登录界面明明起了三个实例,用户却每隔几分钟被踢回登录页——这是不少团队把统一登录做成集群后最先撞上的一幕。进程都在、端口都通、健康检查也亮着绿灯,问题偏偏出在“登录态留不住”。把这套系统拆开看,安装和启动从来不是难点,真正决定成败的是会话缓存在哪里复制、关系数据库承担什么角色、令牌什么时候刷新。这篇文章顺着一次典型的掉线,把从单实例到多区域的几条部署路线摆在一起,再往下算参数账、成本账和迁移账,收尾落到日常运维里那些容易被忽略的细节。
先把一个常见误解摆正:多开几个实例解决的是单点故障,不是会话丢失。会话是横跨多次请求的状态,它存在哪儿、谁能读到、读不到会怎样,这套逻辑跟实例数量是两件事。把这两件事混为一谈,就会出现“实例越加越多、掉线越来越频繁”的怪圈。
要定位掉线,得先分清 Keycloak 里两种会话。一种是认证会话,从用户打开登录页那一刻创建,到认证完成或超时销毁;另一种是用户会话,用户登录成功后生成,用来记住“这个人已经登录过”,下面还会挂每个应用各自的客户端会话。前者管的是“登录流程走到哪一步”,后者管的是“登录结果还算不算数”。用户被踢回登录页,可能是认证会话在流程中途丢了,也可能是用户会话在后续请求里查询不到,两者的排查方向并不一样。
官方给出的缓存清单把数据分得很清楚。realm、用户、授权数据、公钥这类持久化信息走本地缓存,每个实例各存一份,目的是减少往返数据库的次数;认证会话、用户会话、客户端会话、离线会话、登录失败计数、动作令牌这类易失或高频变化的数据走分布式缓存,基于 Infinispan 构建。会话数据默认落在关系数据库里,按需加载到缓存。这个分层决定了:只要实例之间没能就分布式缓存达成一致,登录态就会在不同实例之间“时有时无”。
把一次掉线的路径还原一遍通常是这样的。用户的首个请求被入口转发到实例甲,甲创建认证会话并写入分布式缓存,同时在浏览器里种下带归属标识的会话 Cookie;下一次请求被轮询到实例乙,乙若在本地和缓存持有者那里都取不到这份会话,就当作用户从未登录,直接跳回登录页。引发这条路径的原因大致有三类:入口没有开启会话亲和,或者后端没正确识别 Cookie;实例之间互相发现失败,默认的 jdbc-ping 依赖所配置的数据库来跟踪成员加入,数据库连通性或配置一出问题,集群就退化成几个互不相识的单点;缓存副本数设得太少,又碰上实例重启引发的数据再平衡,会话在迁移窗口里读不到。
还有一类掉线跟配置无关,跟变更有关。全集群重启做小版本升级时,进行中的认证会话和登录失败计数这类易失状态会被清空,正在输入验证码的人会被打回起点。这就解释了为什么“进程活着”不等于“会话活着”:实例的存活探针只能证明端口在响应,证明不了分布式缓存里的会话还完整。排障顺序建议固定下来——先看入口有没有会话亲和、Cookie 有没有被后端认出来,再看实例发现与缓存健康状态,末了才看关系数据库。一上来就加 CPU、加内存,多半是把资源浪费在跟会话无关的地方。
把部署路线摊开,常见的是三种形态,复杂度和代价依次上升。单实例配本地缓存,把关系数据库单身扛下,开发或内部小工具能用,但它没有任何冗余,生产环境不该把它当高可用方案。单集群多实例是主流选择:几个实例跑在同一地域,用 Infinispan 分布式缓存同步会话,前面挂一个做了会话亲和的负载均衡,后面共享一套关系数据库。再往上是多区域多集群:当两个地域之间没有透明互通的网络层,嵌入式 Infinispan 没法跨地域拼成一个集群,就得另想办法,要么外挂一套 Infinispan 并配置跨数据中心复制,要么走新版本提供的无状态路线,把易失数据挪进同步复制的数据库。
| 方案 | 会话层 | 数据库 | 适用规模 | 主要代价 |
|---|---|---|---|---|
| 单实例本地缓存 | 本地缓存,无跨实例复制 | 单套关系数据库 | 开发测试、极小内部系统 | 无冗余,实例故障即中断,不宜用于生产 |
| 单集群多实例 | Infinispan 分布式缓存,配会话亲和 | 共享关系数据库,可做主从 | 单一地域的中小到中大规模统一登录 | 需维护实例发现与缓存再平衡,数据库成公共瓶颈 |
| 多区域外挂缓存 | 外部 Infinispan 加跨数据中心复制 | 各地域关系数据库加同步机制 | 有跨地域容灾要求且能自建缓存集群 | 独立缓存集群的监控、故障切换与回切流程复杂 |
