PostgreSQL 并发建索引失败留下 INVALID：从等待取证到在线修复
适用场景 本文适用于 PostgreSQL 13 及以上版本的生产库：为了避免普通 CREATE INDEX 长时间阻塞写入，运维或开发人员改用 CREATE INDEX CONCURRENTLY，但命令执行数十分钟后失败、被取消，或者发布系统超时退出。重新执行时又提示索引已存在，查询计划却仍然走顺序扫描。 本文重点处
Tag
#排查
包含这个标签的文章。
HTTPX 流式响应偶发 PoolTimeout：从连接未释放到生命周期闭环
Python 服务用 HTTPX 转发大文件、对象存储下载或上游 SSE 时，通常会启用流式响应，避免把整个响应体读入内存。上线后却可能出现一种很迷惑的故障：服务启动时一切正常，运行一段时间后请求开始批量报 httpx.PoolTimeout；重启进程能暂时恢复，单纯调大连接池只能延后复发。 这类问题往往不是上游连接慢
Kubernetes HPA 指标显示 unknown 且不扩容：从指标链路到计算条件的排查实践
Kubernetes HPA 指标显示 <unknown> 且不扩容：从指标链路到计算条件的排查实践 服务流量已经升高，Pod 的 CPU 也明显繁忙，但 kubectl get hpa 中的 TARGETS 长时间显示 <unknown>/60%，副本数始终不变。这个现象不能直接归因于 HPA 控制器故障：资源指标要
Redis 热点缓存过期后数据库被打满：互斥重建与逻辑过期实践
适用场景 商品详情、活动配置、首页聚合数据和权限策略等读取接口，通常会把查询结果缓存在 Redis 中。平时数据库负载很低，一旦某个热点键过期，大量并发请求却可能同时回源，几百毫秒内把连接池占满，最终形成接口超时、重试放大和数据库雪崩。 本文讨论的是单个或少量热点键失效导致的缓存击穿。如果大量键在同一时间过期，属于缓存
Prometheus 告警反复触发与恢复：从指标断点到稳定窗口的治理实践
适用场景 这篇文章适合已经使用 Prometheus 和 Alertmanager，但值班群里经常出现同一告警在几分钟内“触发—恢复—再次触发”的团队。典型场景包括： 接口错误率在阈值附近上下波动； 抓取偶发失败，表达式短暂返回空向量； 应用滚动发布后计数器重置，瞬时比率失真； 规则计算过慢或远端数据到达较晚，评估结果
Python asyncio 优雅停机卡住：从取消信号被吞到结构化并发治理
适用场景与现象 异步消费者、WebSocket 网关或定时任务服务收到 SIGTERM 后，健康检查已经失败，进程却迟迟不退出，最终被 Kubernetes 在宽限期结束时强制 SIGKILL。常见伴随现象是： 停机日志只出现“开始关闭”，没有“后台任务已结束”； 某个任务仍处于 PENDING，但业务请求已经停止进入
MySQL 连接池复用后请求行为漂移：会话状态泄漏的排查与复位实践
适用场景与现象 同一个接口在生产环境中偶发出现以下现象：有时写入没有立即提交，有时日期相差 8 小时，有时普通查询突然以更严格的事务隔离级别执行。重启应用后故障暂时消失，单独连接 MySQL 手工执行又无法复现。 这类问题常见于使用连接池的 Web 服务、异步任务和批处理程序。连接池归还的是可复用的物理连接，而 MyS
Kubernetes ConfigMap 已更新，容器仍读旧配置：subPath 挂载的定位与修复
适用场景 应用把 ConfigMap 中的单个配置文件挂载到容器现有目录，例如 /etc/app/app.conf。运维修改了 ConfigMap，kubectl get configmap 显示新值，但运行中的应用始终使用旧配置。本文以一个单副本 Deployment 复现，并给出两种可验证的修复路径。以下命令以 B
Django 新订单偶发查询不到：Celery 任务早于事务提交的排查与修复
Django 新订单偶发“查询不到”：Celery 任务早于事务提交的排查与修复 适用场景与现象 下单接口先写入订单，再让 Celery Worker 发送确认邮件。接口返回成功，Worker 却偶发 Order.DoesNotExist；在管理后台查询，同一订单已经存在。失败多发生在数据库写入较慢、Worker 较空
新增 DNS 记录后仍返回 NXDOMAIN：权威链路与负缓存的排查实践
适用场景 为新接口 api.example.test 添加 A 记录后，监控节点已能解析，部分用户却持续报告“找不到域名”。本文以新建记录为例，区分权威服务器未同步、递归解析器负缓存和终端本地缓存。文中的 example.test、权威服务器和 IP 均为示例，执行前须替换为自己的域名与地址。 现象先分清 DNS 查询