第二家中转运营商已在 Chișinău 上线——混合带宽容量达 20 Gbps。 20 Gbps 混合上行现已上线 为什么选择摩尔多瓦

运维 实用

把线上网站迁到一家你没法求助的主机商

没有哪个装上去的工具能让迁移“无缝”。让它可控的,是操作的先后顺序,其中三步发生在你复制第一个字节的几天之前。本文讲这个顺序、那只不归你管的时钟,以及那个躲不开的窗口到底有多长的老实算术。

18 分钟阅读 发布于 2026年9月16日 检查于 2 个月前

“零停机迁移”被当作某种工具的特性来卖,但它不是。它是操作顺序的特性。没有任何脚本、控制面板或代迁服务能改变这样的事实:一个域名在同一时刻只指向一个地址;互联网是在过去某个时刻从你这里得知这个地址的;而在你附在它上面的那个数字耗尽之前,它会一直沿用已经得知的结果。迁移中几乎所有出错的地方,都是某一步做法没错、时机错了。所以本文讲的是顺序,而不是命令——包括发生在你复制第一个字节几天之前的三步、那只你不能碰的时钟,以及那个怎么设计也消除不了的窗口的老实算术。

还没开始复制,时钟就已经在走

先从决定整个日程的那件事说起,因为一旦身处其中,它是唯一无法加速的环节。域名系统不会主动推送。没有广播,没有通知,也没有任何更新会从你的区域向外扩散。定义它的规范——RFC 1034 与 RFC 1035,在这一点上自 1987 年以来从未改变——描述的是一个被询问然后作答的系统。没有人会告诉全世界你的地址变了。世界是靠再问一次才知道的,而它只有在手里那份副本过期时才会再问。

由此得出本文最有用的一句话:决定你切换过程的 TTL,是解析器上一次查询时已经公布的那个值,而不是你今天写下的那个值。如果你的 A 记录一直是 86 400 秒,而你在迁移前一小时把它降到 300,那么过去一天里取过它的每个解析器,手里仍是一份二十四小时有效的副本,在剩余时间里没有任何义务再来问你。你并没有缩短等待时间。你只是为那些碰巧在你修改之后才来查询的人缩短了等待——而他们并不是你担心的那群人。

所以,迁移的第一个动作根本不发生在新服务器上:先把 TTL 降下来,然后至少等满一个完整的旧 TTL,再做别的任何事。一天的耐心,换来五分钟的切换。跳过这一步,换来的是一整天的流量分裂——有一半用户正把数据写进你即将弃用的数据库。

要记住的一句话:“DNS 生效”不是一个需要等它结束的过程。它是你事先公布的一个数字,也是整个日程里唯一完全由你自己决定的部分。

这意味着问题从来不是“生效需要多久”。而是:一天之前这条记录上生效的 TTL 是多少?短 TTL 我是否已经提供得足够久,足以在所有地方取代旧值?

接下来是几乎没有人算进去的部分。你的记录的 TTL 归你管。它上一级的委派的 TTL 则不归你管。告诉全世界哪些域名服务器对你的域名具有权威性的 NS 记录,是由你所在顶级域的注册局提供的,TTL 由注册局决定;对 .com 和 .net 来说,这个值是 172 800 秒,也就是两天,注册商面板里没有任何设置能把它调低。你无法缩短它,无法清除它,而且从你更换域名服务器的那一刻起它就开始生效。

结论是一条没有例外的规则:不要在同一次操作中既更换 DNS 服务商又更换服务器地址。否则,你就亲手制造了一个为期两天的阶段:一部分解析器去问旧的域名服务器,另一部分去问新的,而唯一能撑过去的办法,是让两边给出完全一致的答案——也就是说,恰恰在你最难察觉两份区域出现偏差的那一周,你要同时维护两份区域并保持同步。先迁移区域,让委派沉淀两天,确认两家服务商的答案一致,然后才开始真正的迁移。两次操作,两只时钟,哪一只都不该有任何波澜。

这个先后顺序还有第二个后果,那些因为不再信任而要离开某家服务商的人,往往就栽在这上面。如果你现在的主机商同时还在运行你的 DNS——或者更糟,域名就注册在它那里——那么迁移区域就不是可以拖到服务器搬完之后再做的小事。它是第一场迁移,而且必须趁你和那家服务商的关系还算融洽时完成。谁掌握哪一层、为什么它们不该是同一家公司,另有专门的一篇指南;这里要紧的是顺序。

