HTTP 状态码 4xx/5xx 的排查思路

引言

在云原生架构的日常运维中，HTTP 状态码是定位系统故障的第一道窗口。4xx 代表客户端请求异常，5xx 代表服务端处理故障。面对瞬息万变的线上流量，如何快速收敛问题？本文将梳理核心状态码的排查思路。

一、4xx 客户端错误的精准定位

4xx 错误通常意味着请求未达到预期格式或权限不足，重点检查客户端行为与网关配置：

• 400 Bad Request：多为请求体 JSON 格式错误或参数校验失败。建议在网关或应用层开启 Request Body 日志，核对 Content-Type。
• 401 Unauthorized / 403 Forbidden：401 代表未认证（Token 过期或缺失），403 代表已认证但无权限。优先检查 Authorization 请求头及 JWT 签名。
• 404 Not Found：路径不存在。需排查 Nginx 反向代理的 proxy_pass 末尾斜杠配置是否导致路径拼接错误。

二、5xx 服务端故障的排查实践

5xx 错误直接暴露了服务端的脆弱性，需遵循“先网络、后应用、再依赖”的原则：

• 502 Bad Gateway：网关无法连接后端实例。常见于容器刚启动健康检查未通过，或后端进程因 OOM 被系统 Kill。
• 504 Gateway Timeout：请求超时。通常是下游数据库慢查询或第三方 API 响应过长，需结合 APM 工具查看耗时瓶颈。
• 500 Internal Server Error：代码抛出未捕获的异常。必须立刻检索应用错误日志（Error Log）。

以下是使用 Linux 命令快速统计 Nginx 日志中 5xx 占比的实战脚本：

# 统计最近 1000 行访问日志中 5xx 状态码的分布
awk '($9 ~ /^5/) {print $9}' /var/log/nginx/access.log | sort | uniq -c | sort -nr

三、总结与建议

排查 HTTP 状态码绝不能仅凭猜测，规范的结构化日志（如输出 TraceID）是提效的关键。建议在华为云等云平台上为关键服务配置 APM 链路追踪，结合 Prometheus 告警，将 5xx 异常的发现时间缩短至分钟级。