Java 排障专题

系统命令这件事，平时最容易学成一个“我都知道一点”的状态。

线上接口一慢，现场如果同时满足两件事，最容易卡在错误的地方：

很多发布后的性能问题，第一眼都会被怀疑成代码回归；但把时间线摊开以后，经常发现真正先出错的不是业务逻辑，而是切流顺序。

10:22，那次事故群里刷得最快的是网关 504 图。

很多团队一看到写接口 RT 上升，就会先盯住 SQL 文本、锁等待，或者怀疑数据库实例扛不住了。

周六晚上做大促压测回放时，最先响起来的是商品详情页的 p99，从 180ms 抬到 1.8s。群里第一反应很熟：有人盯数据库 QPS，有人盯 Redis 命中率，还有人怀疑活动流量本来就把系统推高了。

缓存层出问题以后，很多人的第一反应还是那句老话：大不了退化直连数据库。听起来像是少一层加速器，系统只是慢一点。

很多团队嘴里的“服务 OOM 了”，其实混着两种完全不同的事故。