调试网络问题

其他 社区

技能解读

当前原文的自动摘译,尚未人工审校。

首先进行分类——这是一个已知的域吗?

在应用下面的一般方法之前,请检查症状是否指向在此存储库中已具有专用技能的堆栈。这些带有特定领域的症状→原因→修复表,该技能故意保持通用性——从那里开始,如果根本原因在其他地方,则返回这里寻找方法。如果症状是... · 从 macOS Tailscale 开始 ⨯ 代理/VPN 冲突 (Shadowrocket / Clash / Surge):tailscale ping 可以工作,但 SSH/curl/git 失败,Connection closed by 198.18.x.x,TUN DNS 劫持,约 60 秒 getaddrinfo 解析器失速 · 隧道医生

1. 证据胜于假设

如果您无法指出具体的工件(日志线、pcap 框架、探针输出、度量样本),那么您只是在猜测,而不是在诊断。在陈述“X 是原因”之前,要求自己说出直接证据。如果尚不存在,请在继续之前添加检测(请参阅references/instrumentation-patterns.md)或捕获它(请参阅references/packet-capture-recipes.md)。

2. 证伪证伪

N 个独立的来源“证实”一个假设并不意味着它是正确的。一项错误的观察结果排除了这一可能性。在根据假设采取行动之前,回答:“什么观察结果会让我放弃这个假设?”如果答案是“没有”或“我想不出”,则该假设是不可证伪的,并且不能推动调查。如果答案是具体的,请在采取行动之前先寻找观察结果。

3.分层隔离

多跳系统(客户端 → CDN → LB → 反向代理 → 应用程序 → 上游)将错误集中在各层之间的接缝处。当一个症状可能来自多个层面时,不要去思考是哪一层;测试。规范技术:通过三个或更多仅相差一跳的路径运行相同的逻辑请求,然后比较症状出现的位置。这可以在几分钟内解决堆叠假设在数小时内无法解决的问题。请参阅参考文献/layered-isolation-experiment.md。

4、提交前反审

在致力于解决根本原因或发布修复方案之前,请独立审阅者质疑结论 - 而不是确认它。特工善于发现单个调查员没有想到的风险;他们不善于称重。在每个发现形成行动之前,对其应用四个问题的过滤器(请参阅引用/counter-review-pattern.md)。

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
通用
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@daymade · 未声明许可证
上下文用量评级
较高消耗
接入复杂程度
需手动接入
是否需要外部接口密钥
不需要
兼容的系统
macOS · Linux · Windows · Docker
运行环境要求
Node.js · Docker
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
  • 读取环境变量
网络行为
允许外网请求
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

01
第 0 步:范围

20 分钟的调查和 5 小时的调查之间的区别就是范围狭窄。在查看任何内容之前,请提取:精确的错误字符串(复制粘贴,而不是释义)。 `socket closed` 与`ECONNRESET` 不同,与`HTTP/2 RST_STREAM INTERNAL_ERROR (err 2)` 不同。精确的时间戳(带有时区的 ISO-8601,而不是“昨天晚上”) 可重复性(每次/间歇性/仅特定用户)

02
步骤0.5:验证前提

在进行全面调查之前,请确认所报告的症状确实正在发生——而不仅仅是从下游影响或用户沮丧中推断出来。一次廉价的直接观察胜过花费数小时研究一个不存在的问题。问:“什么直接证据表明这种症状是真实的?”如果用户报告“130 秒超时”:是来自带时间戳的日志、浏览器网络面板还是回忆?

03
步骤 0.6:大型 POST 正文的上传超时与处理超时

对于具有大型主体的 CDN 前端`POST`/`PUT` 端点,最常见的误诊是归咎于后端缓慢,而真正的问题是上传主体的时间超过 CDN/代理源超时。当使用 `Content-Length > ~500 KB` 的请求出现 524/522/504 症状时,应用此子检查表:找到边缘/反向代理访问日志(Caddy、nginx、Envoy、Cloudflare Logpush)。比较`bytes_read`(或等效)与`Content-Length`:

04
步骤 0.7:吞吐量崩溃——当没有错误并且一切都很慢时

上面的配方 (0.6) 处理*超时*——您可以 grep 查找的错误代码。这个处理该系列完全没有错误:每个请求都成功,每个运行状况检查都是绿色的,并且系统无法使用,因为字节到达率只是预期速率的一小部分。这是最有可能被误诊数小时的故障模式,因为整个错误驱动工具包没有什么可咬的。为什么通常的信号变绿——每个信号都是通过 100 倍降级的链接同时观察到的:

05
第 1 步:在每一跳收集直接证据

在构建假设之前,收集: 请求路径中每一跳的服务器端日志 客户端日志(浏览器开发工具 HAR、CLI 调试日志、SDK 跟踪) 事件窗口的指标(RPS、延迟、错误率、连接计数、CPU/mem) 分布式跟踪(如果可用)

06
步骤 2:带有证伪者和威胁模型边界的假设

列出三个或更多可能的原因。 对于每一个,写三个句子:什么可以证实它?

07
第三步:决定性实验

对于网络层问题,默认是分层隔离:三个路径仅相差一跳。 CDN 前置服务的示例: 路径 · 路由 · 排除是否通过 A · 通过 CDN 的完整路径 · 无 — 这是失败的基线 B · `--resolve` 到源 IP(绕过 CDN) · CDN 层 C · 服务器环回(绕过 CDN + LB) · CDN + LB

08
步骤 4:需要时使用仪器

如果决定性的实验需要当前无法进行的观察,请添加它 - 不要跳过它。规范模式是环境门控检测,它: 默认关闭(稳定状态下运行时成本为零) 通过一个环境变量打开,无需更改代码 写入 grepable 日志标签 (`[SSE-CHUNK] ts=... req=... bytes=...`) 永久投入生产 - 未来的事件重用它

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。