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：
Tag
#排查
包含这个标签的文章。
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 timeou
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
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
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
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：
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
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
Kubernetes Liveness Probe 配置过激导致服务反复重启的排查实践
## 适用场景 本文适用于 Kubernetes 中业务 Pod 间歇性进入 `CrashLoopBackOff`、`RestartCount` 持续增长、服务短时间不可用，但应用日志里又看不到明确业务异常的场景。常见于 Spring Boot、Django、Go HTTP 服务、Node.js 服务等 Web 应用
Prometheus Target up=0 抓取失败的排查与修复实践
## 适用场景 本文适用于 Prometheus 已经配置了 `scrape_configs`，但在 Targets 页面看到目标实例显示 `DOWN`，或者 PromQL 查询 `up{job="xxx"} == 0` 的场景。常见对象包括 node_exporter、应用自暴露的 `/metrics`、Kuber