In Huntersxy

纸上得来终觉浅,绝知此事要躬行

DNS 择优探测的失效边界:一次校园网排查实测

Huntersxy's Avatar 2026-09-27

  1. 1. 环境
  2. 2. 归属
  3. 3. 探测能力边界
  4. 4. 无效路径
    1. 4.1. blacklist-ip
    2. 4.2. ip-alias
    3. 4.3. speed-check-mode ping,tcp:443 与 tcp:443
  5. 5. 缓存清理方法
  6. 6. 处置
    1. 6.1. 关闭择优
    2. 6.2. 修正配置分层
    3. 6.3. 修正 dnsmasq 重启配额
  7. 7. 验证
  8. 8. 遗留
  9. 9. 结论

校园网 WLAN 直连(无代理)下,xiey.work 出现间歇性无法访问,时间 2026-09-27。工具:curl 8.21、nslookup、strings、路由器侧 smartdns 46.1 与其审计日志。结论覆盖解析选路与探测能力边界两类机制:故障的直接原因是 DNS 返回了本网络不可达的边缘节点地址,深层原因是 smartdns 只具备 ICMP 与 TCP 建连两档探测,无法识别「TCP 建连成功但 TLS 阶段被 reset」的地址。数据来源为本机命令输出与路由器日志,未经交叉验证的推断在文中单独标注。

环境

项 值
客户端 校园网 WLAN,网关 192.168.1.1,公网出口 183.251.13.228(福建福州,中国移动)
DNS 路由器 smartdns 46.1;LAN 客户端经 DHCP option 6 指向 192.168.1.1:53
路由器 ImmortalWrt 23.05.6,ramips/mt7621,kernel 5.15.189
对照点 广州 8.134.190.23、香港 47.83.180.74

涉及域名均挂腾讯云 EdgeOne,两个例外:

域名 CDN
xiey.work、www.xiey.work、blog.xiey.work 腾讯云 EdgeOne
xcdn1.xiey.work、xcdn2.xiey.work 无(A 记录直连)
xiey.online Cloudflare

归属

同一时刻 www.xiey.work 超时而 xiey.work 返回 200,刷新后两者结果相反。域名级封锁不会造成子域之间互相矛盾,解析服务宕机也不会出现部分子域可解析,因此变量落在「本次解析到哪个地址」。

用 --resolve 将 SNI 与目标地址解绑后逐个测试:

1
2
curl -sS -o /dev/null -w '%{http_code}\n' --resolve xiey.work:443:175.43.200.34   https://xiey.work/
curl -sS -o /dev/null -w '%{http_code}\n' --resolve xiey.work:443:120.221.184.14 https://xiey.work/
IP 归属 HTTPS
36.150.72.68 上海,AS56046 中国移动 200
120.221.184.14 济南,AS9808 中国移动 200
175.43.200.34 漳州,AS4837 中国联通 超时

同一张 CDN 上两个节点可用、一个不可用,被挡住的是单个地址而非该 CDN。对 175.43.200.34 的进一步测量:

观测 结果
TCP 22 / 80 / 443 / 8080 / 9000 全部超时
ICMP 4/4 收到,17~39ms
换用 example.com 作 SNI 同样超时
邻居 175.43.200.33 / .35 均返回 200

TCP 全端口被丢、ICMP 放行、按单个地址精确生效,指向路径上设备丢 SYN 而非 SNI 匹配或路由黑洞。

跨观测点交叉验证:

观测点 到 175.43.200.34:443
广州 8.134.190.23 200(0.019s)
香港 47.83.180.74 超时
本机校园网 超时

广州通、香港不通,说明该节点自身的运营商互联状态也有问题。校园网是受影响方之一。

探测能力边界

审计日志给出 smartdns 的选路依据:

1
2
query www.xiey.work,  type 1, speed: 16.1ms, result 175.43.200.34
query blog.xiey.work, type 1, speed: 15.7ms, result 175.43.200.34

该地址 ICMP 通(~16ms),在探测视角下是当时延迟最低的候选。

smartdns 46.1 支持的探测模式(strings /usr/sbin/smartdns 确认):

模式 探测层级
ping ICMP
tcp:<port> TCP 建连
tcp-keepalive TCP 建连并保持
none 不探测

四档均不含 TLS 握手探测。因此存在一类地址,探测结果与实际可用性系统性背离:

地址 ICMP TCP:443 TLS
175.43.200.34 通 17~39ms 不通 —
124.237.177.164(baidu.com) 通 建连成功(time_connect ≈ 0.05s) time_appconnect = 0
20.205.243.166(github.com) 通 66ms 不通 —

第二行为关键样本:TCP 建连成功而 TLS 阶段被 reset。对 ping 与 tcp:443 两档,该地址均判为健康。三个不同运营商的地址呈现同一模式,不是单次偶发。

区分方法为拆分连接耗时:

1
curl -sS -o /dev/null -w 'connect=%{time_connect} tls=%{time_appconnect}\n' https://<host>/

connect 有值而 tls 为 0 即属此类。仅做 TCP 建连的探测器一律将其判为可用。任何基于此类探测的择优在相同条件下都会选中该地址。

无效路径

blacklist-ip

1
blacklist-ip 175.43.200.34/32

不生效。生成配置中 server 行不带 -blacklist-ip 标记,该文件未被读取。

ip-alias

1
ip-alias 175.43.200.34 120.221.184.14

语义为:上游返回 175.43.200.34 时替换为 120.221.184.14 再应答。下发后解析立即变为可用地址,故障消失。

该规则把两个具体地址的对应关系写入静态配置:不支持上游返回第三个地址的情形,不反映 175.43.200.34 当时不可达的原因,且在节点恢复后仍持续改写上游的正常结果。已回退。

speed-check-mode ping,tcp:443 与 tcp:443

两次切换后均仍返回 175.43.200.34。

此处记录一轮错误结论及其纠正过程。首次测试后判定「探测结果被篡改,换任何探测指标均无效」,该判断不成立,原因是清缓存方法有误——详见下节。用正确方法重测后 tcp:443 工作正常:baidu.com 的应答由 4 个地址(含不可达的那个)收敛为 1 个可用地址。

关于「探测被篡改」这一推断:当时的依据是不可达地址的探测延迟(14.619.9ms)低于正常节点(3050ms),差异反常。后续复测显示该地址本身延迟就低(24~51ms,在各候选节点中属正常区间)。观测数据无误,由数据得出的因果推断有误。真实原因即上文所述的能力边界,与篡改无关。该地址的实测延迟属可复现数据,篡改假设属推测且不成立。

缓存清理方法

首次测试使用的方式:

1
rm -f /etc/smartdns/smartdns.cache && /etc/init.d/smartdns restart   # 无效

smartdns 在 stop 阶段先将内存缓存写回磁盘,rm 被抵消,重启后读到的仍是旧结果。

正确方式:

1
2
3
4
/etc/init.d/smartdns stop
sleep 2
rm -f /etc/smartdns/smartdns.cache
/etc/init.d/smartdns start

判据:cache-persist yes 时,restart 之后 smartdns.cache 必然重新出现。该文件存在即说明缓存未清除。审计日志中的 speed: -0.1ms 同为缓存命中标志,经真实探测的记录会显示具体数值,如 speed: 40.0ms。

处置

关闭择优

1
2
uci set smartdns.@smartdns[0].speed_check_mode='none'
uci commit smartdns

none 关闭择优,将上游返回的完整 A 记录一并交给客户端自行尝试与回落。

对照实测(针对「TCP 通但 TLS 被 reset」的地址):

模式 结果
none 返回全部 A 记录,客户端回落
tcp:443 建连成功即判为健康,8 轮中 3 轮选中不可用地址
tcp-keepalive 同样误判,6 轮中 1 轮

该配置放弃了延迟优选,不再挑选最低延迟节点,代价是非最优节点可能被优先使用。在探测结果可信的网络中这是净损失,在探测结果与实际可用性背离的网络中是必要的取舍。

修正配置分层

生成配置的最后一行是 conf-file /etc/smartdns/custom.conf,该文件最后加载,同名指令覆盖此前全部内容。排查中发现以下覆盖:

指令 UCI 值 custom.conf 值 实际生效
log-level error debug debug
log-size / log-num 64K / 1 128k / 8 128k / 8
serve-expired yes no no

同时 UCI 中标记 enabled '0' 的上游被重新启用,日志确认仍在查询:

1
2
3
send query to server 119.29.29.29:53   # UCI enabled=0
send query to server 1.12.12.12:53 # UCI enabled=0
send query to server 180.76.76.76:53 # UCI enabled=0

