fix(货源): 主图重试换备用域名绕开被钉死的坏 CDN 节点

根因不是"瞬时抖动":m.media-amazon.com 的多 CDN 池里 Akamai 系边缘没配这个
虚拟主机名,带该 SNI 一律 RST(同 IP 不带 SNI 或用 images-na.ssl-images-amazon.com
则正常),而 JVM 正向 DNS 缓存会把坏节点钉住一整批 → 秒级重试三次全打在它身上。
实测最近 20 条失败 URL 走备用域名 20/20 成功且 md5 与原域名逐字节相同。
This commit is contained in:
2026-09-28 12:29:39 +08:00
parent 8f3b879d80
commit e5b79b71e1
5 changed files with 169 additions and 8 deletions
@@ -192,10 +192,22 @@ public class SimilarAsinProperties {
* 依据 2026-09-28 生产取证:主机A 近 3 小时 252 条主图下载失败全部是
* {@code m.media-amazon.com} 的 "Remote host terminated the handshake"(瞬时握手被 RST,
* 事后 curl 8 条里 7 条直接 200),而旧实现一次都不重试、真实异常还被丢掉。
* 发版后实测(同文档 §6.1):<b>恢复窗口是分钟级</b>,当前秒级 backoff 只救回 3/18=17% 段抖动,
* 行失败率 14.0% vs 旧代码 14.6% 基本没动 —— 确定收益是行失败日志自带真实原因、
* 以及非 200 与连接级失败被分开计数。抬到秒级以上前先测恢复窗口分布(会占住并发仅 5 的行 worker)。
* 发版后实测(同文档 §6.1):<b>秒级 backoff 只救回 3/18=17%</b>,行失败率 14.0% vs 旧代码 14.6% 基本没动,
* 确定收益是行失败日志自带真实原因、以及非 200 与连接级失败被分开计数。
* 原因见下一条 §6.2:三次重试打在<b>同一个被钉住的坏 CDN 节点</b>上,所以等再久也不如换域名。
* 设 0 可退回旧行为。
*/
private int llmImageDownloadRetryTimes = 2;
/**
* 主图下载的<b>备用域名</b>映射,格式 {@code from=to},多组用 {@code ;} 分隔;置空即完全关闭。
* 仅在连接级失败后的重试里生效(首试仍用原 URL)。
* 依据 2026-09-28 主机A 取证:{@code m.media-amazon.com} 由多 CDN 池解析,
* 其中 Akamai 系(184.27.207.231/245)与 Fastly(199.232.113.16)对
* SNI=m.media-amazon.com <b>一律 RST</b>(同一 IP 不带 SNI 则 TLSv1.3 握手成功),
* 而 JVM 正向 DNS 缓存会把选中的节点钉住一段时间(JDK 默认 30 秒,此处未实测)→ 整批 10 行一起挂,
* 这正是上一条秒级 backoff 只救回 17% 的原因(三次都打在同一个坏节点上)。
* 实测最近 20 条失败 URL 换 {@code images-na.ssl-images-amazon.com}:<b>20/20 成功且 md5 逐字节相同</b>。
*/
private String llmImageHostAliasMap = "m.media-amazon.com=images-na.ssl-images-amazon.com";
}
@@ -549,7 +549,8 @@ public class SimilarAsinLlmService {
}
/**
* 主图下载:连接级异常按 {@code aiimage.similar-asin.llm-image-download-retry-times} 重试(默认额外 2 次)。
* 主图下载:连接级异常按 {@code aiimage.similar-asin.llm-image-download-retry-times} 重试(默认额外 2 次),
* 且第 2 次起换到 {@code aiimage.similar-asin.llm-image-host-alias-map} 里的备用域名。
* 只重试连接级失败——非 200 是源站的确定答复,重试只是白等超时。
* 总耗时受 {@link #MAIN_DOWNLOAD_BUDGET_MILLIS} 约束:慢源 hang 住时不放大尾延迟
* (同模块的 alicdn 拼图已被这条咬过,见 SimilarAsinProperties#imageDownloadTimeoutSeconds 注释)。
@@ -564,12 +565,15 @@ public class SimilarAsinLlmService {
long deadline = System.currentTimeMillis() + MAIN_DOWNLOAD_BUDGET_MILLIS;
IOException last = null;
for (int attempt = 0; attempt <= retryTimes; attempt++) {
// 首试保持原域名;连接级失败后换备用域名 —— 坏的是解析到的那个 CDN 节点,
// 同一个名字重试三次还是它,换个名字才等于换一批节点。
String target = attempt == 0 ? trimmed : defaultToAlias(aliasedUrl(trimmed), trimmed);
if (attempt > 0 && (System.currentTimeMillis() > deadline || !sleepBeforeRetry(attempt))) {
break;
}
try {
HttpRequest request = HttpRequest.newBuilder()
.uri(URI.create(trimmed))
.uri(URI.create(target))
.timeout(Duration.ofSeconds(timeoutSeconds))
