DNS NS Server 优选机制剖析

背景：

        5月14号公司部分海外VM 出现解析异常的现象，如下所示：

root@ubuntu:~ # nslookup  group003-test.aaa.com
;; Got SERVFAIL reply from 100.100.1.100, trying next server
Server:         100.100.1.100
Address:        100.100.1.100#53

** server can't find group003-test.aaa.com: SERVFAIL

    

         经过定位发现是当天凌晨，运营商那边海外到国内电信线路出问题导致，当时通过dig +trace 看到的现象是.com 服务器访问我们公司NS Server 解析异常。

        公司内部当前NS Server 部署在国内IDC机房，并且国际注册局上注册的只有电信线路。本次受影响的正好是电信线路，故部分业务有所影响。

        中国电信 宕机 5 个小时：AWS、Azure、谷歌云、SAP、NTT、Akamai等受影响

解决方案：

1、部署海外NS Server节点

2、部署dns cache 服务（长期规划）

    思考

    在部署过程中，想到一个问题，当前我们有ns1.aaa.com / ns2.aaa.com / ns3.aaa.com 分别解析到国内IDC机房，同时为国内/外业务提供服务。如果此时我们加入了一个海外NS Server 并注册到国际注册局，是否会影响我们国内业务？即国内业务解析时，是否会解析到海外NS Server 节点导致时延增大？如果这个NS Server 不可达，是否会重试其他NS Server？

    

    带着这几个疑问，我们查阅了很多资料，都没有说到关于DNS NS Server 调度方式的介绍。后面通过阿里的同学，找到了个文档：

    https://yq.aliyun.com/articles/622410?spm=5176.11065265.1996646101.searchclickresult.2d1e12ea81mZel

    这个文档解答了我们上述提到的问题。

    大致的实现流程是这样的：

    首先，bind 在初始化的时候，会为每个NS Server SRTT 赋值（随机值）

    找到SRTT 最小的NS ，并向其发起请求

    记录本次请求RTT ，并重新核算SRTT （核算公式为：old_srtt 0.7 + curr_rtt 0.3 ，即旧的SRTT值占比70%，本次请求RTT占比30%，然后将这个值重新赋值给SRTT）

    如果NS Server 收到请求没有响应，则会触发惩罚机制，即SRTT += 200ms 

    如果该NS Server 能够正常响应，则将降低其他NS 的SRTT 值（在bind 9.8以前版本SRTT=SRTT*98%， bind9.9 以上版本则SRTT=SRTT*99.8%）

    1800 s后重置所有NS SRTT值，重新进入上述循环

     至此，我们上述提到的问题都迎刃而解：

     加入一台海外的NS Server 是否会影响国内NS Server？

     —— 初次请求如果海外的NS Server 初始化后得到一个较小的SRTT值，则请求会分配到海外NS；如果海外NS Server 由于网络问题不可达，会触发惩罚机制，进一步降低其优先级，以确保在本轮循环中尽量不选中该NS Server

    后面找到了上述文章作者，上面的思路得到了他的证实。