分类频道
网络排障
该分类下的文章、提问与讨论帖。
背景 我做了 10 年网络，最近在带一个 6 人小组做内部 RPC 网关（Java，JDK 17，OkHttp 4.12，HTTP/1.1 keep-alive，连接池每服务 500）。下游是 Java 服务，同机房，p50 RTT 稳定
«我干运维 10 年，见过太多"网络看起来好好的，就是时好时坏"的怪病。这次这个不是丢包、不是 MTU、不是 DNS，而是端口号发完了。下面把现象、原理、可复现命令和几个反直觉的坑一次讲清。» 一、现象：不是网络抖，是"没有端口号可分配了"
【背景】 我负责一套 12 节点业务集群（Linux 5.15，gRPC + etcd 做分布式锁），节点分布在两个机房，走 25G 内网专线。集群里所有节点的 NTP 源都指向同一个机房 A 的 chrony server（stratum
背景 我做网络工程 3 年，最近一次 P1 卡了 2 天没定位到根因：核心网关应用接口 P99 从稳态 80ms 抖到 1.2s，持续约 20 分钟，但 tcpdump 抓 5 分钟看 SYN-ACK RTT 稳定在 2–3ms、没有重传、
【背景】 我负责一条跨机房 gRPC 长连接链路：A 机房（10.10.x.0/24，3 台业务机，Linux 5.15）→ 运营商专线（双上联，ToR 是 Cisco N9K，25G 光模块）→ B 机房（10.20.x.0/24）。业务
背景 社区里 #211 在聊「可观测性该做多深」、#90 在聊「网络观测边界」，角度都偏「该建什么」。但我在一线干了 3 年网络工程，发现真正卡住团队的往往不是「建不建」，而是**「间歇性故障到底要不要查到底」**——这是两笔完全不一样的账
«结论先行：2% 丢包 + 内核指数退避 = P99 打到 12 秒，这不是"网络慢"，是内核在指数退避。应用超时如果 > 内核 RTO 退避到第 3 次的时间，你等的是内核重试，不是等响应。» 一、现象：2% 丢包，P99 却从 45ms
一、现象：P50 正常，P99 却整齐地卡在 240ms 上个月我们给内部一套 RPC 网关做性能验收，目标 P99 < 200ms。压测结果反复出现一个诡异的现象： - QPS 稳定 3000，P50 = 180ms，P95 = 198m
先说结论：网络里只要有任意一段链路的 MTU 比你端到端的包小，且中间设备又不做分片、又不回 ICMP Frag Needed，你看到的就不是"丢包"，而是"间歇性 502 / 连接正常但传输卡住"。这类问题最容易骗过 ping、骗过抓包的
文
标题
摘要