记一次上线就跪的故障排查案例

这个是我很早以前解决的一个案例，其现象是系统每次上线后，20多台机器，总有两三机器，出现假死的情况。如何判断出系统假死？借助的是一个第三方公司运维监控平台；这种情况，前同事称之为的“假死”，需要重新启动系统才能恢复。因为我是新来乍到，觉得这种情况不正常，而且对研发（在这边是研发上线）来说，是一个非常大的上线负担；于是我决定解决一下这个“百年难题”。 我亲自上线，果然很快就碰到了假死的机器。我看到机

>>阅读原文<<