问题说明

本文用于排查Gateway本身可以访问，但访问Portal、VM或其他业务API时返回503、无可用服务实例或LoadBalancer服务发现失败的问题。该场景重点检查Nacos注册发现，不重复处理外部8100端口本身的连通性问题。

现象

• Gateway端口可连接，但访问/portal/...、/vm/...或其他业务路由返回HTTP 503。
• 错误信息包含“No servers available”、no available service instance、LoadBalancer或服务发现超时。
• 目标服务进程看似运行，但在Nacos中不存在、处于不健康/禁用状态，或注册IP和端口不可访问。
• Gateway与目标服务使用不同Nacos地址、命名空间或服务名，导致目标服务对Gateway不可见。

适用环境

• 产品：ZCenter
• 版本：5.1.0
• 组件：Spring Cloud Gateway、Spring Cloud LoadBalancer、Nacos及目标业务服务
• 部署形态：单节点、多节点或容器部署

可能原因

• Nacos不可访问、认证失败或目标服务未注册。
• 目标业务服务未启动、处于starting或exited状态，导致Nacos中没有可用实例。
• Gateway和目标服务的Nacos地址、命名空间、分组不一致。
• 服务注册名与Gateway路由期望的服务名不一致，例如Gateway的/portal/**路由对应app-portal。
• 注册实例的IP、端口错误，或容器内注册了其他网络命名空间不可达的地址。
• 实例虽然存在，但健康状态为false、enabled为false或已过期。
• 请求路径不正确；Gateway会去除第一段路径后再转发，例如/portal/v4/pub/login转发为目标服务的/v4/pub/login。

排查步骤

路由映射参考

1. 确认是否为服务发现故障

• 命令：

  curl -i --max-time 10 http://<gateway-host>:8200/portal/v4/pub/login

• 预期结果：返回参数校验或认证类应用响应，说明路由和目标服务基本可达。
• 异常处理：如果是503并包含服务实例相关信息，继续检查Nacos；如果是TCP拒绝或超时，先按端口和进程问题排查。
• 注意：Gateway配置会对/actuator/**返回404，不能把Gateway的Actuator 404直接判定为Nacos故障。

2. 确认失败路径对应的服务名

• 检查项：根据Gateway配置将请求路径映射到Nacos服务名，并确认第一段路径会被StripPrefix移除。
• 示例：/portal/v4/pub/login应查找app-portal，目标服务实际接收/v4/pub/login。
• 异常处理：路径前缀或服务名不匹配时修正调用路径或部署配置，不要修改Nacos实例来适配错误路径。

3. 检查目标模块服务是否启动

• 命令：

  docker ps -a
  docker ps -a --format 'table {{.Names}}\t{{.Image}}\t{{.Status}}\t{{.Ports}}'

• 检查项：根据失败路径确认对应模块容器，例如app-portal对应Portal，app-vm对应VM服务；重点查看容器状态和重启次数。
• 预期结果：对应服务容器处于Up或稳定运行状态，未持续重启，且服务已监听预期端口。
• 异常处理：
• 容器状态为starting：等待其完成启动后重新检查；如果长时间保持starting，查看容器健康检查配置和启动日志。
• 容器状态为exited：查看退出码和日志，确认是否由数据库、Redis、RabbitMQ、Nacos、配置错误或资源不足导致服务未启动。
• 如果服务未启动、持续starting或exited，不要继续修改Nacos实例；需要进一步判断服务启动失败的具体原因，必要时联系售后处理。
• 进一步检查命令：

  docker inspect <container-name>
  docker logs --since 2h <container-name>

4. 检查Gateway和目标服务的有效Nacos配置

• 检查项：Nacos地址、用户名、密码、namespace、group、服务名、注册IP和端口。
• 预期结果：Gateway和目标服务连接同一Nacos服务端，并使用一致的命名空间和分组；目标服务服务名与路由表一致。
• 异常处理：重点检查多主机/容器中使用localhost的情况，localhost可能指向当前容器而不是Nacos主机；修正运行时配置后按部署规范重启受影响服务。

