生产环境 5xx 排查手册:六步定位根因而非只看报错服务
_jaydeepkarale · x · 2026-10-21
工程师 @jaydeepkarale 的「生产调试 Playbook」系列第 2 部分，讲解 5xx 错误激增时的系统化排查流程——5xx 是症状而非根因，返回错误的服务未必是引发错误的服务：
- 界定影响面：错误率占总请求量比例、受影响的 endpoint/区域/实例/版本、近期部署与配置变更、延迟与流量变化。
- 追踪失败请求：跨网关、应用与下游依赖追链路，例：Product Service 返回 502，trace 显示时间耗在等 Pricing Service。
- 解读状态码：500 应用异常；502 上游响应无效；503 服务不可用/过载；504 上游超时。
- 用证据验证根因：先假设、再用 trace/日志/指标交叉验证，不跳到修复。
- 修复并确认恢复：按根因施策，观察错误率回落、延迟恢复、无新错误。
配图为完整六步信息图。第 1 部分为高延迟排查（从 p50/p95/p99 百分位入手而非均值）。
「编程与Agent」频道最新
- Agents' Last Exam 基准全量跑在 HF 基础设施上,小米 MiMo 登顶超 Kimi K3 — yb2698 · 2026-10-21
- AI 独立开发实战指南:7 步上线首个 App 并获得用户 — PrajwalTomar_ · 2026-10-21
- Grok Build v1.0.66：文件补全提速约 8 倍，@ 建议响应仅 5ms — XFreeze · 2026-10-21
- 代理网关路由大小模型，3500 条日志实测省 54% Agent 成本 — d13-m1z · 2026-10-21
- Yelp AI 助手打电话问等位，接电话的可能是另一家 AI — fortiplus84 · 2026-10-21
- RAG 应用评估实战：从 vibe check 到 61 条用例的 5 步法 — Al_Grigor · 2026-10-21