.header("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64)")
// 刻意不发 Referer:阿里图床按 Referer 白名单防盗链,外链域名会被判 403
@@ -580,11 +584,11 @@ public class SimilarAsinLlmService {
if (response.statusCode() == 200 && response.body() != null && response.body().length > 0) {
if (attempt > 0) {
log.info("[similar-asin][llm] main download retry-success url={} attempt={}/{}",
abbreviate(trimmed, 160), attempt + 1, retryTimes + 1);
abbreviate(target, 160), attempt + 1, retryTimes + 1);
}
return response.body();
}
log.warn("[similar-asin][llm] main download http {} url={}", response.statusCode(), abbreviate(trimmed, 160));
log.warn("[similar-asin][llm] main download http {} url={}", response.statusCode(), abbreviate(target, 160));
return null;
} catch (InterruptedException ex) {
Thread.currentThread().interrupt();
@@ -592,7 +596,7 @@ public class SimilarAsinLlmService {
} catch (Exception ex) {
last = new IOException("主图下载失败(" + failureMessage(ex) + ")", ex);
log.warn("[similar-asin][llm] main download fail url={} attempt={}/{} err={}",
abbreviate(trimmed, 160), attempt + 1, retryTimes + 1, failureMessage(ex));
abbreviate(target, 160), attempt + 1, retryTimes + 1, failureMessage(ex));
if (Thread.currentThread().isInterrupted()) {
break;
}
@@ -601,6 +605,50 @@ public class SimilarAsinLlmService {
throw last == null ? new IOException("主图下载失败: " + abbreviate(trimmed, 160)) : last;
}
private static String defaultToAlias(String alias, String fallback) {
return alias == null ? fallback : alias;
}
/** 按 {@code aiimage.similar-asin.llm-image-host-alias-map} 换 host,其余部分逐字符保留。 */
private String aliasedUrl(String url) {
String map = properties.getLlmImageHostAliasMap();
if (map == null || map.isBlank()) {
return null;
}
URI uri;
try {
uri = URI.create(url);
} catch (Exception ex) {
return null;
}
String host = uri.getHost();
if (host == null || host.isEmpty()) {
return null;
}
String text = uri.toString();
int at = text.indexOf("//" + host);
if (at < 0) {
return null;
}
int end = at + 2 + host.length();
char after = end < text.length() ? text.charAt(end) : '/';
if (after != ':' && after != '/' && after != '?' && after != '#') {
return null;
}
for (String pair : map.split(";")) {
int eq = pair.indexOf('=');
if (eq <= 0 || eq >= pair.length() - 1) {
continue;
}
String from = pair.substring(0, eq).trim();
String to = pair.substring(eq + 1).trim();
if (from.equalsIgnoreCase(host) && !to.isEmpty()) {
return text.substring(0, at + 2) + to + text.substring(end);
}
}
return null;
}
private static boolean sleepBeforeRetry(int attempt) {
try {
Thread.sleep(Math.min(1000L, 250L * attempt));
@@ -378,6 +378,7 @@ aiimage:
llm-row-concurrency: ${AIIMAGE_SIMILAR_ASIN_LLM_ROW_CONCURRENCY:5}