5. 查询Nacos实例

• 只读查询示例：

  curl -G --max-time 10 \
    'http://<nacos-host>:8848/nacos/v1/ns/instance/list' \
    --data-urlencode 'serviceName=app-portal' \
    --data-urlencode 'namespaceId=<effective-namespace>' \
    --data-urlencode 'groupName=DEFAULT_GROUP' \
    --data-urlencode 'healthy=true' \
    --data-urlencode 'enabled=true'

• 预期结果：返回至少一个健康且启用的实例，IP和端口为实际可访问地址。
• 异常处理：返回空列表时检查服务是否注册到相同namespace/group；实例不健康时查看目标服务启动日志和Nacos心跳；API格式不兼容时使用现场Nacos控制台等价只读查询。

6. 直接测试目标实例

• 命令：

  curl -i --max-time 10 http://<instance-ip>:<instance-port>/v4/pub/login

• 预期结果：目标实例返回应用层响应。
• 异常处理：实例直连失败时检查目标服务监听地址、注册端口、容器网络和防火墙；实例直连成功而Gateway仍503时，回到namespace、group、服务名和Gateway有效配置检查。

7. 检查日志和实例稳定性

• Gateway日志建议搜索：Nacos、LoadBalancer、No servers available、no available service instance、Connection refused、timeout。
• 目标服务日志建议搜索：register、registered、namespace、serviceName、启动失败和端口绑定错误。
• 预期结果：目标服务完成注册，Gateway不再报告无可用实例。
• 异常处理：注册后很快消失时检查实例心跳、服务进程是否反复重启和健康检查状态。

8. 收集支持信息

• 失败请求URL、HTTP状态码、请求时间和Gateway日志。
• Gateway与目标服务的有效Nacos配置，密码脱敏。
• Nacos namespace、group、服务名、实例IP/端口、健康/启用状态。
• 目标实例直连结果及服务进程/容器状态。
• 容器名称、镜像版本、状态、退出码、健康检查结果和故障时间窗口内的容器日志，提交售后时需对敏感配置脱敏。

处理方式

1. 恢复Nacos可用性和认证配置，确保Gateway及目标服务可连接Nacos。
2. 统一Gateway和目标服务的地址、namespace、group和服务名。
3. 修正Nacos中的注册IP和端口，使其从Gateway所在网络可达。
4. 目标服务未启动或处于starting/exited状态时，根据容器日志处理依赖、配置、资源或健康检查问题；无法确认原因时，保留现场信息并联系售后处理。
5. 目标服务恢复后确认其重新注册到Nacos；不要先修改Gateway所有路由。
6. 不要通过对外暴露所有内部服务端口绕过Gateway服务发现。

验证方法

• Nacos验证：目标服务在Gateway使用的namespace/group下存在健康、启用实例。
• 服务验证：docker ps -a显示目标模块服务稳定运行，状态不再为starting、exited或持续重启。
• 直连验证：每个注册实例的IP和端口可返回应用层响应。
• Gateway验证：原失败路由不再返回503，且返回正常的业务响应或参数校验响应。
• 多路由验证：至少验证一个未受影响路由和原失败路由。
• 日志验证：完整请求周期内不再出现无可用实例、服务发现超时或注册失败。

风险与回滚

• 修改namespace、group、服务名或注册IP会影响服务发现，操作前记录变更前配置。
• 不要删除Nacos中的全部实例或批量修改其他服务注册信息。
• 配置变更异常时恢复原运行时配置，并只重启受影响服务。

补充信息

• 外部8100与Gateway8200的端口关系参见：ZCenter 部署或访问因端口未放通失败，如何排查？。
• Gateway的/actuator/**路径被配置为404，健康检查应使用目标服务直接地址或现场明确配置的探针地址。