迁移中的几只时钟:各由谁掌控,何时开始计时
被缓存的是什么能否由你设定通常时长时钟究竟何时开始,以及弄错的代价
你的 A / AAAA 记录 是 调低后 300 秒,默认 3 600–86 400 秒 从上一次被查询时起算,按的是旧值。所以调低 TTL 必须比迁移早一个完整的旧 TTL,而不是早一个小时。弄错的代价:一长串访客仍由一台你已停止更新的机器提供服务。
你上一级的 NS 委派 否 .com 与 .net 为 172 800 秒 从你在注册商处更换域名服务器的那一刻起算。没有任何办法缩短。弄错的代价:两天之内存在两份权威答案——只有事先计划过才撑得过去。
一个当时还不存在的名字 部分 SOA 的 minimum 字段 从第一个来得太早的查询起算。按 RFC 2308,否定应答的缓存时间取决于 SOA 的 minimum 字段,而不是记录的 TTL——所以某个主机名如果在你创建之前就被人查过,它会在这么长的时间里一直“不存在”。代价:一个子域名在你正确创建之后的几个小时里仍然“坏着”。
解析器前面的解析器 否 几秒到几分钟 操作系统和浏览器各有自己的短时缓存,少数接入网络还会把很低的 TTL 强行调高以节省查询。这就是为什么即使你一切都做对了,切换也从来不是瞬间完成的;也是为什么要用 hosts 文件来测试,而不是让同事刷新一下页面。

哪些东西要搬,哪些会悄悄落下

每次迁移都有两份清单。第一份不用别人提醒你也会写下来:文件、数据库、Web 服务器配置、证书。这一堆东西体量大、显而易见,而且几乎从来不是出问题的地方——恰恰因为它显而易见。第二份清单由那些不在你将要复制的任何目录里的状态组成,故障正是从这里来的。动手之前值得把这份清单写出来,因为其中没有一项会主动提醒你。

  • 计划任务。cron 条目和 systemd 定时器都不在应用目录里,而一个悄悄停止运行的任务,是那种两个星期都没人发现的故障。更糟的是:如果在切换之前就把它们复制过去,两台机器都会执行,于是所有发邮件或扣款的任务都会执行两遍。
  • 数据库用户与授权。转储文件里有你的数据,却没有那些被允许读取数据的账户,也没有每个账户被允许从哪台主机连接的信息。
  • 从未进入代码仓库的密钥。环境变量文件、直接粘贴在服务单元文件里的 API 密钥、2023 年某个凌晨三点有人手工设置的那个凭据。
  • 反向 DNS。新地址的 PTR 记录属于地址的持有者,也就是你的新服务商,它是在对方的面板里设置的,而不是在你的区域里。
  • 防火墙规则与 fail2ban 状态。这些规则是多年积累下来的,往往是针对某次具体事件的应对,而且很少在别处留有记录。
  • 记着你旧地址的第三方。支付回调(webhook)、OAuth 重定向白名单、只放行你这一个 IP 的上游 API、合作方的防火墙。它们会在切换成功之后才出问题,因此很难归因;其中有几项,只能由一个不是你、而且周末不上班的人来修改。
  • SSH 主机密钥。新机器有新的密钥。你的监控、部署流水线和你自己的终端都会报警,而这种警告看起来和那种你绝不该随手点过去的警告一模一样。

先做第二份清单,而且要落到纸面上,不要凭记忆。第一份清单一条命令就能复制完;第二份才是全部的工作。

故意让两台服务器同时运行

直觉会把两台服务器重叠运行的时间看作浪费。事实恰恰相反:这段重叠就是全部的安全机制,为那台即将离开的服务器多付一个月,是这一行里最便宜的保险。开通新机器,把它完整搭好,然后并行运行,直到你对它感到无聊。一场直到最后一分钟都可以随时放弃的迁移,和一场已经没有退路的迁移,是性质完全不同的两件事。

趁一切仍在线时先复制大头。对于文件目录,先在运行中的系统上做一次传输——它要花多久就花多久,这无关紧要,因为此时还没有任何东西依赖它——然后在切换时再做一次,这时只需要传输此后发生变化的部分。第一遍要几个小时,第二遍只要几分钟。这个差距就是窗口之所以短的全部原因,而它的成本只是一次演练。

在全世界看到新服务器之前先测试它,而且要以域名的身份测试,而不是以 IP 地址。用一条 hosts 文件记录把你自己的电脑指向新地址,然后用真实的域名浏览真实的网站。任何会做重定向、给 cookie 签名、生成绝对 URL 或检查自身主机名的东西,在裸 IP 下的行为都不一样;也就是说,用 IP 测试只能证明机器能启动,别的什么也证明不了。这样做还能让你避开一个诱人的错误——“把 DNS 切过去一分钟看看”:缓存可不认识“一分钟”这个单位。