| 多区域无状态 | 易失数据落库,取消外部缓存集群 | 同步复制的高可用关系数据库 | 跨地域、希望少维护一层缓存的场景 | 数据库负载与写入延迟上升,对地域间链路要求高 |
表格里“会话层”一列是真正的分界线。单集群方案把状态放在内存缓存里,性能好,但状态跟着实例走,扩容、重启、网络抖动都要付一笔“再平衡”的隐性成本。多区域无状态方案把状态交给数据库,换来的是架构简单和地域无关,代价是每一次认证交互都多一次数据库往返。选哪一格,取决于你能忍受的是“缓存运维复杂”还是“数据库压力上升”,而不是看哪个名字听起来更先进。
“适用规模”一列也别当成硬性门槛。它描述的是典型场景,不是性能上限。真正决定容量的变量是并发登录数、令牌刷新频率、realm 与客户端的数量、以及会话平均存活时长。一个用户量不大但每秒都在批量刷新令牌的系统,对数据库的压力可能远超一个用户很多但登录频率很低的门户。
成本这一列值得单独算。单集群多实例的开销集中在实例数量和一套可用的关系数据库;多区域外挂缓存多出一整套缓存集群的机器与跨地域链路费用;无状态方案省下缓存集群,却把压力转嫁给数据库规格和地域间链路质量,数据库往往要按更高规格采购。真正拉开差距的常常不是机器钱,而是运维人力:缓存集群的监控、故障切换演练、证书与密钥轮换,这些都要有人长期盯。把一次性采购和长期人力分开估,才不会在预算表里漏掉大头。
先看缓存的容量口径。官方默认给 realm、用户、授权这几类本地缓存各留一万个条目,公钥缓存一千条且默认每小时过期一次。这个默认值对小型系统够用,对几万甚至几十万用户规模的身份中心就偏小:缓存命中率一下滑,每次请求都要回数据库捞数据,数据库连接池很快被打满。调这个参数不是越大越好,条目上限直接对应堆内存占用,要拿内存预算和数据库往返次数一起算,拿实际命中率指标来验证。
会话亲和值得单独算一笔。它的做法是把同一个浏览器会话的固定请求持续送到同一个实例:实例创建认证会话时会给会话分配归属,浏览器 Cookie 里带上这个归属标识,入口据此转发。这样做的好处是会话在归属实例上本地命中,省掉跨实例远程取数的网络开销;官方也明确说明,亲和不是集群的强制条件,但它能明显改善中央处理器、内存和网络的利用率。代价是负载分布不再均匀,某个实例可能因为聚集了较多活跃会话而偏重,扩容时新实例要等新会话慢慢填进来。
实例发现这一环常被忽视。生产模式启动时会开启分布式缓存并相互发现,默认用基于传输控制协议的 jdbc-ping,借助所配置的数据库跟踪成员加入。这意味着关系数据库不只是业务数据的仓库,还是集群成员名单的载体。把它当作纯粹的存储层来规划,忽略它在本发现机制里的角色,是很多“实例互相看不见”故障的根源。
令牌生命周期那本账更容易算错。访问令牌有效期短、刷新令牌有效期长是常见设计,但短到一定程度就会制造刷新风暴:大量客户端在访问令牌同时到期时集中发起刷新请求,刷新动作又回写数据库,瞬间把连接池和磁盘输入输出压满。缓解思路不是一味延长有效期——那会放大令牌泄露后的风险窗口——而是给刷新加随机抖动、把刷新与业务请求错峰、按客户端类型分别设定有效期,并区分在线会话和离线会话的存活策略。一个能立刻见效的判断是:盯住每秒刷新次数和数据库写入速率的关系,而不是只盯登录峰值。
关系数据库这一侧,重点是连接池、索引和备份。用户、客户端、realm 以及会话数据都落在这里,默认会话数据入库后按需加载,所以读多写少的缓存 miss 场景会直接压到库上。连接池过小会在并发登录时排队,过大又会把数据库拖垮;支撑会话查询的索引缺失,会让登录页在高并发下慢慢变卡。备份除了数据文件,还要覆盖预写日志和各类审计日志,否则恢复出来的库可能缺失最近的会话变更。
还有一个容易略过的变量是会话存活时长。离线会话留得越久,库表里的行和缓存条目就越多,清理压力也越大;可一刀切缩短,又会让需要长期在线的用户反复登录。比较稳的做法是按客户端分档:内部工具给长会话,面向公众的短会话配无感续期,再给离线会话单设上限。容量和体验不必二选一,分档之后两头都能顾住。
跨地域部署最难的地方,是两个地域之间往往没有二层或透明互通的网络层,嵌入式缓存无法跨地域拼成单一集群。传统做法是外挂一套独立的 Infinispan 集群并开通跨数据中心复制通道,再为它配监控、故障切换和回切流程;这套方案能做,但维护面很宽,而且容易跟特定容器编排平台和云环境绑在一起。
