标签：server 核心 过多 head 部署 top ... 它的 ota
背景：某天早上9.39分，nagios监控突然报警，我们一台手机业务机器出现负载升高，达到60多，这台机器仅8核心8G内存，伴随其他监控出现socket timeout，连接失败。一看该问题就会想到会严重影响业务，并且问题肯定会进行扩散，影响其他业务。不出所料，没到10分钟，其他同业务机器出现大面积报警，nginx出现端口链接超时，各种状态码监控失效.......
这种问题，不及时处理的话，客户那边的投诉会很快打进来的。
1、先排查负载高的具体进程
通过top -c -d 1，查看当前有那些进行占用CPU比较高。，由于机器负载已经很高，中间通过堡垒机登录花费了好几分钟的时间，差点就想把机器重启了，时间等不及呀。
通过top命令查看，并未发现那个进程明显占用CPU比较高。
top - 09:39:13 up 824 days, 9:39, 4 users, load average: 4.65, 6.32, 8.26
Tasks: 854 total, 5 running, 849 sleeping, 0 stopped, 0 zombie
Cpu(s): 52.4%us, 19.6%sy, 0.0%ni, 25.7%id, 0.2%wa, 0.1%hi, 1.9%si, 0.1%st
Mem: 8058948k total, 7111024k used, 947924k free, 55588k buffers
Swap: 8191992k total, 1906460k used, 6285532k free, 2126436k cached
PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND
19380 nobody 20 0 87800 32m 1700 R 18.3 0.4 87:25.36 nginx: worker process
19377 nobody 20 0 87512 32m 1704 S 18.9 0.4 87:56.77 nginx: worker process
19383 nobody 20 0 87788 32m 1700 S 13.3 0.4 88:46.35 nginx: worker process
19382 nobody 20 0 87584 32m 1700 S18.6 0.4 86:51.17 nginx: worker process
19379 nobody 20 0 87364 32m 1700 S 24.8 0.4 89:36.12 nginx: worker process
19381 nobody 20 0 87964 32m 1700 S 31.0 0.4 90:51.07 nginx: worker process
19378 nobody 20 0 88144 32m 1700 R 09.2 0.4 90:24.09 nginx: worker process
19376 nobody 20 0 87760 32m 1704 S 03.5 0.4 89:19.43 nginx: worker process
354 XXXXX 20 0 444m 21m 5828 R 3.8 0.3 13:09.36 douDiZhuServerWorker_0
392 XXXXX 20 0 442m 20m 5084 S 2.8 0.3 5:20.78 douDiZhuServerWorker_22
32655 XXXXX 20 0 2802m 14m 2248 S 2.8 0.2 10:31.01 douDiZhuServerMaster
356 XXXXX 20 0 443m 18m 4564 R 1.9 0.2 5:16.02 douDiZhuServerWorker_1
358 XXXXX 20 0 442m 18m 4560 S 1.9 0.2 5:18.09 douDiZhuServerWorker_2
369 XXXXX 20 0 445m 22m 4552 S 1.9 0.3 5:29.04 douDiZhuServerWorker_9
373 XXXXX 20 0 443m 21m 4532 S 1.9 0.3 5:16.98 douDiZhuServerWorker_11
376 XXXXX 20 0 443m 21m 4568 S 1.9 0.3 5:12.60 douDiZhuServerWorker_13
383 XXXXX 20 0 444m 18m 4564 S 1.9 0.2 5:21.64 douDiZhuServerWorker_17
387 XXXXX 20 0 442m 20m 4556 S 1.9 0.3 5:20.62 douDiZhuServerWorker_20
388 XXXXX 20 0 444m 19m 4564 S 1.9 0.2 5:15.17 douDiZhuServerWorker_21
