续期成功、却仍然过期的证书

最常见的故障不是续期失败,而是「续期成功了,但没到对外服务的那张证书上」。certbot 会把新文件写进 /etc/letsencrypt/live/,而 nginx 用的是启动时读进内存的那一张,于是磁盘上是新的、浏览器看到的是旧的。查法只有一个:把「磁盘上的 notAfter」与「服务器实际出示的 notAfter」两个日期放在一起比。

证书很少因为「续期失败」而坏。续期失败是响的:cron 会发信、dry run 会非零退出、日志里写着 Failed authorization procedure。

真正打到用户脸上的那种,长这样:续期成功了、文件是新的、服务器出示的还是旧的。

浏览器到底看到了什么

从外部对一个公开站点,2026-11-18:

$ echo | openssl s_client -connect github.com:443 -servername github.com 2>/dev/null \
    | openssl x509 -noout -subject -issuer -dates
subject=CN=github.com
issuer=C=GB, O=Sectigo Limited, CN=Sectigo Public Server Authentication CA DV E36
notBefore=Oct 30 00:00:00 2026 GMT
notAfter=Jan 27 23:59:59 2027 GMT

两个日期,其中只有一个重要。从检查日到 notAfter 是 70 天。那是访客浏览器唯一会看的日期。

同一条命令也能对着文件跑,但那是在回答另一个问题:

$ openssl x509 -in /etc/letsencrypt/live/example.com/fullchain.pem -noout -dates
notAfter=...

两条命令、两个日期,而且没有任何理由它们必须相同。 第一条读的是内存(nginx 加载了什么),第二条读的是磁盘(certbot 写了什么)。所有「发着旧证书」的事故,都活在这两者的缝里。

缝是怎么张开的

  1. certbot 续期成功,写入 live/<域名>/fullchain.pem,退出码 0。
  2. nginx 只在启动或 reload 时读证书——不是每个请求都读。
  3. 没有任何东西 reload 了 nginx,于是它继续出示之前那张。
  4. 六十天后旧的到期,而磁盘上那张还写着「还能用 30 天」。

另外四种静默形态,一并列清楚:

形态 症状 为什么静默
webroot 变了 / vhost 改过 http-01 验证拿到 404 续期任务的日志写进一个没人看的文件
安全组封了 80 端口 验证超时 同上;而且多条 A 记录只挂一条时,失败还是间歇的
.well-known 被重定向规则吃掉 验证跟着 301 跳到 HTTPS 然后失败 能正常好几个月,直到有人加了一条重定向
迁移后定时器被禁用 什么都不跑 证书还能用 60 天,所以看不出任何异常

四种都有同一个性质:在证书到期之前,故障是不可见的——而到期可能在原因发生后的 90 天。

关掉这条缝的两个检查

站外——对外服务的是哪张:

served=$(echo | openssl s_client -connect "$HOST:443" -servername "$HOST" 2>/dev/null \
         | openssl x509 -noout -enddate | cut -d= -f2)
echo "$served"

站内——磁盘上是哪张:

openssl x509 -in "/etc/letsencrypt/live/$HOST/fullchain.pem" -noout -enddate | cut -d= -f2

断言三件事:

  1. served 在未来(留余量,14 天算舒服)。
  2. served == disk(签发时序造成的小差异除外)。不等,就说明 reload 没发生。
  3. certbot renew --dry-run 退出码 0——它证明的是今天这条验证路径通,而不是「到期那天通」。

三者里只有 dry run 测到了会静默坏掉的那部分:DNS、80 端口、webroot。它不消耗速率限制,几秒钟就完。

怎么知道它真的修好了

  • 对外服务的日期动了。 加上 reload 的 deploy hook 之后,强制续一次,再读一次对外服务的证书。日期没动,就是 hook 没跑——去查 hook 的路径和退出码,别只翻 certbot 的日志。
  • certbot renew --dry-run; echo $? 打印 0。 而且要在定时器的同一环境里跑(同一用户、同一环境变量)。在你自己 shell 里过、在 cron 里挂,那就是环境差异:PATH、工作目录,或者 hook 的目标不在。
  • 定时器真的在跳。 systemctl list-timers | grep certbot(或 crontab -l)。被禁用的定时器在任何地方都不算错误——它是「不存在」。
  • 监控读的是对外服务的日期,不是磁盘日期。 监控文件,正是「看板全绿、地址栏一把红锁」的由来。

怎么回滚

  • 加 reload hook:--deploy-hook "systemctl reload nginx"——如果 reload 失败,certbot 会报 hook 失败,但证书其实已经续了。重跑 renew 不会重试 hook,得手动 reload,然后核对对外服务的日期。
  • vhost 改坏了:留着上一版的 vhost 文件和 live/ 之前指向的符号链接。certbot 每次签发都存进 archive/,把链接指回去是可逆的;删掉 archive/ 就不可逆了。
  • 速率限制:同一组域名每周最多 5 张重复证书。调试时用 --dry-run(不签发)和 --staging(另一套限额);否则你会在最需要真证书的那一周把自己锁死。
  • 永远不要靠「关掉监控」来修它。 当磁盘与对外服务不一致时,监控是唯一还在说真话的组件。

常见问题

怎么读「正在被服务」的那张证书的到期时间?

从外部:echo | openssl s_client -connect host:443 -servername host 2>/dev/null | openssl x509 -noout -enddate。那是浏览器看到的。在服务器上对 /etc/letsencrypt/live/<域名>/fullchain.pem 跑同一条命令,那是 certbot 以为的。

这两个日期为什么会不一样?

因为 nginx 只在启动或 reload 时读一次证书。续期把文件写了、但没有 reload,旧证书就还留在内存里继续对外服务,直到下一次重启——而那可能是几个月之后。

怎么在出事之前证明续期是好的?

certbot renew --dry-run 加它的退出码。它走完整的 challenge 流程但不消耗速率限制。dry run 绿 + 一个 reload hook,才同时覆盖了「新文件有了」和「服务器用上了」两半。

到期提醒邮件能救吗?

只在有人收到时有用。邮件发给 ACME 客户端登记的账号,到期前 20 天和 10 天各一封,而且它对「磁盘是新的、对外服务的是旧的」这种情况一个字都不会说。

来源


本文最后一次核验:2026-11-18 · 站外检查于 2026-11-18 对一个公开站点真跑过(下面粘贴了 openssl s_client 的输出,notAfter 为 2027-01-27,距今 70 天)。续期侧的命令(certbot renew --dry-run、hook、磁盘与对外服务的对比)来自我们运维记录里的标准做法;本次会话没有真的执行一次 certbot 续期,文章里也这么写,不含糊。