llm-image-download-timeout-seconds: ${AIIMAGE_SIMILAR_ASIN_LLM_IMAGE_DOWNLOAD_TIMEOUT_SECONDS:10}
llm-image-download-retry-times: ${AIIMAGE_SIMILAR_ASIN_LLM_IMAGE_DOWNLOAD_RETRY_TIMES:2}
llm-image-host-alias-map: ${AIIMAGE_SIMILAR_ASIN_LLM_IMAGE_HOST_ALIAS_MAP:m.media-amazon.com=images-na.ssl-images-amazon.com}
collect-data:
stale-timeout-minutes: ${AIIMAGE_COLLECT_DATA_STALE_TIMEOUT_MINUTES:30}
no-result-upload-timeout-minutes: ${AIIMAGE_COLLECT_DATA_NO_RESULT_UPLOAD_TIMEOUT_MINUTES:180}
@@ -174,6 +174,71 @@ class SimilarAsinMainImageDownloadRetryTest {
verify(client, never()).send(any(HttpRequest.class), any(HttpResponse.BodyHandler.class));
}
/**
* 按调用顺序记录请求 URI;前 {@code failTimes} 次抛连接级异常,之后返回 200。
*/
private HttpClient recordingClient(int failTimes, List<String> uris) {
HttpClient client = mock(HttpClient.class);
try {
when(client.send(any(HttpRequest.class), any(HttpResponse.BodyHandler.class)))
.thenAnswer(invocation -> {
uris.add(invocation.getArgument(0, HttpRequest.class).uri().toString());
if (uris.size() <= failTimes) {
throw new IOException(RESET);
}
return new StubResponse(200, BODY);
});
} catch (Exception ex) {
throw new IllegalStateException(ex);
}
return client;
}
@Test
void 连接级失败后改用备用域名重试() throws Throwable {
List<String> uris = new java.util.ArrayList<>();
SimilarAsinLlmService svc = service(new SimilarAsinProperties(), recordingClient(1, uris));
assertArrayEquals(BODY, (byte[]) invokeDownload(svc, URL));
assertEquals(2, uris.size());
assertTrue(uris.get(0).contains("m.media-amazon.com"), "首试必须用原域名,不改变正常路径行为: " + uris.get(0));
assertTrue(uris.get(1).contains("images-na.ssl-images-amazon.com"), "第二次必须换到备用域名: " + uris.get(1));
assertTrue(uris.get(1).endsWith("/images/I/61Yh2j3VZmL._AC_SX679_.jpg"), "只换 host,路径与尺寸后缀必须原样: " + uris.get(1));
}
@Test
void 备用域名映射置空时不换域名() throws Throwable {
SimilarAsinProperties props = new SimilarAsinProperties();
props.setLlmImageHostAliasMap("");
List<String> uris = new java.util.ArrayList<>();
assertArrayEquals(BODY, (byte[]) invokeDownload(service(props, recordingClient(2, uris)), URL));
assertEquals(3, uris.size());
assertTrue(uris.stream().allMatch(u -> u.equals(URL)), "置空即完全退回旧行为: " + uris);
}
@Test
void 映射外的域名不受影响() throws Throwable {
List<String> uris = new java.util.ArrayList<>();
String alicdn = "https://cbu01.alicdn.com/img/ibank/x.jpg";
assertArrayEquals(BODY, (byte[]) invokeDownload(service(new SimilarAsinProperties(), recordingClient(1, uris)), alicdn));
assertEquals(List.of(alicdn, alicdn), uris, "阿里图床没有备用域名,不该被动到");
}
@Test
void 带端口与query的URL换域名后其余部分不变() throws Throwable {
List<String> uris = new java.util.ArrayList<>();
String url = "https://m.media-amazon.com:443/images/I/x.jpg?foo=bar%20baz";
assertArrayEquals(BODY, (byte[]) invokeDownload(service(new SimilarAsinProperties(), recordingClient(1, uris)), url));
