这次排障最开始看起来像是一个普通的 DNS 问题,日志里反复出现:

[fetchSubscriptionAndCredits] 获取失败: dial tcp: lookup cloudcode-pa.googleapis.com on 8.8.8.8:53: read udp ... i/o timeout

但继续往下查以后我发现,问题并不只是某个应用的 DNS 配置,而是我这台 VPS 上运行的多个 Docker 应用都存在类似的“半通不通”现象:有些请求能成功,有些请求超时,有些容器能解析域名但实际连通性并不稳定。

这篇文章记录一下完整的判断过程,以及最后收敛出来的修复方向。

现象

最初我的直觉是容器里的 DNS 不通,因为报错里明确写到了 8.8.8.8:53。但很快我又意识到几个更重要的信息:

  • 不只是当前项目报错
  • 换成 axios 也一样
  • 其他 Docker 应用也有类似问题

这意味着问题大概率不在单个 Node.js 项目,而是在 Docker 网络层或者宿主机网络层。

第一步:先验证宿主机和容器的 DNS

我先在 VPS 上检查宿主机的解析器状态:

cat /etc/resolv.conf
resolvectl status

宿主机上能看到几组关键信息:

  • /etc/resolv.conf 走的是 127.0.0.53
  • 当前上游 DNS 是 168.63.129.16
  • warp 接口上也挂了 1.1.1.1、8.8.8.8 等 DNS

然后我再看容器内部:

docker run --rm alpine cat /etc/resolv.conf
docker run --rm busybox nslookup cloudcode-pa.googleapis.com

容器内的 /etc/resolv.conf 显示:

nameserver 10.0.2.3

而 nslookup 是成功的,说明至少有两件事成立:

  1. Docker 内置 DNS 转发器是通的
  2. cloudcode-pa.googleapis.com 在容器内可以被解析

到这里,我最初“Docker DNS 全挂了”的判断就站不住了。

第二步:确认是不是 bridge 网络本身不稳定

接下来我分别测试宿主机网络、Docker bridge 网络和 IPv4/IPv6 的差异:

ip link show warp
ip link show docker0
docker run --rm --network bridge alpine ip route

docker run --rm --network host curlimages/curl:8.8.0 -I https://cloudcode-pa.googleapis.com
docker run --rm --network bridge curlimages/curl:8.8.0 -I https://cloudcode-pa.googleapis.com
docker run --rm --network bridge curlimages/curl:8.8.0 -4 -I https://cloudcode-pa.googleapis.com
docker run --rm --network bridge curlimages/curl:8.8.0 -6 -I https://cloudcode-pa.googleapis.com

结果很关键:

  • --network host 正常
  • --network bridge 也能成功发起 IPv4 请求
  • --network bridge -4 正常
  • --network bridge -6 失败

这说明:

  • Docker 基础 IPv4 联通性并没有完全坏掉
  • 问题更像是 IPv6 出口异常,或者某些程序优先尝试 IPv6 时出现回退不及时

如果应用在 DNS 返回了 AAAA 记录以后先尝试 IPv6,再经历失败和回退,就很容易表现成“有时通、有时超时”的半故障状态。

第三步:为什么还会怀疑 MTU

查看链路 MTU 后,我又看到一个明显风险点:

warp  mtu 1420
docker0 mtu 1500

这并不自动等于根因已经锁定,但它确实是 WARP 场景里非常常见的问题:

  • 宿主机走 warp 接口,MTU 较小
  • Docker bridge 还维持默认 1500
  • 小包、DNS、部分短连接可能成功
  • 大包、TLS 握手、HTTP/2 或某些返回路径就会变得随机不稳定

所以这里我的结论不是“只有 DNS 问题”,也不是“只有 MTU 问题”,而是:

  • 报错表面像 DNS
  • 实际容器 DNS 基本可用
  • IPv6 明确不可用
  • Docker bridge MTU 又和 WARP 不一致

这几个因素叠在一起,就足够制造出典型的“网络半通不通”。

第四步:应用层为什么也会误导排障

这个案例里,应用日志里出现了 8.8.8.8:53,很容易让我一开始直接把锅甩给 Docker 全局 DNS。

但继续检查以后我也意识到,某些请求路径里还有应用自己的请求器配置,里面可能显式带了单独的 DNS 服务器。也就是说:

  • 系统层面 Docker DNS 可能是正常的
  • 某条业务请求路径却可能绕过系统默认配置,直接访问固定 DNS

这类应用层配置不会解释“所有 Docker 应用都有问题”,但会让单个报错看起来更像 DNS,进而掩盖真正的系统网络问题。

最后的修复方向

在这台 VPS 上,我最后认为最合理的第一步修复,是先把 Docker 的 MTU 和 DNS 固定下来:

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json >/dev/null <<'EOF'
{
  "mtu": 1420,
  "dns": ["168.63.129.16"]
}
EOF

sudo systemctl restart docker

这一步的目标很明确:

  • 让 Docker bridge 的 MTU 与 warp 接口一致
  • 避免容器再去走不确定的外部 DNS 组合
  • 优先使用宿主机当前实际可用的上游 DNS

然后重建相关容器:

docker compose down
docker compose up -d --build

如果改完以后仍然存在偶发超时,再继续看两个方向:

  1. 让关键应用优先走 IPv4,避免被不可用的 IPv6 拖慢或拖死
  2. 对最敏感的服务临时改成 network_mode: host,确认问题是否集中在 bridge 网络层

这次排障里最值得记住的点

1. 单条报错不要直接等于根因

日志里写着 lookup ... on 8.8.8.8:53,不代表“整台 Docker 的 DNS 就一定坏了”。

先做最小验证:

  • 容器里能不能 nslookup
  • 容器里能不能 curl
  • host 和 bridge 是否表现一致
  • -4 和 -6 是否表现一致

这些测试很快就能把问题从“猜测”缩到“网络层的哪一段”。

2. “半通不通”通常比“完全不通”更像 MTU 或 IPv6 回退问题

纯 DNS 故障更容易表现为完全解析失败。
而“有时成功、有时超时、不同应用表现不一致”,更像:

  • MTU 不匹配
  • IPv6 不通但被优先尝试
  • 策略路由或隧道网络与 Docker bridge 叠加后的副作用

3. WARP 打开以后,不代表 Docker 自动继承所有网络行为

宿主机能访问,不代表容器完全一样。
尤其是在 Linux VPS 上,WARP、bridge、NAT、IPv6、MTU 叠加以后,容器网络经常会和宿主机表现不同。

小结

这次问题最后并没有停留在“换个 HTTP 客户端”或者“改一下 DNS”这种表层处理,而是通过几组很小的验证,把问题逐步收敛到了系统网络层:

  • Docker 默认 DNS 可解析
  • 容器 IPv4 基本正常
  • 容器 IPv6 明确失败
  • warp 与 docker0 存在 MTU 不一致

所以最实际的修复动作,是先把 Docker 的 MTU 对齐到 WARP,并固定到宿主机实际可用的 DNS,再根据结果决定是否继续压制 IPv6 或切换关键服务到 host 网络。

如果你也遇到类似的“容器里域名能解析,但业务请求还是随机超时”的问题,这套排查顺序通常会比盯着单条报错反复猜更有效。