400 XXXXX 20 0 443m 21m 4576 S 1.9 0.3 5:09.63 douDiZhuServerWorker_282、立刻排查占用IO较高的进程
通过iotop命令排查有那些进程占用IO较高的，一般占用IO较高的，否会伴随负载升高，同时在排查占用负载高的时候，也要注意内存的使用和swap的使用，基本上swap被使用了，会伴随IO迅速升高，最终会导致负载上来。
通过IO排查，发现有rsync，nginx进行占用IO很高，问题基本定位在rsync上，因为从命令上一看就是用于同步数据的，只用同步数据，就要涉及到硬盘读写，这样硬盘的IO就会升高，nginx进程占用IO基本排除在外，多数都是被rsync影响的。
Total DISK READ: 16.52 K/s | Total DISK WRITE: 95.80 K/s
TID PRIO USER DISK READ DISK WRITE SWAPIN IO> COMMAND
12420 be/4 root 3.30 K/s 0.00 B/s 0.00 % 2.67 % [flush-8:0]
14203 be/4XXXXX 0.00 B/s 76.51 K/s 0.00 % 99.99 % rsync --server -svlogDtprze.iLs
9999 be/4 root 0.00 B/s 3.48 K/s 0.00 % 99.99 % [kswapd0]
14092 be/4XXXXX 10.43 K/s 0.00 B/s 0.00 % 99.99 % rsync --server -svlogDtprze.iLs
14252 be/4 nagios 358.22 K/s 0.00 B/s 0.00 % 90.98 % expr 8191992 - 6286700
26729 be/4 nobody 24.34 K/s 31.30 K/s 0.00 % 86.79 % nginx: worker process
14143 be/4XXXXX 24.34 K/s 0.00 B/s 0.00 % 85.31 % rsync --server -svlogDtprze.iLs
26731 be/4 nobody 17.39 K/s 38.26 K/s 0.00 % 85.23 % nginx: worker process
26727 be/4 nobody 6.96 K/s 52.17 K/s 0.00 % 85.22 % nginx: worker process
705 be/4 nobody 6.96 K/s 0.00 B/s 0.00 % 77.00 % php-fpm: pool www
12797 be/4 nobody 0.00 B/s 0.00 B/s 0.00 % 75.87 % php-fpm: pool www
26728 be/4 nobody 24.34 K/s 62.60 K/s 0.00 % 59.75 % nginx: worker process
26733 be/4 nobody 27.82 K/s 62.60 K/s 0.00 % 58.20 % nginx: worker process
353 be/4XXXXX 0.00 B/s 6.61 K/s 0.00 % 0.00 % douDiZhuServerTasker_7
354 be/4XXXXX 0.00 B/s 3.30 K/s 0.00 % 0.00 % douDiZhuServerWorker_0
358 be/4XXXXX 0.00 B/s 6.61 K/s 0.00 % 0.00 % douDiZhuServerWorker_2
360 be/4XXXXX 0.00 B/s 3.30 K/s 0.00 % 0.00 % douDiZhuServerWorker_3
361 be/4XXXXX 0.00 B/s 3.30 K/s 0.00 % 0.00 % douDiZhuServerWorker_43、追踪进程与业务方对接
在上面的排查中，把方向定位在rsync这个命令上，我是不知道这个进程具体是做什么的，所以直接和业务方（开发）对接，这个进程具体是干什么用。
具体和业务方对接的情况如下：
该脚本确是用来同步数据用的，脚本是根据其他业务方有新生成的数据就将新数据同步过来，该业务方要用到最新的数据。因此，这个脚本是个常驻脚本，每分钟都是运行的。
按照正常业务逻辑上，如果真的是该脚本出问题了，那该脚本应该早就出现类似现象了，不应该是只有今天出现，并且该脚本部署在同业务的多台机器上，目前是只有该机器出问题的。逻辑上是不通的。
不死心的态度，判断该脚本是否出现了异常，比如说在某一分钟内，其他业务方产生的新数据库过多，这边要同步的数据量过大导致的，为验证这个想法，专门和开发提取 出该脚本近10天的同步数据量，然并未发现那个时间段出现数据量过大的情况，反而在报警的时间段内同步的数据变少了，这就尴尬了
开发立刻掉头和我说，你机器影响我业务了......................
