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 | curl -sS -o /dev/null -w '%{http_code}\n' --resolve xiey.work:443:175.43.200.34 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 | query www.xiey.work, type 1, speed: 16.1ms, 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 | /etc/init.d/smartdns stop |
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 | uci set smartdns.@smartdns[0].speed_check_mode='none' |
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 | send query to server 119.29.29.29:53 # UCI enabled=0 |
整理后 custom.conf 仅保留 UCI 无法表达的两行:
1 | bind [::]: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。