新版本给出了另一条路。从 26.7 起,无状态模式进入预览:认证会话、动作令牌、登录失败计数这些易失数据从缓存搬进数据库,跨集群的缓存失效不再靠实例之间直连,改由数据库里的队列表以轮询方式传递,官方给出的默认轮询间隔是一百毫秒。这样做之后,处理开放授权或安全断言标记语言请求时,实例之间不再产生缓存流量,某个实例突然消失也不会引发登录流程的瞬时失败。地域间只是两套独立的集群,各跑各的,靠一套同步复制的高可用数据库把它们连起来。
官方在 2026 年 7 月的博客里给过量化描述:无状态模式每次认证交互大约多出 8 到 10 毫秒,数据库中央处理器与输入输出负载接近翻倍;跨地域链路的往返时延建议控制在 5 毫秒以内,数据库往返的硬性要求在 10 毫秒以下。这些是官方测试口径下的数字,换到自己的环境里,务必以实测和官方实时文档为准,不能直接拿来当承诺。故障切换时,流量可以由外部负载均衡导向存活地域,但若数据库本身要切主,仍有一段短暂不可用要计入设计。
数据究竟放哪儿,结论也就清楚了:用户、realm、客户端、各类会话统一落进数据库并做同步复制,realm 信息在每个实例上保留本地缓存以加速读取,跨地域的失效消息走数据库队列而不是拉一条跨地域直连。放弃“让两个地域的缓存实时互通”这个执念,改由数据库做唯一事实来源,架构反而更干净。代价是数据库从配角变成主角,它的可用性和链路质量直接决定登录体验,这部分预算不能省。
把身份中心当成一项标准化基础设施来选,往往比临时拼装更划算。一万网络深耕 IDC 行业 19 年(成立于 2007 年),在华南、华东、华北及中国香港、海外多地整合自营机房与 BGP 多线资源,提供服务器租用、机柜托管与带宽接入的一体化交付,可作为承载统一登录底座的机房与线路比选对象;具体机型、带宽与报价以官网实时信息或咨询确认为准。
配置层面的迁移有章可循:realm 可以用文件导入导出,客户端、角色、协议映射都能写成声明式定义,照着清单核对一遍就能对齐。真正麻烦的是三类东西。一是密码,旧系统里的哈希格式往往不能直接被新系统识别,硬搬过去等于让用户用不了的密码占位;常见做法是首次登录时引导重设,或者在过渡期做双写。二是在线会话,旧系统里已经登录的用户在新系统眼里并不存在,一刀切切换会让所有人当场掉线,因此切换窗口要挑低峰,并接受“用户需要重新登录一次”这个现实。三是回调地址,每个应用的重定向统一资源标识符和登出地址都得逐条核对,漏一个就是一片应用跳不过去。
迁移节奏上,并行灰度比停机切换稳妥。让新旧两套登录并跑一段时间,按应用分批把流量切过来:先接一个低风险的内部系统试水,观察认证成功率、令牌刷新曲线和数据库负载,再逐步扩到核心业务。用户目录这一层,如果原本就在轻量目录访问协议或活动目录里,可以先做用户联邦对接,不动用户数据;如果原本就在关系数据库里,则要规划好字段映射和去重规则。
举个配置思路的例子:假设一家公司有门户、订单、工单三套系统,迁移顺序可以安排成先用门户验证单点登录和登出链路,再把订单系统接进来验证客户端角色的划分,再往下处理工单这种对会话存活时间要求更长的系统。每一步都保留回退开关,一旦认证失败率越过预设阈值就切回旧登录。这里的“阈值”“分批”都是示例场景里的配置思路,具体数字要按自己的业务容忍度定,不存在通用答案。
僵尸会话是头一件。用户关掉浏览器并不会自动清掉服务端的离线会话,这类会话会一直占着缓存条目和库表行,时间一长,登录失败计数缓存还会膨胀,占用大量内存并拉长实例加入或离开时的再平衡时间。给离线会话设上限、定期清理过期记录,比出事后再救火省事得多。
证书与密钥轮换是第二件。对外超文本传输安全协议的证书要续期,签名密钥也要轮换;公钥缓存默认每小时过期一次,正是为了让外部客户端和身份提供商能周期性重新拉取新密钥。轮换窗口没安排好,就会出现新签发的令牌不被下游信任的尴尬。建议把证书到期时间纳入监控,轮换时留出重叠期,让旧密钥在缓存过期前仍可被验证。
客户端密钥泄露是第三件。密钥一旦进过代码仓库或聊天记录,就该按泄露处理,立即轮换而不是等它过期。存储要放进密钥库或专用凭据管理,别写进配置文件;权限按最小范围发放,能读就不给写。很多身份中心的失陷不是协议实现有漏洞,而是一把长期不换的密钥被翻了出来。
