最近给多家事业单位、区县政务平台做轻量化IAM高可用落地踩了一个非常隐蔽、测试极难复现、上线才爆发的集群坑SSO网关集群部署后少量用户随机“串号登录”打开别人的系统会话。问题只在多节点集群触发单节点完全正常前期自测零问题上线后随机概率翻车。一、问题现场还原项目架构Nginx负载均衡 双节点SSO认证网关 老旧业务系统代登模式。上线后偶现极端问题1. A用户登录系统正常使用2. 短时间内B用户登录同一业务系统3. B用户随机拿到A用户的后端会话Cookie直接进入A的业务权限页面。属于高危越权漏洞在政企场景直接触碰合规红线。二、根因复盘绝大多数团队都会忽略1. 网关集群未做会话绑定策略Nginx默认轮询分发2. 代登后的业务系统Cookie只存在单节点网关内存不同节点缓存不互通3. 当用户请求被负载均衡切到另一节点新节点无当前用户代登缓存网关会错误复用集群内残留的空闲会话导致账号串连。简单说内存缓存 无会话粘连 无全局会话统一管理 集群越权。三、三层彻底修复方案政企生产级可用1.强制开启Nginx ip_hash会话粘连同一客户端始终固定访问同一网关节点从负载层避免会话跳节点失效。2.全部会话缓存迁移至分布式Redis彻底抛弃节点本地内存缓存登录态、代登Cookie、用户映射关系全集群共享节点扩容、重启无感知。3.会话Key增加强隔离因子缓存Key不再只依赖sessionId叠加「用户唯一ID应用ID终端UA哈希」多维绑定彻底杜绝会话碰撞复用。四、落地核心踩坑总结很多轻量化IAM方案为了省事单节点测试通过就直接上线集群忽略了老旧系统代登模式的会话强依赖特性。政企异构系统越多、代登场景越复杂集群会话一致性问题越容易爆发。轻量化不等于简陋低成本落地更要规避架构盲区。想问下各位后端和集成同行你们做SSO集群部署还遇到过哪些「测试没问题、上线随机炸」的隐性坑