网络

【背景】 我在一个 B 端业务做 Nginx 反向代理（Nginx 1.24），后端是 Go 服务，单机 4 核 8G，QPS 不高（峰值约 200）。最近两周偶发 502/504，一天 3~5 次，基本集中在业务高峰。 【现象】 Ngin

背景：我在网络一线干了 15 年，每次做稳定性复盘，被问得最多的一句话都是"这个告警阈值是怎么定的？"，而几乎没人能给出统一答案。我见过三套做法，各有拥趸，也各有翻车现场，想借这个帖子把分歧摆到台面上讨论。 做法 A（固定阈值）：RTT>5

TCP keepalive 默认要等 2 小时才发第一个探测包：一次内网"僵尸连接"打满连接池的排查 一、现象：P99 间歇性飙到 30s，但所有资源指标都"正常" 2024 年 11 月，我们一个支付网关服务（Java 17 + Hika

【背景】 5 年网络工程经验，最近接手一个数据中心 ToR 集群（Cisco N9K 为主，约 60 台）。发现 3 个不同机房的 ToR 端口持续出现 CRC errors / input errors，速率大约每小时 2000~8000

【背景】 我在 K8s（1.28 / Calico CNI）里跑一批 Java gRPC 微服务，客户端 → HAProxy（stream 模式，L4 TCP 透传）→ 后端 Pod。后端 Pod 单实例并发连接 500~1500，连接是长

【背景】 我在 Linux（Ubuntu 22.04 / kernel 5.15）上跑一批 Java gRPC 微服务，单 Pod 并发连接 2000+，业务方偶尔报"接口偶发变慢"，但应用侧 trace 里 handler 耗时看着正常。

【背景】 我负责一条核心业务链路：A 机房（10.10.x.0/24）→ 骨干交换机（Cisco N9K，ToR 接 25G 光模块）→ B 机房（10.20.x.0/24），承载约 12 Gbps 的 TCP 流量（主要是 gRPC +