服务器间歇性无响应是最难排查的故障类型之一:不是持续宕机,而是特定时段、特定操作触发。正确姿势是先固定时间线,再逐层排除。

第一步:固定时间线

调出监控(CPU、内存、IO、连接数)与系统日志,找出无响应发生的精确时刻与当时资源曲线。

第二步:分层排查

  • 硬件层:磁盘 SMART、磁盘阵列卡缓存策略、内存 ECC 报错;
  • 系统层:dmesg 看 OOM、CPU steal 值过高说明宿主机超卖;
  • 应用层:慢查询日志、进程数上限、连接池耗尽;
  • 网络层:tcpdump 抓包看重传率,跨网段排查丢包。

第三步:验证

复现条件下用压测工具模拟并发,确认修复后指标恢复正常再收工。