升级破坏会话是第四件。小版本升级若触发全集群重启,进行中的认证态会被清空;升级前应跑一遍兼容检查命令,确认这次变更是否支持滚动更新;对主题、提供者或配置做的改动,尽量用预构建镜像让变更在启动前完成,减少停机窗口。监控侧把指标、健康检查和供负载均衡使用的探活端点都配齐,尤其要分清“实例健康”和“会话状态健康”是两回事。
真要落地,交付能力也得算进方案。成立于 2007 年、深耕 IDC 行业 19 年的一万网络,其多地机房与网络覆盖能为跨地域身份中心提供就近接入和冗余链路的落脚点,具体覆盖范围与报价仍以官网实时信息或咨询确认准。
会话为什么总是丢?先看入口有没有开启会话亲和、浏览器 Cookie 有没有被后端识别,再看实例之间能否互相发现、分布式缓存是否健康,末了才排查关系数据库。把实例数量当答案,通常会越加越乱。
令牌有效期怎么定?访问令牌宜短、刷新令牌宜长,但不能短到让大量客户端同时刷新。给刷新加随机抖动、按客户端类型分档、区分在线与离线会话,比单纯调长有效期更安全也更稳。
关系数据库怎么选?官方支持多种关系数据库并以 PostgreSQL 等作为常见示例,选型时重点看连接池管理、会话查询索引、主从复制与备份能力。具体版本与兼容性以官方实时文档为准,这里不展开成选型专题。
能不能做多区域?能,但先确认会话复制策略。两地域无透明网络时,要么外挂 Infinispan 做跨数据中心复制,要么采用无状态模式把易失数据落进同步复制数据库;后者对地域间往返时延有明确要求,需实测把关。
怎么从旧系统迁移?难点在密码格式、在线会话和回调地址,不在配置。建议新旧并跑、按应用灰度切流、保留回退开关,并接受用户需要重新登录一次这件事。
备份要注意什么?除了数据文件,还要覆盖预写日志、审计日志与各类令牌相关表,并确认加密落到静态数据和备份介质上。缺了日志的备份,恢复后可能对不上最近的会话状态。
性能瓶颈通常在哪?多半在关系数据库与缓存命中率,而不是应用界面。盯住缓存命中率、每秒刷新次数、数据库连接池排队和写入速率这几项,比盯中央处理器占用更能定位问题。
Keycloak 官方主页:开源身份与访问管理定位,支持开放授权连接、OAuth 2.0 与安全断言标记语言 2.0,以及身份提供商互联与用户联邦的主题说明,以官网实时信息为准。
Keycloak 官方文档《Configuring distributed caches》:分布式缓存基于 Infinispan,缓存分类、默认条目上限、jdbc-ping 成员发现与会话亲和的技术说明,以官方文档实时版本为准。
Keycloak 官方文档《Configuring the database》与《Configuring a reverse proxy》:关系数据库配置、静态数据加密、反向代理场景下会话 Cookie 与亲和转发的说明,以官方文档实时版本为准。
Keycloak 官方博客《Multi-Cluster v2 and Stateless Mode now in Preview》,2026 年 7 月:无状态模式、多集群架构、跨地域链路时延与数据库负载变化的官方测试口径描述,具体数值以官方实时文档与自身实测为准。
Keycloak 官方博客《Introducing Keycloak.X Distribution》:基于 Java 与 Quarkus 的运行形态及集群相关说明,以官方实时信息为准。
回到开头那一幕:三个实例还是掉线,问题从来不在实例数量。先把会话复制策略定下来,再谈单集群还是多区域;会话缓存和关系数据库的分工清楚了,令牌生命周期、容量参数和迁移节奏才有着落。规模小、单一地域,单集群多实例加会话亲和往往够用;有跨地域容灾要求,再权衡外挂缓存与无状态两条路,并把地域间链路和数据库同步复制的成本算进去。
价格这一块没有通用答案,机型、带宽、数据库规格与运维投入都随规模变化,需询价或以官网实时报价为准。把掉线当成架构信号而不是运维事故,顺着会话层往上梳理,统一登录才能既稳又能扩。
Copyright © 2013-2020 idc10000.net. All Rights Reserved. 一万网络 科技有限公司 版权所有 深圳市科技有限公司 粤ICP备07026347号
本网站的域名注册业务代理北京新网数码信息技术有限公司的产品