为了不当背锅侠，得继续查原因呀。
4、思考
整个问题的排查都是比较直观的，直接在报警的时间段内，检查排查，得到的都是线上一手数据，不可能出错，肯定是自己遗漏了那些内容。 想要找到遗漏的内容，要么重新负载重现，要么将历史数据拿出来，再次仔细的排查一遍。
寻找数据的规律，寻找报警异常的源头永远都是排查问题的重要手段及方向。
5、排查历史数据
因为线上出现问题，晚上一般无法做到立刻排查问题，或为了记录一些短暂性报警的实时状态，做了一个top脚本，将top、iotop等命令让其每分钟都执行，记录在文件中，方便查看历史状态。
我们报警是连续三分钟达到阈值才会报警，报警时间是在9点39分，那么实际出现问题的时间是在37分就开始了
排查历史记录发现，负载呈现上升趋势，是从36分开始增长的，因此问题的着重点要排查在36分之前出现过什么脚本在执行，36分又出现了什么新脚本在执行，或36分前后的异常对比
（1）每分钟的负载值
top - 09:32:02 up 824 days, 4:35, 1 user, load average: 7.32, 5.57, 3.50
top - 09:33:03 up 824 days, 4:36, 1 user, load average: 5.58, 5.47, 3.60
top - 09:34:02 up 824 days, 4:37, 1 user, load average: 5.81, 5.65, 3.78
top - 09:35:03 up 824 days, 4:38, 1 user, load average: 6.44, 5.84, 3.96
top - 09:36:03 up 824 days, 4:39, 1 user, load average: 14.31, 8.58, 5.04
top - 09:36:14 up 824 days, 4:39, 1 user, load average: 17.07, 9.36, 5.33
top - 09:37:03 up 824 days, 4:40, 1 user, load average: 26.44, 13.17, 6.84
top - 09:37:14 up 824 days, 4:40, 1 user, load average: 38.21, 16.13, 7.87
top - 09:37:39 up 824 days, 4:41, 1 user, load average: 56.97, 22.84, 10.37
top - 09:37:49 up 824 days, 4:41, 1 user, load average: 58.90, 24.39, 11.00
top - 09:37:57 up 824 days, 4:41, 1 user, load average: 57.39, 24.65, 11.16
top - 09:38:05 up 824 days, 4:41, 1 user, load average: 58.57, 25.94, 11.72
top - 09:38:06 up 824 days, 4:41, 1 user, load average: 58.57, 25.94, 11.72
top - 09:38:14 up 824 days, 4:41, 1 user, load average: 65.09, 28.41, 12.68
top - 09:38:23 up 824 days, 4:41, 2 users, load average: 67.81, 29.58, 13.14
top - 09:38:32 up 824 days, 4:42, 2 users, load average: 73.38, 32.03, 14.11
top - 09:38:37 up 824 days, 4:42, 2 users, load average: 76.15, 33.29, 14.62
top - 09:38:45 up 824 days, 4:42, 2 users, load average: 79.35, 35.39, 15.50
top - 09:38:51 up 824 days, 4:42, 2 users, load average: 82.12, 36.69, 16.03
top - 09:39:00 up 824 days, 4:42, 3 users, load average: 87.10, 39.25, 17.08
top - 09:39:03 up 824 days, 4:42, 3 users, load average: 87.10, 39.25, 17.08
top - 09:39:13 up 824 days, 4:42, 3 users, load average: 99.87, 43.56, 18.72
top - 09:39:24 up 824 days, 4:42, 3 users, load average: 111.69, 47.94, 20.41
top - 09:39:33 up 824 days, 4:43, 3 users, load average: 104.74, 48.55, 20.90（2）33分的状态
为什么这里只放nginx占用资源的状态呢，因为我已经发现它的异常，其他无异常的就不粘贴了，从nginx的占用CPU资源上可以看出，从33分开始到报警一直都是呈现占用CPU资源的增长状态
26726 nobody 20 0 88296 32m 1820 S 35.8 0.4 17:52.92 nginx: worker process
26730 nobody 20 0 88428 33m 1820 R 34.1 0.4 16:58.21 nginx: worker process
26731 nobody 20 0 88692 33m 1820 S 27.6 0.4 17:34.17 nginx: worker process
26733 nobody 20 0 88600 33m 1820 R 27.6 0.4 17:00.97 nginx: worker process
26729 nobody 20 0 88824 33m 1820 S 26.0 0.4 17:25.51 nginx: worker process
26728 nobody 20 0 88612 33m 1820 S 24.4 0.4 16:09.17 nginx: worker process（3）34分的状态
26727 nobody 20 0 88828 33m 1820 R 55.8 0.4 17:14.88 nginx: worker process
26730 nobody 20 0 88428 33m 1820 R 46.7 0.4 16:34.33 nginx: worker process
26733 nobody 20 0 88600 33m 1820 R 42.2 0.4 16:36.15 nginx: worker process
