流量没增长,服务却突然 OOM 且 CPU 飙高,怎样排查?
先确认是应用抛出的内存错误、容器超过限制被杀,还是宿主机内存压力;同时核对部署、配置、数据大小和下游延迟。流量数量不变,单次请求变大、重试增加或任务滞留,也会提高内存与 CPU 消耗。
止损时限制入口与并发,隔离异常任务,按已验证方案回滚或扩容,并保存必要的日志与指标。定位时关联 RSS、堆占用、分配速率、GC 时间、线程栈、队列深度和连接池;不要只看到 CPU 高就直接加线程。
例如慢模型接口让任务与上下文堆在队列中,频繁 GC 又消耗 CPU。应减少无界保留并定位引用链;如果是直接内存、线程栈或本地库增长,只看 Java 堆转储可能查不到。生产取证本身也有暂停与磁盘开销,要选择合适方式。
资料
核对于 2026-10-16。Linux cgroup memory、Oracle troubleshooting。工程场景与实现取舍由本站解释,不代表原帖公司的实际架构。