Knowledge/1 使用/线上偶发问题排查思路.md

1. 信息收集（黄金5分钟） ├─ 影响范围：哪些用户/功能受影响？影响程度？ ├─ 监控大盘：CPU、内存、磁盘、网络、GC、错误率、响应时间 ├─ 变更记录：最近发布、配置变更、数据变更 ├─ 关联系统：上下游服务、中间件状态

2. 问题定位（按优先级） ├─ 检查错误日志：搜索ERROR/WARN，关注时间点 ├─ 线程分析：jstack或arthas thread -n 5 ├─ 内存分析：heapdump或jmap -histo:live ├─ GC分析：jstat -gcutil 或GC日志 ├─ 网络分析：tcpdump、netstat ├─ 数据库分析：慢查询日志、锁等待

3. 深度诊断工具 ├─ Arthas：trace、watch、monitor命令 ├─ SkyWalking/Pinpoint：分布式链路追踪 ├─ Prometheus+Grafana：指标趋势分析 ├─ 日志平台：ELK/SLS日志聚合搜索

4. 复现与验证 ├─ 测试环境复现：相同参数、相同数据 ├─ 代码审查：关注并发、资源泄露、边界条件 ├─ 压力测试：模拟线上流量模式

5. 应急处理 ├─ 回滚：快速恢复服务 ├─ 扩容：临时缓解压力 ├─ 降级：关闭非核心功能 ├─ 限流：保护系统不被压垮