26728 nobody 20 0 88612 33m 1820 R 40.7 0.4 15:40.15 nginx: worker process
26729 nobody 20 0 88824 33m 1820 R 40.7 0.4 16:48.89 nginx: worker process
26731 nobody 20 0 88948 33m 1820 R 37.7 0.4 17:00.28 nginx: worker process
26726 nobody 20 0 88172 32m 1820 R 36.2 0.4 17:25.98 nginx: worker process（4）35分的状态
26730 nobody 20 0 88816 33m 1816 D 57.0 0.4 17:34.14 nginx: worker process
26731 nobody 20 0 88696 33m 1816 D 52.6 0.4 18:04.44 nginx: worker process
26726 nobody 20 0 88556 33m 1816 D 48.7 0.4 18:24.47 nginx: worker process
26727 nobody 20 0 88824 33m 1816 D 46.9 0.4 18:11.50 nginx: worker process
26729 nobody 20 0 88828 33m 1816 D 46.7 0.4 17:54.94 nginx: worker process
26733 nobody 20 0 88604 33m 1816 D 46.7 0.4 17:36.34 nginx: worker process
26728 nobody 20 0 88616 33m 1816 D 33.8 0.4 16:36.52 nginx: worker process
26732 nobody 20 0 88232 32m 1816 D 32.3 0.4 17:50.30 nginx: worker process（5）36分状态
26732 nobody 20 0 88672 33m 1720 R 80.4 0.4 18:19.66 nginx: worker process
26733 nobody 20 0 88728 33m 1720 R 77.5 0.4 18:01.45 nginx: worker process
26728 nobody 20 0 88612 33m 1720 D 53.9 0.4 16:58.75 nginx: worker process
26727 nobody 20 0 88824 33m 1720 D 44.3 0.4 18:41.69 nginx: worker process
26731 nobody 20 0 88692 33m 1720 D 44.3 0.4 18:31.20 nginx: worker process （6）Nginx占用IO情况
09:35:12 5362 be/4 nobody 19.68 K/s 0.00 B/s 0.00 % 55.10 % php-fpm: pool www
09:35:12 26728 be/4 nobody 49.19 K/s 85.26 K/s 0.00 % 55.08 % nginx: worker process
09:35:12 26726 be/4 nobody 72.14 K/s 75.42 K/s 0.00 % 49.69 % nginx: worker process
09:35:12 4967 be/4 nobody 52.47 K/s 0.00 B/s 0.00 % 37.95 % php-fpm: pool www
09:35:12 26729 be/4 nobody 36.07 K/s 98.38 K/s 0.00 % 35.19 % nginx: worker process
09:35:12 12241 be/4 nobody 0.00 B/s 0.00 B/s 0.00 % 29.30 % php-fpm: pool www
09:35:12 26731 be/4 nobody 62.31 K/s 108.22 K/s 0.00 % 28.04 % nginx: worker process
09:35:12 26732 be/4 nobody 118.05 K/s 190.20 K/s 0.00 % 26.66 % nginx: worker process
09:35:12 24799 be/4 nobody 6.56 K/s 0.00 B/s 0.00 % 24.03 % php-fpm: pool www
09:35:12 11119 be/4 nobody 0.00 B/s 0.00 B/s 0.00 % 23.47 % php-fpm: pool www
09:35:12 26733 be/4 nobody 52.47 K/s 154.13 K/s 0.00 % 22.41 % nginx: worker process
09:35:12 26727 be/4 nobody 62.31 K/s 75.42 K/s 0.00 % 20.70 % nginx: worker process
09:35:12 26730 be/4 nobody 59.03 K/s 144.29 K/s 0.00 % 17.74 % nginx: worker process（7）与zabbix核对
6、在nginx日志上寻找规律
在上一个排查中，发现了nginx占用资源出现增长情况，并且和zabbix监控进行了对比，产生吻合的现象。因此，问题定位在nginx上。
（0）日志格式
head -n 1 /tmp/load.log
access.log:[27/Sep/2018:09:34:00 +0800] [xxxxx] [222460266] [GET /tg_templates/doubleone/2016/servertime/getInfo.php HTTP/1.0] [200] [43] [-] [%E5%90%8C%E8%8A%B1%E9%A1%BA/10.00.33 CFNetwork/808.1.4 Darwin/16.1.0] [223.104.216.124, 10.99.11.9, 223.104.216.124] [0.002] [unix:/dev/shm/phpfpm5.4.socket] [0.000] [xxxxxx] [-] [/tg_templates/doubleone/2016/servertime/getInfo.php] [80] [-] []（1）排查请求量是否异常
将报警时间段前后的日志取出，进行独立过滤，发现 URI：/img/ad 出现的频率很高（为了取出相同的URI，不过滤完整的URI），一分钟高到一万次。