整理后 custom.conf 仅保留 UCI 无法表达的两行:

1
2
bind [::]:53
bind-tcp [::]:53

bind 为 UDP、bind-tcp 为 TCP,两者不通用。UCI 的 port 只生成 54 且只覆盖 br-lan/lo,而 LAN 客户端走 192.168.1.1:53。原配置中 53 端口无 TCP 监听,DNS 应答置 TC 位后客户端改用 TCP 重试会直接失败。

上游由 23 个收敛为 8 个(4 个 DoH/DoT 与 119.29.29.29、223.5.5.5、223.6.6.6)。

修正 dnsmasq 重启配额

/etc/init.d/dnsmasq 中 procd_set_param respawn 未带参数,即 procd 默认值 3600/5/5:一小时内崩溃 5 次后永久停止重启。

dnsmasq 是本机唯一的 DHCPv4 服务(dhcp.odhcpd.maindhcp='0'),停止重试后新接入设备无法获取 IP。触发条件为执行 smartdns restart:分三批共测试 12 轮,其中 5 轮出现 dnsmasq 以 exit_code 129(SIGHUP)退出。手动运行(不经 procd)不受影响。

1
sed -i 's/^\tprocd_set_param respawn$/\tprocd_set_param respawn 3600 1 0/' /etc/init.d/dnsmasq

retry=0 表示不限重试次数,取值方式与同机 wpad 一致。

SIGHUP 的来源未查明,已排除 firewall reload、uci commit、dnsmasq reload、配置哈希变化、jail 挂载。

验证

解析稳定性(路由器侧,4 轮):

域名 解析结果
xiey.work 112.13.210.66、211.136.106.223、117.163.60.28
www.xiey.work 112.13.210.66、117.163.60.28、211.136.106.223
blog.xiey.work 112.13.210.66、117.163.60.28、211.136.106.223

端到端(不走代理):xiey.work、www、blog、bot 均 200;xcdn1、xcdn2 均 200;对照域名 baidu.com 301、qq.com 302、microsoft.com 301。

TCP DNS:

1
nslookup -vc xiey.work 192.168.1.1

dnsmasq 保活:手动 kill 后 5 秒内被 procd 拉起。

遗留

xiey.online 的封锁按 SNI 生效,与本组改动无关(该域名走 Cloudflare)。同一 Cloudflare IP 104.21.76.201 更换 SNI:

SNI 结果
example.com 200
cloudflare.com 301
xiey.online 超时(3/3)

处理方式为启用 fragment(TLS 记录分片),或改用 xcdn1 / xcdn2 入口。

175.43.200.34 的封锁在当日稍晚复测时已不可复现:三个 SNI 均返回 200,端口画像 22:closed 80:OPEN 443:OPEN 8080:OPEN 与 120.221.184.14 一致,上游亦不再返回该地址。上文「归属」一节记录的「全端口 TCP 丢弃」为该时间窗内的观测。

结论

封锁键按层分离。解析层返回了本网络不可达的边缘节点地址,上游与本地解析服务对该地址的判断一致,差异在可达性。可达性本身不落在探测可覆盖的层:smartdns 仅具备 ICMP 与 TCP 建连两档探测,而路径上设备对若干地址放行 TCP 建连、在 TLS 阶段丢弃,使 ping 与 tcp:443 均将不可用地址判为健康。关闭择优后完整 A 记录交由客户端回落,这类地址不再构成单点故障。

该类地址在本网络属常态:三个不同运营商的地址(175.43.200.34、124.237.177.164、20.205.243.166)呈现同一模式,换用备用地址(如 github.com 的 140.82.121.3 / .4)即恢复。任何依赖提前探测的选路机制在相同条件下都会命中该失效模式。

配置层面另有两处与本次故障无直接因果、但会造成「配置已改而未生效」的问题:custom.conf 覆盖 UCI 生成项,以及 dnsmasq 的重启配额过小导致其被带死后不自愈。两处均已修正。

本文作者 : Huntersxy
本文使用 署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0) 协议
本文链接 : https://blog.xiey.work/2026/09/27/DNS%E6%8B%A9%E4%BC%98%E6%8E%A2%E6%B5%8B%E7%9A%84%E5%A4%B1%E6%95%88%E8%BE%B9%E7%95%8C/

本文最后更新于 天前,文中所描述的信息可能已发生改变