Linux 磁盘空间充足却无法创建文件：inode 耗尽的排查与治理实践
## 适用场景 应用报出 `No space left on device`，但 `df -h` 显示磁盘使用率不高；Nginx 无法写入访问日志、容器无法创建临时文件、CI 构建失败，甚至 `touch` 一个空文件也失败。这通常不是字节空间耗尽，而是文件系统可分配的 inode 已经用完。 本文以 ext4/X
Tag
#Linux
包含这个标签的文章。
systemd-journald 限流导致关键日志丢失的排查与治理实践
## 适用场景 服务运行正常，但在故障窗口里 `journalctl` 中恰好缺少应用最关键的一段日志；常见于 Java、Python、Nginx/OpenResty、容器运行时或短时间大量报错的 systemd 服务。运维人员往往把它误判为程序没有输出，实际日志可能已经被 `systemd-journald` 的限
Docker overlay2 目录持续膨胀：从可写层定位到安全回收的排查实践
## 适用场景 Linux 宿主机的根分区或 Docker 数据盘持续告警，`/var/lib/docker/overlay2` 占用不断增加；但镜像和容器数量并不多，普通镜像清理也没有效果。本文给出 overlay2 的归属定位、止血和治理流程。 > 以下路径以 `/var/lib/docker` 为例。先用 `
Kubernetes HPA 不扩容：从 metrics-server 指标缺失到恢复弹性的排查实践
## 适用场景 部署在 Kubernetes 中的 Web、API 或消费服务在高峰期 CPU 已长期接近上限，但 HorizontalPodAutoscaler（HPA）始终保持原副本数；也可能在 `kubectl get hpa` 中看到 CPU 显示为 `<unknown>`。本文以基于 CPU 利用率的 HP
systemd StartLimitBurst 触发导致服务无法重启的排查与治理实践
## 适用场景 Linux 服务器上的 Java、Python、Go 或 Node.js 服务由 systemd 托管。发布后或依赖异常时，进程在几秒内连续退出；即使问题随后已修复，执行 `systemctl restart` 仍失败，状态显示为 `failed`，日志里出现 `Start request repea
Prometheus TSDB 磁盘增长过快的排查与治理实践
## 适用场景 本文适用于 Prometheus 运行一段时间后出现以下现象的场景： - Prometheus 数据目录持续膨胀，磁盘空间很快被打满； - `prometheus_tsdb_head_series`、`prometheus_tsdb_head_chunks` 持续上涨； - 查询变慢，Prometh
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`；
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 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：
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