HAProxy中SRV记录过期时间错误的问题分析

问题背景

在HAProxy使用动态后端服务器发现机制时，通过DNS SRV记录和server-state-file加载服务器状态时，发现了一个关于SRV记录过期时间设置的错误。具体表现为从状态文件加载SRV记录时，使用了不正确的hold计时器来设置记录的过期时间。

技术细节

在HAProxy的当前实现中，当从server-state-file加载SRV记录时，系统错误地使用了hold.timeout参数来设置这些记录的过期时间。根据HAProxy的设计文档，这种情况下应该使用hold.obsolete参数来控制特定SRV记录的过期。

这个错误会导致以下问题：

1. 当HAProxy从状态文件恢复时，过期的SRV记录可能会被保留过长时间
2. 在DNS视图发生变化后，重新加载HAProxy时可能出现竞争条件
3. 无法按照预期快速淘汰不再有效的SRV记录

问题影响

这个错误在特定配置下尤为明显，特别是当：

• hold.timeout设置为很高的值（如5天）
• hold.obsolete设置为0（表示立即淘汰无效记录）

在这种情况下，即使DNS服务器已经移除了某些SRV记录，HAProxy仍会从状态文件中加载这些记录，并保留很长时间（由hold.timeout决定），而不是立即淘汰它们（如hold.obsolete=0所期望的）。

解决方案分析

最初的修复建议是简单地将hold.timeout替换为hold.obsolete，但这并不完全正确。特别是当hold.obsolete设置为0时，会导致所有服务器在重新加载后立即显示为DOWN状态，因为srvrq_check任务会在第一次解析前就过期。

经过深入分析，正确的解决方案应该是使用解析超时时间（timeout.resolve）加上重试次数乘以重试超时（resolve_retries * timeout.retry）。这样做的原因是：

1. 从状态文件继承的服务器状态应被视为"可能过时"的
2. 如果在合理的时间内（解析超时+重试时间）没有收到新的解析结果，则应淘汰这些记录
3. 这种方法避免了使用hold.obsolete=0导致的立即淘汰问题
4. 默认情况下会提供4秒的合理窗口（1秒解析超时+3次1秒重试）

实现修复

最终的修复方案修改了src/server_state.c文件中的相关代码，将过期时间计算改为：

task_schedule(srv->srvrq_check, tick_add(now_ms, srv->srvrq->resolvers->timeout.resolve +
                                         srv->srvrq->resolvers->resolve_retries *
                                         srv->srvrq->resolvers->timeout.retry));

这种实现方式既保证了从状态文件恢复的服务器状态不会立即失效，又确保了在合理时间内（解析超时窗口）没有收到新解析结果的记录会被正确淘汰。

总结

HAProxy中这个关于SRV记录过期时间的错误修复展示了在复杂网络代理系统中正确处理DNS记录生命周期的重要性。通过使用解析超时而非简单的hold计时器，系统现在能够更合理地处理从状态文件恢复的SRV记录，既保证了可用性，又确保了及时淘汰无效记录。这个修复对于依赖动态后端发现和高可用性的HAProxy部署尤为重要。