  1. 证书必须在切换之前就存在,而常用的方法签不出来。ACME 的 HTTP-01 验证,是通过待签发的那个域名去取一个文件来证明控制权的——而这个域名此刻解析到的是旧服务器,因为你现在正处于这种状态。验证会失败,而且失败的样子很像防火墙问题。请改用 DNS-01 验证,它通过区域里的一条记录来证明控制权,不在乎域名指向哪里;或者把现有的证书和私钥复制过去,之后让新机器正常续期。不要让失败的客户端反复重试:证书签发按域名限速,一连串重试会耗掉你在切换时用得上的额度。
  2. 数据库怎么处理,要白纸黑字定下来。文件可以提前复制,因为一个文件昨天的副本仍然是个有效的文件。数据库却是移动的靶子,老实的答案只有两个:要么接受一小段网站不接受写入的时间,要么搭建从旧到新的复制,然后把副本提升为主库。超过一定规模,复制是正确答案;低于这个规模,它是错误答案,因为它会在你最承受不起的那一周,引入一套你从未运维过的系统。
  3. 新机器正式上线之前,先禁用上面的计划任务。把它们配置好,然后保持关闭。两台服务器对同一个数据库执行同一个计费任务,比停机一小时更糟,而且你手头可能有的任何检查都发现不了。
  4. 在用得上之前,先把回滚方案写好。它只有一行——把旧地址改回去——而且只在旧服务器仍然持有数据的期间有效。从你在新机器上接受写入的那一刻起,回滚就意味着丢掉这些写入。要清楚这个时刻在哪里,因为它才是真正的不归点,而它和修改 DNS 并不是同一个瞬间。

切换,以及“DNS 生效”到底是什么

到这里,有意思的工作已经做完,切换本身应该平淡无奇。这也是该对标题里那个说法说句实话的时候了。零停机是个错误的目标。它做得到,代价是数据库复制、会话共享和一段双写期——当每分钟故障的损失高于这套机制一年的成本时,这套机制完全值得;低于这条线,则完全不值得。对大多数网站来说,正确的目标不是零,而是一个短暂、有界、由你选定的窗口:安排在你最清静的时段,如果有人会注意到,就提前公告。周二凌晨 04:00 计划内的五分钟,比一场在午饭时间出了岔子的“英雄式无缝迁移”要好,而且人人都做得到。

接受了这一点之后,顺序如下:

  1. 把旧站点切到只读模式——如果没有只读模式,就切到维护模式。这是窗口的起点,也是唯一一个时钟在走的环节。
  2. 对文件做最后一次差异复制,然后导出并导入数据库。只要几分钟,因为大头在几天前就搬完了。
  3. 通过 hosts 文件记录在新机器上验证:打开网站,登录,写入一条数据,再读出来。不是看状态页——而是做一笔真实的事务。
  4. 修改记录。一条 A 记录,一条 AAAA 记录,用你昨天公布的短 TTL。从这一刻起,窗口对每位访客逐个结束——在他们的解析器副本过期的时候。
  5. 让旧服务器继续运行,仍然保持只读。不要停机,不要退订,不要挪作他用。它是你的回滚手段,也是你的仪表盘。

现在你要盯的,不是 DNS 生效检测工具上的某个百分比。那类工具查询的是一批公共解析器,告诉你它们当前持有什么,这有点意思,但对你真正的访客并不具有权威性。真正的仪表是旧服务器的访问日志。每一个仍然到达那里的请求,都来自一个解析器尚未重新查询的客户端,或是把你的地址硬编码在某处的客户端。请求量会沿着旧 TTL 决定的曲线下降;当它安静下来,迁移就结束了——是真实且可度量地结束,而不是因为某个倒计时走完了。

要预期这条尾巴比 TTL 所说的更长。少数客户端缓存得很激进,一些网络会把低 TTL 调高,还有少数集成只在启动时解析一次,之后再也不解析。如果你正确地调低了 TTL,是几个小时而不是几天。如果没有,那就是几天。

第一个小时,以及之后的一周

第一个小时用来对付那些只有在真实流量下才会暴露的问题,它们出现的顺序是可以预料的。静态页面立刻就能用,这几乎证明不了什么。接着来的是第二份清单里的故障——连不上你的回调、拒绝你新地址的上游、没有执行的任务。要看新服务器的错误日志,而不是它的状态页,同时盯着旧服务器的访问日志。