awk -F ‘]‘ ‘{print $1" "$4}‘ /tmp/load1.log|tr -d ‘[‘ |awk -F ‘[: ]‘ ‘{print $3":"$4" "$9 }‘|awk -F ‘/‘ ‘{print $1"/"$2"/"$3}‘ |sort |uniq -c|sort -nr |head
8781 09:29 /img/ad
8630 09:28 /img/ad
8328 09:27 /img/ad
3421 09:29 /interface/trade
3004 09:28 /interface/trade
2884 09:27 /interface/trade
1542 09:29 /tg_templates/doubleone
1492 09:28 /tg_templates/doubleone
1446 09:29 /api/index.php?action=getadlist2&platform=gphone
1393 09:27 /tg_templates/doubleone
awk -F ‘]‘ ‘{print $1" "$4}‘ /tmp/load.log|tr -d ‘[‘ |awk -F ‘[: ]‘ ‘{print $3":"$4" "$9 }‘|awk -F ‘/‘ ‘{print $1"/"$2"/"$3}‘ |sort |uniq -c|sort -nr |head
11128 09:30 /img/ad
10965 09:31 /img/ad
10941 09:34 /img/ad
10194 09:32 /img/ad
10137 09:33 /img/ad
8181 09:35 /img/ad
6505 09:36 /img/ad
5196 09:30 /interface/trade
4783 09:34 /interface/trade
4289 09:33 /interface/trade（2）排查慢日志量上的异常
将请求的响应时间大于1秒以上的所有请求，全部取出来，按照时间序列进行排序。发信啊在9点35分到36分的时候，出现慢日志最多。对比日志量，35分和36分都是每分钟8000多次请求。
虽然知道了这个请求很慢，但是并不能完全证明就是这个慢请求引起的
grep "/img/ad/indexNav/20180926" /tmp/load1.log |awk -F ‘]‘ ‘{print $1" "$(NF-9)}‘ |tr -d ‘[‘ | awk -F ‘[: ]‘ ‘{print $3":"$4" "$(NF)}‘|awk ‘($NF>1){print $1}‘ |sort |uniq -c |sort -nr |head
57 09:27
8 09:28
5 09:29
grep "/img/ad/indexNav/20180926" /tmp/load.log |awk -F ‘]‘ ‘{print $1" "$(NF-9)}‘ |tr -d ‘[‘ | awk -F ‘[: ]‘ ‘{print $3":"$4" "$(NF)}‘|awk ‘($NF>1){print $1}‘ |sort |uniq -c |sort -nr |head
2012 09:36
1197 09:35
565 09:30
200 09:34
70 09:33
31 09:32
19 09:31（3）排查其他慢请求
其他慢请求基本没有，排查其他慢请求引起的。问题定位在URI:“/img/ad/indexNav/20180926”上。
grep "/interface/trade" /tmp/load.log |awk -F ‘]‘ ‘{print $1" "$(NF-9)}‘ |tr -d ‘[‘ | awk -F ‘[: ]‘ ‘{print $3":"$4" "$(NF)}‘|awk ‘($NF>1){print $1}‘ |sort |uniq -c |sort -nr |head
6 09:36
3 09:35
2 09:30
1 09:33 （4）排查具体的慢请求时间
grep "/img/ad/indexNav/20180926" /tmp/load.log |awk -F ‘]‘ ‘{print $1" "$(NF-9)}‘ |tr -d ‘[‘ | awk -F ‘[: ]‘ ‘{print $3":"$4" "$(NF)}‘|awk ‘($NF>1){print $0}‘ |sort|uniq -c |sort -nr |head
38 09:36 2.478
34 09:36 1.576
33 09:36 4.484
32 09:35 7.072
30 09:36 3.138
29 09:36 3.845
29 09:36 3.548
29 09:36 2.677
24 09:35 3.508
23 09:36 2.843（5）排查具体慢请求的URL
查看完整的URL，用于定位最长出现的URI，着重排查该类URI。
grep "/img/ad/indexNav/20180926" /tmp/load.log |awk -F ‘]‘ ‘{print $1" "$4" "$(NF-9)}‘|tr -d ‘[‘|awk -F ‘[: ]‘ ‘{print $3":"$9" "$8" "$(NF)}‘|awk ‘($NF>1){print $0}‘ |head
09:/img/ad/indexNav/20180926/1537959962_9815.png GET 1.325
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.327
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.136
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.134
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.134
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.570
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.380
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.806
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.380
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.386（6）查看完整日志
查看完整的日志格式是为看出各个字段上是否出现异常，从完整日志中看到body字段，返回的body是30W左右，即300K左右，一般这个body字段只有20左右才属于正常的。300 K明显是不正常的。
计算一下，一分钟1W次，每次都是300K，也就是300万KB，除以60秒，每秒中是50M的读盘。IO当然会高了....
