今天是HW第一天，下午运维人员说鉴权服务上不去了，看了眼天宫，结果重启了，后来的情况就是20多分钟半小时一重启，真么神奇。开始排查原因：

1、前两天发版换的agent版本发布，但是不知道有没有这个原因，Haox说到我这儿都发版第10个了，应该没啥问题。我就继续找原因。

2、截了个图，说上次报错原因：

 3、这么看的话就是健康检查突然不好使了，天G的问题？我就去群里问了问，天G那边的人也没说出个123来，还问我有没有业务报错，我说就是正常报错，也不至于健康检查不好使吧。

4、Haox说有可能是内存溢出导致的，我就去监控了一下内存，一直非常正常。然后就突然又不好使重启了，崩溃的时候 内存如图：

 5、此时实例又突然不好使了，但是内存完全没有增长。那就不是内存的事儿。

6、我就详细查了一下日志文件，发现报同步用户的接口报错，报超时的错误：

7、这个错误特别多，我数了一下，3分钟内报了34次，也就是说新增了34个人员，同步了34次接口，都没有访问通，平均1分钟10个，6秒钟一个超时。有没有可能是这个超时特别多，把tcp给堵了。

8、晚上回家本来准备扩容，结果我找总部修改了这个同步用户的地址。完全不报错了，而且也不自动重启了，截止到交稿时已经一个小时没重启了，之前20多分钟就重启一次。

9、前两天领导还找我谈话，说写代码，一定要做好预案，如果出了问题，如何在第一时间抢通，再排查问题，我感觉这个太重要了。反思了一下，如果之前做好预案，如何能不走这个接口，把判断配置文件中的url是否为空，如果为空就不走，这样是不是就可以做出预案了，而且能够及时响应排查。

10、以后写代码，都要想着，如果不走这儿，如果报错，的预案。