Kubernetes 节点 DiskPressure 导致 Pod Pending 的排查与治理实践
适用场景 本文适用于 Kubernetes 集群中出现以下问题的场景： 新发布的 Pod 长时间处于 Pending 状态； kubectl describe pod 中看到 node(s) had disk pressure； 节点状态出现 DiskPressure=True； 容器镜像、日志或临时目录占满节点磁盘，
Category
系统运维
当前分类下的文章。
Linux 网卡 RX 队列和软中断堆积导致丢包的排查与治理实践
适用场景 线上服务出现间歇性超时、请求延迟抖动、连接偶发重置，但应用日志没有明显报错，CPU 总使用率也不高。进一步观察会发现某几颗 CPU 的 si 软中断占用很高，网卡统计里存在 rx_dropped、rx_missed_errors 或 ring buffer 溢出。这类问题常见于高并发网关、Nginx 入口机、
Nginx upstream timed out 导致 504 的排查与治理实践
适用场景 本文适用于 Nginx 作为反向代理或网关时，用户访问接口偶发或持续返回 504 Gateway Time-out，错误日志中出现 upstream timed out、while reading response header from upstream 等信息的场景。 典型架构如下： Client ->
Linux TCP accept 队列溢出导致连接超时的排查与治理实践
适用场景 这篇文章适用于线上服务出现“偶发连接超时、重试后成功、服务 CPU 不高但新连接建立慢”的问题，尤其是 Nginx、网关、Java/Python Web 服务、RPC 服务或四层代理在流量突增时出现以下现象： 客户端报 connection timed out、connect timeout 或偶发 502/
MySQL 临时表落盘导致磁盘占用和查询延迟升高的排查实践
适用场景 本文适用于线上 MySQL 出现以下情况： 接口偶发变慢，慢查询集中在 ORDER BY、GROUP BY、DISTINCT、复杂分页或报表 SQL 上。 数据库实例的磁盘使用率短时间上涨，过一段时间又自动回落。 tmpdir 所在分区 IO 使用率升高，甚至出现 No space left on devic
Kubernetes ImagePullBackOff 镜像拉取失败的排查与修复实践
适用场景 这篇文章适用于 Pod 一直停留在 Pending、ErrImagePull 或 ImagePullBackOff，业务发布后没有新实例可用的场景。常见环境包括自建 Kubernetes、云厂商托管集群、私有镜像仓库 Harbor、阿里云/腾讯云镜像仓库，以及通过 CI/CD 自动更新镜像 tag 的发布链路
Redis AOF 重写导致磁盘 IO 飙高和写入延迟的排查与治理
适用场景 本文适用于线上 Redis 开启 AOF 持久化后，业务在某些时间段出现接口变慢、写入超时、Redis used_cpu_sys 升高、磁盘 await 或 util 接近打满的场景。常见部署形态包括单机 Redis、主从 Redis、哨兵架构，以及运行在云主机本地盘或云盘上的 Redis 实例。 重点关注下
Linux conntrack 表满导致连接超时的排查与治理实践
适用场景 本文适用于 Linux 主机、NAT 网关、Docker 宿主机、Kubernetes Node 或开启防火墙规则的服务器。当业务出现偶发连接超时、DNS 查询失败、服务间调用间歇性失败，而 CPU、内存、磁盘都看起来正常时，可以把 conntrack 连接跟踪表作为重点排查对象。 典型环境包括： 单机部署了
Docker 容器 DNS 解析失败与 systemd-resolved 的排查实践
适用场景 这类问题常见于 Ubuntu、Debian 或启用了 systemd-resolved 的 Linux 主机：宿主机可以正常解析域名，但 Docker 容器内访问外部域名失败，表现为应用请求超时、包管理器无法安装依赖、容器启动后健康检查一直失败。 典型环境包括： 宿主机使用 Docker Engine 运行业
Filebeat 采集 Nginx 日志延迟和断点的排查实践
适用场景 这篇文章适用于 Nginx 接入 Filebeat、Logstash、Elasticsearch 或其他日志平台后，出现下面几类问题的场景： Nginx 访问日志本地已经写入，但日志平台几分钟后才看到。 部分时间段日志缺失，业务同学按 trace id 或客户端 IP 查不到请求。 日志轮转后采集停止，重启