Kubernetes 滚动发布卡住：用 startupProbe 避免慢启动应用被 livenessProbe 反复误杀
## 适用场景 Java、Django、Node.js 等服务在 Kubernetes 中滚动发布后，新 Pod 长时间处于 `CrashLoopBackOff`，Deployment 一直无法完成；而在开发或低负载环境中启动正常。日志常只来得及打印数据库连接、缓存预热或迁移检查的前几行。 本文以“应用冷启动约 9
Today
持续记录，慢慢变好
技术笔记、项目复盘、阅读摘录和问题清单。
Docker json-file 日志轮转未生效：从磁盘告警到恢复服务的排查实践
## 适用场景 Docker 默认使用 `json-file` 日志驱动。运行一段时间后，宿主机 `/var/lib/docker` 持续变大，最终出现磁盘告警，甚至应用写文件、创建临时目录或重启容器都失败。本文适用于单机 Docker、Docker Compose 以及未由集中日志系统完全接管容器标准输出的场景。
Linux conntrack 表满导致偶发网络超时：从现场确认到容量治理的排查实践
## 适用场景 业务运行在 Linux 主机、Docker 或 Kubernetes 节点上，经过 NAT、iptables/nftables 防火墙或四层负载均衡转发。某个时段开始出现 API 偶发超时、DNS 请求失败、容器无法访问外部服务，但主机 CPU、内存和带宽看起来都正常；重启网络或重启节点后短暂恢复。
Django 生产迁移卡住：从锁等待取证到可回滚发布的排查实践
## 适用场景 生产环境执行 `python manage.py migrate` 后长时间没有结束，应用发布流水线被阻塞；或者迁移最终报出 `Lock wait timeout exceeded`、`OperationalError`。这类问题常见于 Django + MySQL/InnoDB：迁移本身很短，却在等
Redis 延迟偶发飙升：从 Hot Key 与 Big Key 定位到分阶段治理实践
## 适用场景 业务使用 Redis 承载登录态、商品详情、计数器或排行榜。平时接口稳定，但在促销、定时任务或某些请求集中到来时，应用开始出现 Redis 超时；监控中 `instantaneous_ops_per_sec` 并不一定很高，CPU 也可能没有持续满载。 本文以单实例或主从架构为例，说明如何区分 **
Python httpx 并发请求频繁 PoolTimeout：连接未释放与连接池参数的排查实践
## 适用场景 Python 服务或批处理脚本通过 `httpx` 调用第三方 HTTP API。流量上来后，应用日志开始出现 `httpx.PoolTimeout`，但目标接口的监控显示延迟正常；重启服务后短暂恢复，随后问题又出现。常见于 FastAPI/Django 的异步任务、数据同步程序和并发爬取工具。 本
Kubernetes 内部域名间歇解析超时：CoreDNS 缓存与上游 DNS 的排查实践
## 适用场景 集群中的应用偶发报出 `lookup xxx on 10.96.0.10:53: i/o timeout`、`SERVFAIL` 或连接外部服务失败；重试后又恢复。故障通常集中在业务高峰，Pod 重建、扩容或切换节点后更明显。本文适用于使用 CoreDNS 作为集群 DNS，且 CoreDNS 需要转
Nginx 间歇性 502：upstream keepalive 陈旧连接的排查与治理实践
# Nginx 偶发 502 且上游日志正常：upstream keepalive 陈旧连接的排查与治理 ## 适用场景 服务部署在 Nginx 反向代理之后，流量高峰或发布后偶发 `502 Bad Gateway`。Nginx 错误日志出现 `upstream prematurely closed connect
Docker 容器频繁 OOMKilled：从 cgroup 内存指标到限额配置的排查与治理实践
## 适用场景 服务容器偶发或持续重启，`docker ps -a` 显示退出码为 `137`，应用日志末尾没有 Java、Python 或 Go 自己抛出的异常。宿主机看起来还有可用内存，但容器仍被杀掉；或者一次流量高峰后多个容器同时不可用。 本文以 Docker / Docker Compose 部署的 API
MySQL 死锁频发：从现场取证到有边界重试的排查与治理实践
## 适用场景 业务接口偶发返回 `Deadlock found when trying to get lock`（错误码 1213），订单、库存、账户余额或状态流转等事务写入失败；重试后通常成功，但高峰期错误数明显上升。本文以 InnoDB 为例，给出一套可在生产环境执行的取证、定位和治理流程。 死锁不是数据库“