邮件是个值得单独说一段的例外,因为它出问题的延迟长到足以让人以为是别的原因。你的新地址没有发信历史,这意味着它既不被信任,也不被不信任——它是未知的,而按照设计,未知就被当作可疑。要在切换之前而不是之后把新地址加进 SPF 记录:SPF 是可叠加的,重叠期间两台服务器都可以合法发信,而一封来自记录里没有列出的地址的邮件,等于是你亲自吩咐收件方不要信任它。保持同一个 DKIM 选择器和密钥,这样签名在整个迁移过程中都保持有效。PTR 要在地址分配下来的当天就在新服务商的面板里设置好,而不是等到邮件开始退信的那天。一个全新的地址到底值多少、要多久才算数,是另一个专门的话题——这里只需要明白,造成这种局面的正是切换本身。

然后是之后的一周,只有三件事,而且都不急:

  • 等尾巴安静下来之后,把 TTL 调回去。永久使用 300 秒的 TTL 并不是没有代价的:它会成倍增加对你区域的查询,也意味着一次 DNS 故障会在五分钟而不是一小时之内变成网站故障。短 TTL 是迁移用的工具,不是一种配置。
  • 先把旧服务器关机,再退订,并在继续付费的情况下让它关着一周。一台可以重新启动的已停止机器是备份;一台已退订的机器则是一个决定。两者之间的差距,只是最便宜套餐的一个月费用。
  • 从新机器上做一次备份,并把它恢复到某个地方。不是校验——是恢复。你刚刚改变了备份流程所依赖的每一个前提,而迁移之后的第一次恢复,往往就是发现备份一直在往一个已经不存在的路径里写的那一次。

没有人替你做的时候,有什么不同

以上所有内容适用于任意两家主机商之间的迁移。当目的地是另一个司法管辖区里、刻意只保留极少客户信息的服务商时,有四件事会不一样,最好在写下那条 hosts 记录之前就知道,而不是之后。

没有代迁团队,这是结构使然,而不是小气。主流主机商会主动提出替你迁移网站;这项服务需要你把即将离开的那台机器的凭据交给他们,也需要有一家公司愿意持有一个把两端关联起来的账户。一家以“尽可能少收集、少保留”为全部卖点的服务商,不会是那个登录你旧服务器的人。本文所说的工作都得你自己来。作为补偿,这次搬迁没有任何环节取决于别人的排队。

距离改变的是复制的方式,而不是复制的量。大批量传输受带宽限制,这没什么问题——一个大目录走一条好线路,只是一顿长午饭的时间,算不上一个项目。往返时延真正惩罚的是大量小文件,因为每个文件的握手开销是乘以延迟,而不是乘以大小。在几十毫秒的延迟下搬运数万个小文件,比搬运一个同样字节数的归档包要慢得多。第一遍用流式方式传输一个归档包,第二遍用差异同步;仅这一个决定,通常就是一个下午和一个周末的差别。

你的用户的延迟会变化,应该去测量它,而不是想当然。要紧的数字,不是你从自己恰好坐着的地方 ping 出来的值,而是从你的流量真正来源的那些地区出发的往返时间——这可以从你自己的日志里读出来,并在做任何决定之前,对照一份已公布的延迟图核对。对大多数应用来说,几十毫秒是察觉不到的。但对一个渲染一个页面就要连续发出二十个请求的“话痨”单页应用来说,就不是这样了——解决办法是别再连续发二十个请求,而这件事无论服务器放在哪里都值得做。

你要离开的那段关系,不会给你宽限期。做计划时要假定:从你提出离开的那一刻起,旧服务商就不再乐于帮忙;而你留在对方控制面板里的任何东西——区域、域名、一份你从没下载过的备份——今天去取都比下周去取容易。这也是区域要先迁走的原因,而且这是整个顺序里唯一与技术无关的部分。

最后一点,它应该放在结尾而不是开头。本文讲的全是怎样把迁移做好。到底要不要迁移,是另一个问题,答案也不同;为了消除一种说不清的不安而进行的迁移,通常会在一年之内以两倍的成本被撤回。如果这一点你还没想清楚,接下来的十分钟更值得用来读更换司法管辖区毫无用处的五种情况。如果已经想清楚了,今天就把 TTL 降下来,明天再把本文读一遍。

由负责运维该平台的工程师撰写,并已于 2 个月前 复核。如果这里有错误或内容已过时,请通过客户面板告知我们——目前约有一半的内容更新正是这样来的。

语言

用您的语言阅读本网站