Траблшутинг: разбор ситуаций
Потренируй разбор рабочих ситуаций: сервис замедлился, закончилась память, выросла очередь сообщений или запрос к базе стал выполняться дольше. Сначала предложи, что уточнить и как проверить причины, затем сравни свой план диагностики с разбором.
Вопросы
- После релиза p99 вырос с 200 мс до 3 с. Что будете делать?
- Под в Kubernetes периодически перезапускается с OOMKilled. Как разберётесь?
- Раз в несколько дней сервис падает с OutOfMemoryError: Java heap space. Ваши действия?
- Один инстанс ест 100% CPU, хотя нагрузка не выросла. Как найдёте причину?
- Сервис «завис»: запросы висят, CPU почти ноль. Что проверите?
- В логах: «Connection is not available, request timed out after 30000ms». Причины?
- Consumer lag в Kafka постоянно растёт. Что делать?
- Клиенты жалуются на двойные списания. Платежи идут через Kafka. Где искать?
- Запрос к PostgreSQL вчера выполнялся за 50 мс, сегодня — 10 секунд. Код не меняли. Почему?
- После деплоя на балансировщике пошли 502 и 504. Что проверите?
- Метод сохраняет сущность, ответ 200, но записи в БД нет. Почему?
- В логах PostgreSQL периодически «deadlock detected». Как разберётесь?
- Сервис со временем работает всё медленнее, после перезапуска снова быстрый. Что это может быть?
- Внешний сервис начал отвечать по 30 секунд, и ваш сервис упал целиком, хотя он нужен только одной функции. Почему так и как защититься?
- У части пользователей время в приложении сдвинуто на 3 часа. Где искать?
- Тест локально всегда проходит, а в CI иногда падает. Как разберётесь?
- Сервис упал: на диске закончилось место. Что проверите и как не допустить снова?
- После релиза у части пользователей начались ошибки 401, у остальных всё работает. Почему?