セルフホストアプリで断続的にDNS障害が発生する原因とは?

Eva Wong は テクニカルライター であり、 生粋の技術好き としてZimaSpaceで活動しています。ホームラボやオープンソースソフトウェア をこよなく愛する生粋のギークで、複雑な技術概念をわかりやすく、実践的なガイド にまとめることを得意としています。Evaは、セルフホスティングは難しいものではなく、楽しむものだと考えています。チュートリアルを通じて、初めてのNAS構築からDockerコンテナの使いこなしまで、コミュニティがハードウェアのセットアップをわかりやすく理解できるよう 支援しています。、初めてのNAS構築からDockerコンテナの習得まで。

断続的なDNS障害は、アプリのリゾルバー経路が変化したり、タイムアウトしたり、過負荷になったり、一貫しないキャッシュ済み応答を返したりすると発生します。

セルフホスト環境では、失敗した名前解決が、アプリケーションのランタイム、コンテナのDNSスタブ、ホストのリゾルバー、ルーター、Pi-holeまたはAdGuard Home、VPNポリシー、そして上流のパブリックDNSサーバーまたは権威サーバーを経由する場合があります。ホスト上のブラウザでのテストでは、アプリが同じ経路を使っているとは証明できません。そのため、影響を受けているコンテナまたはサービス内で失敗した名前を記録し、同じタイミングで成功した問い合わせと比較して診断する必要があります。

影響を受けているアプリ環境内で失敗した問い合わせを記録する

ホスト名、エラーテキスト、タイムスタンプ、コンテナまたはプロセス、そして障害が内部名、パブリック名、またはその両方に影響するかを正確に記録します。ホスト側のテストだけに頼らず、影響を受けている環境内から名前解決を繰り返し実行します。

Kubernetesの課題では、最初のDNS問い合わせがタイムアウトし、その後の問い合わせは成功する断続的な障害が記録されていました。このパターンは、障害発生後に名前解決が1回成功しただけでは、一時的なリゾルバー障害の説明にならない理由を示しています。

問い合わせ時間、応答したサーバー、応答コード、再試行の結果を記録します。失敗する名前が1つだけなら、そのゾーンまたは権威サーバーを調べます。すべての名前が同時に失敗するなら、ローカルスタブ、上流リゾルバー、またはネットワーク経路に注目します。

ホストのDNSとコンテナまたはサービスのDNSを比較する

コンテナ、VM、またはアプリのサンドボックス内でリゾルバー設定を確認し、ホストで現在有効なDNSサーバーと比較します。コンテナランタイムは、ホストのリゾルバーを直接公開するのではなく、組み込みのスタブを提供したり、生成されたresolv.confをコピーしたりすることがあります。

HashiCorpのコミュニティ事例では、ホスト上ではDNSが機能する一方、コンテナ内では機能しませんでした。ホストのsystemd-resolvedリスナーにブリッジ経由で到達できなかったため、コンテナから問い合わせ可能なアドレスに追加のリゾルバーリスナーが必要でした。

両方の環境から、設定済みのネームサーバーに直接クエリします。ホストでは成功する一方、コンテナがループバックまたは到達不能なスタブに対してタイムアウトする場合は、アプリケーションを何度も再起動するのではなく、ブリッジから到達できるリゾルバー経路を修正します。

内部ゾーンの障害とパブリックDNSの障害を切り分ける

同じ障害発生中に、安定したパブリック名と必要な内部サービス名をそれぞれ1つテストします。内部名だけが失敗する場合は、スプリットDNS、検索ドメイン、ローカルの権威レコード、条件付き転送が原因と考えられます。両方が失敗する場合は、再帰問い合わせの経路に問題があります。

Dockerフォーラムの投稿では、ビルド中に一貫して解決されるはずのDNSが、明確なパターンなく失敗したと報告されています。そのため、アプリケーションネットワークにそれ以外の問題がなく到達可能な状態でも、コンテナのDNSが失敗することがあります。

パブリックな名前は解決できるのに内部アプリの名前が解決できない場合は、ローカルの権威DNSサーバーに直接クエリし、短い検索サフィックス付きの名前ではなく完全なドメイン名を使います。どちらも解決できない場合は、既知のリゾルバーを1つ使って一時的にローカルフィルターを迂回し、問題が上流とホームネットワークのどちらにあるかを特定します。

リゾルバーのタイムアウト、負荷、UDPからTCPへの動作を測定する

チェーン内の各リゾルバーに対して、時間を計りながらクエリを繰り返し直接実行し、UDPとTCPを比較します。パケット損失、応答時間、SERVFAIL、タイムアウト、切り詰めの発生に加え、バックアップジョブ、フィルタリングの更新、高いCPU使用率と障害が重なるかどうかも記録します。

断続的なDNSのトラブルシューティングガイドでは、障害の発生時に記録を取り、複数のDNSサーバーを一度に変更するのではなく、リゾルバーの不安定さとネットワークの切断を切り分けることを推奨しています。

あるリゾルバーがタイムアウトする一方で、別のリゾルバーがすぐに応答する場合は、アプリの経路を変えずに、障害のあるリゾルバーを交換または修復してください。コンテナからはすべてのリゾルバーが同時に失敗するのに、ホストでは失敗しない場合は、ブリッジ、ファイアウォール、conntrack、名前空間の動作を改めて確認してください。

DHCPの更新、VPNポリシー、時間の経過に伴うリゾルバーの変更を確認する

DHCPの更新、VPN接続の変更、ホストのスリープ、ルーターの再起動、コンテナの再作成の前後で、DNS設定を比較します。断続的な障害は、リゾルバーや検索ドメインが気づかないうちに置き換わるライフサイクルイベントの後に発生することがよくあります。

あるDockerユーザーは、一見ランダムに見えた問題の1つがDHCPリースの更新に、もう1つがDockerとTailscaleの連携に起因することを突き止めました。このようなタイミングの証拠は、リゾルバーがランダムに障害を起こすと決めつけるよりも確かな根拠になります。

イベントの前後で、リゾルバーの一覧、ルート、検索ドメイン、VPNの状態を保存します。内部名を解決できないパブリックリゾルバーをハードコードするのではなく、設定を書き換える元(DHCP、NetworkManager、systemd-resolved、VPNクライアント、コンテナランタイム)を修正してください。

元の障害が発生する時間帯を通じて修正を検証する

通常障害が発生する間隔より長い時間、アプリ環境内から定期的に名前解決を実行します。コマンドラインで成功したクエリだけを記録するのではなく、使用したリゾルバー、応答時間、応答コード、アプリ側の結果を記録してください。

NASのホスト名解決が不安定になる問題を扱ったZimaSpaceのガイドでは、関連するクライアント側の問題を解説しています。このアプリに焦点を当てたテストでは、コンテナとランタイムが意図したリゾルバーを継続して使用していることも確認する必要があります。

元のアプリ操作が、ルーターの再起動、リースの更新、コンテナの再作成、VPNの状態変更を経て最後まで完了した場合にのみ、問題が修正されたと判断します。これらの操作が以前は障害を引き起こしていた場合も同様です。再起動でタイマーがリセットされるだけなら、再起動を修正として受け入れず、障害発生時の状態の収集を続けてください。

サポートとヒント

続きを読む

Get More Builds Like This

Stay in the Loop

Get updates from Zima - new products, exclusive deals, and real builds from the community.

Stay in the Loop preferences

We respect your inbox. Unsubscribe anytime.