网络

背景 干了 10 年网络，最常被拉进「P99 突然从 20ms 飙到 300ms」的排查群，然后第一句话永远是：「网络你们看下有没有问题。」 问题是——「网络有没有问题」这件事，在微服务架构里根本没有一个干净的度量。 TCP 没断、ping

背景 做了 8 年网络工程，最近一年反复遇到同一个争论：核心出口要不要上双 ISP / 双机房 / 双上联。很多团队的答案是"要"，理由很朴素——单链路就是单点，SRE 教科书里写得很明白。但真正落地时大家会撞上一组很现实的账：第二链路的带

【背景】 我负责一批长连接 gRPC 服务的主机侧观测。最近一类抖动很磨人：ping RTT 正常、带宽没跑满、丢包≈0，但业务 P99 偶发从 80ms 抖到 400ms，抓包看 TCP 层窗口、重传都正常。我怀疑延迟要么堆在内核侧（so

【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：做了 8 年网络工程，最近一年越来越频繁地遇到"应用侧说接口抖了，但抓包看 TCP 层一切正常"的扯皮现场。我自己的判断是：分布式系统里，网络这一层从"基础设施"变成了"故障放大器"，而大多数团队的观测手段还停留在"ping 通了就算