问题原因基本定位。
adm.access.log:[27/Sep/2018:09:34:00 +0800] [192.168.215.91] [363346437] [GET /img/ad/indexNav/20180926/1537960001_6674.png HTTP/1.1] [200] [294880] [-] [%E5%90%8C%E8%8A%B1%E9%A1%BA/10.30.14 CFNetwork/808.1.4 Darwin/16.1.0] [122.238.114.23] [0.004] [-] [-] [XXXXX] [-] [/img/ad/indexNav/20180926/1537960001_6674.png] [80] [-] []
adm.access.log:[27/Sep/2018:09:34:00 +0800] [192.168.205.23] [-] [GET /img/ad/indexNav/20180926/1537959962_9815.png HTTP/1.1] [200] [294880] [-] [platform=gphone&version=G037.08.330.1.32] [223.104.215.36, 10.101.8.1] [0.000] [-] [-] [XXXXX] [-] [/img/ad/indexNav/20180926/1537959962_9815.png] [80] [-] []
adm.access.log:[27/Sep/2018:09:34:00 +0800] [192.168.210.142] [-] [GET /img/ad/indexNav/20180926/1537959962_9815.png HTTP/1.1] [200] [294880] [-] [platform=gphone&version=G037.08.338.1.32] [221.215.205.170, 10.99.2.9] [0.002] [-] [-] [XXXXX] [-] [/img/ad/indexNav/20180926/1537959962_9815.png] [80] [-] []（7）判断是否是反爬引起
爬虫爬取一个页面，一分钟进行大量爬取，即使body部分不大，机器一样会被爆掉。何况这是一个高达300K的图片。
当然，爬虫基本上是不可能的，因为这台，上线了反爬程序
grep "/img/ad/indexNav/20180926" /tmp/load.log |awk -F ‘]‘ ‘{print $1" "$(NF-10)}‘ |tr -d ‘[‘ | awk -F ‘[ ,]‘ ‘{print $4}‘ |sort |uniq -c |sort -nr |head -n 20
63 117.136.8.233
62 42.101.64.192
61 36.102.236.184
54 117.136.8.69
52 112.20.12.199
46 117.136.8.74
46 112.20.12.205
45 112.20.12.194
44 117.136.8.78
42 117.136.8.66
42 117.136.8.65
38 117.136.8.224
35 223.104.6.27
35 223.104.247.7?
7、问题总结
1、为什么每次请求都要请求本地的图片？
实际上这个问题问的就是为什么没有对图片做缓存，我们前端做的缓存是100K限制，大于100K的图片都自动不做缓存，这也是这次机器被打爆的原因。300K大小的图片远远超过了缓存的限制，所以所有请求的图片都没有缓存住。
根据实际要求，前端是否可以放宽缓存大小的限制
图片png格式，测试将其转为jpg格式后，仅19K，具体产品为什么要用怎么大的图片，可能是考虑到美观性。
2、为什么其他时间没有报警？
由于业务的性质，每天上午9.30才开市，所以流量都集中在这个点，该图片是前一天产品刚发上去的，所以是在今天报警的，下午没有报警的原因是，流量变小了。
8、处理方案
1、开发做好图片大小限制，进行审核。
2、运维做好缓存，缓存的限制要根据开发这边提供的图片大小与业务相结合。
标签：server 核心 过多 head 部署 top ... 它的 ota
原文地址：http://blog.51cto.com/blxueyuan/2286847
