排错手册
从症状出发，走完可验证的排查路径。
每篇文章按“识别范围 → 验证假设 → 安全恢复 → 预防复盘”组织。请结合发行版、权限和变更流程执行示例命令。
Nginx 502 Bad Gateway：从上游进程到超时配置排查
502 的关键不是重启 Nginx，而是确认 upstream 是否可达、是否存活，以及响应是否在预期时间内返回。
开始排查MySQL 连接池耗尽：如何找出连接泄漏与慢查询
“Too many connections” 是容量、泄漏或慢事务的结果。先确定连接被谁占住，再决定限流、扩容或修复代码。
开始排查TLS 证书过期或替换失败：安全恢复 HTTPS 的步骤
证书故障要先识别实际对外提供的证书，再处理续期、部署链路和 CDN 缓存。
开始排查Kubernetes CrashLoopBackOff：用退出原因定位容器反复重启
CrashLoopBackOff 不是根因；用上一次容器退出码、事件与依赖健康度把问题定位到启动流程。
开始排查Docker 磁盘空间耗尽：先识别可清理对象，再恢复节点容量
Docker 节点磁盘满时，先量化镜像、容器、卷和日志的占用，避免一条 prune 误删仍需保留的数据。
开始排查Redis 内存打满与淘汰：判断是策略、热键还是数据生命周期
Redis 内存问题不能只靠扩大 maxmemory；要识别淘汰策略、无 TTL 数据与热键的增长模式。
开始排查Linux DNS 解析失败：从 resolv.conf 到容器网络逐层验证
DNS 故障要区分“没有网络”“解析器不可达”“返回错误记录”和“应用缓存旧结果”。
开始排查Linux 磁盘满但找不到大文件：处理 deleted 文件与 inode 耗尽
df 与 du 数字不一致，通常是已删除但仍被进程持有的文件；也可能是 inode 或挂载点视图问题。
开始排查Cron 任务没有执行：环境、权限、时区与日志的检查表
Cron 的常见问题是运行环境与交互式 shell 不同。用绝对路径、明确日志和时区来消除不确定性。
开始排查SSH 无法连接：区分网络、端口、认证与主机密钥问题
SSH 失败信息已经指向不同层级。先读错误原文，避免在未确认网络路径前修改认证配置。
开始排查PostgreSQL deadlock detected：用锁等待图修复并发顺序
死锁是事务互相等待形成的环；数据库中止一个事务只是保护机制，真正的修复通常在应用的访问顺序。
开始排查Linux Load Average 飙高：CPU、I/O 和不可中断任务的判断
Load Average 不等于 CPU 使用率。它也包含等待 I/O 的不可中断任务，必须结合运行队列、iowait 与进程状态判断。
开始排查Cloudflare 522 Connection Timed Out：从边缘到源站的连通性排查
522 表示 Cloudflare 与源站连接的建立或请求确认阶段超时，不应与等待 HTTP 响应超时的 524 混淆。核心是检查源站可达性、端口、防火墙与容量，而不是反复刷新 CDN 缓存。
开始排查