触发的同步回源
有些团队把访客判定放在后端PHP里做,代理层收到请求后必须等后端返回页面版本,才能决定返回哪个页面。这类回源是同步阻塞的,占比高的时候不只是带宽问题,还会把首字节时间拉上去。它和静态资源回源的区别在于:URL是动态的、响应体大小随页面版本变化、无法用简单缓存头解决。
当请求的URL带了一串随机参数,或者判定结果没有写入缓存,代理层就会反复回源。这类请求的特征是URL模式相似但参数不同,缓存命中率极低。它和静态资源回源的区别是:内容其实可以复用,只是键没对上。
健康探测与内部调用
负载均衡的健康检查、后端服务之间的内部调用,也会计入回源流量。这类请求量不大但频率稳定,容易被忽略。如果监控只统计了外部请求,这部分会藏在系统流量里。
按响应头、键结构、判定粒度三层压缩
拆清楚构成之后,压缩顺序应该从改动小、影响面窄的开始。
- 补齐静态资源的缓存响应头。在代理层对图片、样式、脚本统一加上
Cache-Control: public, max-age=86400,对带指纹的版本化文件名可以用更长的max-age。这一步不需要改判定逻辑,回源量通常能下来一截。
- 对齐缓存键的组成。缓存穿透多半是键里混了无关参数。把判定结果的缓存键固定为“路径+访客标识+版本号”三个字段,忽略掉UTM、时间戳这类不影响页面版本的参数。具体键结构的选择可以参考三类键结构对比,核心原则是键里只放真正决定页面版本变化的字段。
- 把判定动作往代理层移。如果判定逻辑在后端PHP里做,每次请求都要等后端返回。把不依赖数据库的判定条件(UA特征、Cookie标识、路径规则)前移到Nginx的map或lua层,后端只处理需要查库的复杂判定。这一步涉及判定粒度的调整,边界可以参考请求上下文判定粒度里的分层思路。
- 健康探测降频与合并。把秒级探测改成5秒或10秒一次,多个后端节点共用一个探测端点,避免每个节点单独探测。这部分流量占比通常不大,但顺手做掉能减少干扰项。
一次高回源占比的调整复盘
回到开头那个客户的例子。我们先按URL聚合拉了回源日志,发现三类请求占比:静态资源回源占四成出头,判定同步回源占三成多,剩下的是带随机参数的动态请求和探测流量。
第一轮只做了两件事:在代理层给静态资源加缓存头,把判定结果缓存键里的UTM参数去掉。回源占比从七成降到五成左右,但首字节时间没明显改善,因为同步回源那部分还在。
第二轮把UA和Cookie的判定前移到代理层,后端只处理需要查库的规则。这一步改动比较大,他们先在灰度节点上跑了半天,确认判定结果和之前一致后再切全量。回源占比降到三成上下,首字节时间落到150毫秒附近。
中间踩过一个坑:缓存键去UTM参数的时候,把另一个影响页面版本的参数也顺手去掉了,导致部分访客拿到的页面版本不对。后来把键结构固定成三个字段,其他参数只在判定条件里读、不进缓存键,问题才收敛。这个教训和访客识别结果缓存多久里提到的TTL配置是两件事,键结构和过期时间是分开调的。
小结
回源流量占比优化不是把缓存时间调大就完事。先把回源请求按静态资源、判定同步、缓存穿透、健康探测四类拆开,看哪一类占大头,再按响应头、键结构、判定粒度、探测频率的顺序逐层压缩。每调一层,观察回源占比和首字节时间两个指标的变化,不要一次动多个变量。
常见问题
回源流量占比高会影响落地页加载速度吗
会,但影响路径取决于回源请求的类型。静态资源回源主要增加带宽消耗和响应时间,判定同步回源会直接拉长首字节时间。如果回源占比高但首字节时间正常,说明大部分是静态资源回源,优先补缓存头;如果首字节时间也偏高,就要看判定逻辑是不是同步阻塞了。
缓存键里到底该放哪些字段
只放真正决定页面版本变化的字段,通常是路径、访客标识、版本号这三个。UTM参数、时间戳、来源渠道这些不影响页面版本的字段,放在判定条件里读就行,不要进缓存键。键越长、字段越多,命中率越容易掉。
把判定前移到代理层会不会导致结果不一致
这个要看情况。如果前端判定用的特征和后端完全一样,结果就是一致的;如果前端拿不到某个字段,就会产生差异。稳妥的做法是先在灰度节点上并行跑一段时间,把前端判定结果和后端判定结果做比对,确认一致后再切全量。
健康探测频率降下来会不会影响故障发现
探测间隔从1秒改成5秒,故障发现时间最多晚4秒。对于大多数投放场景来说这个延迟可以接受,因为负载均衡本身还有连接超时和重试机制兜底。如果业务对故障切换时间特别敏感,可以保留一个高频探测端点,把其他探测合并过去。
回源占比降到多少算合理
没有统一标准,取决于静态资源和动态请求的比例。静态资源占比高的站点,回源占比压到两成以内是可行的;判定逻辑复杂的站点,三成左右也算正常。关键是看趋势:调整前后有没有下降,下降之后首字节时间有没有改善。顺带说一句,我一般还会把回源日志按小时聚合看一遍,确认没有某个时间段突然冒尖。
延伸阅读
如果你正在选型阶段,想先了解不同方案在回源控制和缓存策略上的差异,这篇选型指南把成本、稳定性和维护投入放在一起做了对比,可以作为本文调整思路的上游参考。