assertEquals("https://images-na.ssl-images-amazon.com:443/images/I/x.jpg?foo=bar%20baz", uris.get(1));
}
private static final class StubResponse implements HttpResponse<byte[]> {
private final int statusCode;
private final byte[] body;
+35
View File
@@ -498,6 +498,41 @@ health 200、Flyway 137 无新迁移、`ERROR` 0 条、`AIIMAGE_ROCKETMQ_NAME_SE
现在的数据只够说明"秒级重试≈聊胜于无",**不够说明 (a) 有用**——
要做 (a) 得先按 ASIN 关联"同一 URL 第一次失败 → 后来成功"的时间差分布,这个还没测。
### 6.2 真根因:解析到的 CDN 边缘不认 `m.media-amazon.com` 这个 SNI,直接 RST(已修:备用域名)
12:08 回读时它**还在掉数据**(窗口总行数 7,029 自证,不是"翻到几条算几条"):
`main download fail` 109 条、`retry-success` 只有 3 条、`row failed asin=` 35 条、非 200 仍是 0 条,
失败 host **109/109 全是 `m.media-amazon.com`**。往下查了四层,结论是第五节开头那句"瞬时抖动"只对了一半。
- **第一层:按节点固定 IP 打(`curl --resolve`,每节点 5 次)** —— 失败不是均匀分布,是**整族失败**:
`184.27.207.231` 0/5、`184.27.207.245` 0/5(Akamai 系,全 `code=000`,0.2s 内被重置);
`3.161.83.53` 5/5、`65.8.31.143` 5/5、`99.84.157.65` 5/5、`18.245.30.82`/`18.64.1.220`/`54.192.34.54` 200(CloudFront 系)。
- **第二层:是不是节点本身死了 / 被墙了?都不是。** 同一个坏 IP 上:
带 SNI `m.media-amazon.com` → `openssl s_client` 3/3 `write:errno=104`;
**不带 SNI → 3/3 握手成功**(`TLSv1.3 / TLS_AES_256_GCM_SHA384`);
**换 SNI 为 `images-na.ssl-images-amazon.com` → 同一 IP 直接 200**。
TCP 443 两边都能连(`/dev/tcp` 都 yes)→ 复位发生在 ClientHello 之后 = **这台边缘没配这个虚拟主机名**,
不是封禁、不是限流、不是 TLS 版本/套件问题。
- **第三层:为什么会"整批一起挂"** —— 解析本身在抽奖:宿主机 24 次查询里 **15 次(62%)**给的是坏族、
容器内 12 次里 **4 次(33%)**;而 JVM 的正向 DNS 缓存会把抽到的节点钉住一段时间
(`java.security:347` 那行是注释态 → 无 SecurityManager 时按 JDK 默认 30 秒,**这个 30s 没实测**,
但"至少钉住一整批"是被数据证明的:同批 10 行在同一 200ms 内全挂、秒级重试 3/3 同败)。
→ §6.1 那 17% 就此得到机械解释:**250ms/500ms 的三次重试全打在同一个坏节点上**,
只有踩在换期边界上的 3 段被救回;把 backoff 抬到 30s 以上确实能行,但要占住并发只有 5 的行 worker,不划算。
- **改法(本次上线)**:连接级失败后的第 2、3 次尝试改用**备用域名** `images-na.ssl-images-amazon.com`,
首试仍用原 URL;只换 host,端口/path/query 逐字符保留。换名等于换一批解析结果,**不等待、不占 worker**。
- 为什么是这个名字:最近 20 条失败 URL 走它 **20/20 成功**,且与原域名取到的字节 **md5 零不一致(20 次比对)**;
反例 `images-amazon.com` **6/6 全 000** —— 所以这是**白名单映射**,不是"随便换个 amazon 域名"。
- 新键 `aiimage.similar-asin.llm-image-host-alias-map`(`application.yml:381`,
默认 `m.media-amazon.com=images-na.ssl-images-amazon.com`,多组用 `;` 分隔),
**置空即关掉这条**、退回 §6.1 那版行为;回滚同样是 `/.env` 追加 `export AIIMAGE_SIMILAR_ASIN_LLM_IMAGE_HOST_ALIAS_MAP=""` 后重启 java。
- 日志可分辨:救回来的那条会长成 `main download retry-success url=https://images-na.ssl-images-amazon.com/...`。
- **测试**:`SimilarAsinMainImageDownloadRetryTest` 6 例 → **10 例**(首试必须原域名+二次换域名且路径不变 /
映射置空完全退回 / 映射外域名(alicdn)不受影响 / 带端口与 query 的 URL 只换 host),原 6 例语义未改仍全绿。
- **发版后要看的数**:`row failed asin=` 的占比应从 ~14% 往下走;`retry-success` 里 host=images-na 的占比
就是这条的命中量。若失败仍高,说明坏的不止这一族或不止这一个名字,再按同一套逐节点方法复查,
不要直接加 retry 次数。
## 七、容器 json 日志已长到 2.7–3.6GB,`daemon.json` 里没有任何 log-opts(需人拍板)