事故现场通常不会先报出故障名称，它只留下一条曲线、一组分叉或一片过分安静的大盘。这里把全书病历按症状形状重新归组，让你从看见的证据反查可能的机理；每张卡还标了第 16 章总检用的机制轴——放大 / 一致性 / 单点，作为第二条查找路径。
值班时，先按你在大盘上看到的形状找到下面六组，再在组内逐条核对症状文字。形状负责缩小搜索面，机理、易发场景与上下游证据负责确认诊断；不要只凭一根曲线直接开药。每张卡末尾还有一行机制轴标签——放大类 / 一致性类 / 单点类，那是第 16 章总检用的第二轴：形状回答“我看见了什么”，机制回答“该动哪一族处方、游戏日先打哪一类”。
形状只负责把嫌疑范围缩小到几个候选，不负责宣判。下表按你正在看的是哪块面板分组：同一组里的候选必须能在同一块面板上长成同一个样子，否则谈不上鉴别——一根时间轴上的尖刺、一张按分片切开的直方图、一笔对不平的业务账，是三块不同的面板，不能混在一组。每个候选配一条下一步证据，写清本卡该看到什么、看到别的该转向谁：证据若排除不了同组里至少一个候选，就还不算证据。本表不新增病历卡编号，只把已有的卡按「怎么排除」重排一遍。
| 你在看的面板 | 候选诊断 | 下一步证据 · 本卡该看到什么 → 否则转向谁 |
|---|---|---|
| 大盘平坦 聚合 RED 与基础设施曲线全绿，业务侧却有工单或账差 | 只是「聚合」看起来平坦，局部子集在报错（No.15 灰色故障） | 把错误率与延迟按实例、分区、可用区、版本、租户切片。本卡：某个子集显著偏离、其余正常，而且这些请求确实失败了。若切片后各子集都干净、请求全部成功只是结果不对 → 不是 No.15，转去做下面两行的对账。 |
| 同一实体两处存储的值不同（No.03 双写不一致） | 抽样同一 key，比较缓存里的值与 DB 里的版本号/更新时间。本卡：同一实体在两处的值不同，差异出现在最近一次写之后，且每一处内部自洽。若缓存与 DB 一致、业务台账却缺一条或多一条 → 转向 No.12。 | |
| 同一事件被处理了 0 次或 ≥2 次（No.12 消息丢失与重复） | 用同一幂等键/消息 id 做三方对账：发送记录、broker 投递记录、消费结果。本卡：处理次数 ≠ 1（0 次是丢失，≥2 次是重复），而单条存储内部值是自洽的。若三方次数都是 1、只是缓存与 DB 值不同 → 转向 No.03。 | |
| 时间轴尖刺 末端 QPS 或错误率的时间曲线，尖起又回落 | 真实入口尖峰：开售、推送、热搜 | 把入口 QPS 与尖刺时刻叠在同一条时间轴上。本卡：入口与末端同一时刻、同一比例尖起。若入口曲线平稳、只有末端尖起 → 放大发生在系统内部，转向 No.05 / No.08。 |
| 一个热点 key 过期后的并发回源（No.05 缓存击穿） | 查尖刺窗口内的慢查询/回源日志。本卡：请求集中在同一个 key，该 key 的 miss 计数在同一秒跳升并与它的 TTL 到期对齐，尖刺前后这个 key 落到 DB 的量接近 0。若同一 key 在尖刺之外也持续高频落 DB → 那是持续热点，不是击穿，转向 No.10 的下钻；若落到 DB 的是大量不同的、查不到结果的 key → 转向 No.04；若尖刺里是很多不同 key、来自同一批客户端 → 转向 No.08。 | |
| 一批等待者同刻醒来（No.08 惊群效应） | 看尖刺是否以固定周期重复，周期是否等于统一超时、固定 backoff 或定时任务间隔。本卡：周期性，每次尖刺内请求分散在很多 key、但发起时间挤在同一毫秒级窗口。若只出现一次、且集中在一个 key → 转向 No.05。 | |
| 写后立刻读到旧值的毛刺（No.02 主从复制延迟） | 把错误率毛刺与复制延迟曲线、批量写入时刻叠在一起。本卡：报错的都是刚写完立刻读、且打到副本的请求，DB 上没有并发回源的尖刺，副本追平后自愈。若毛刺伴随 DB QPS 尖起、报错的不限于刚写过的 key → 转向 No.05。 | |
| 单调爬升 末端负载或队列长度的时间曲线只升不落 | 真实新流量涌入，容量确实不够了 | 看入口 QPS/DAU 是否与末端指标同步、同比例上涨。本卡：入口先涨、末端跟涨。若入口平稳、只有末端在涨 → 多出来的负载是系统自己造的，转向 No.07 / No.11。 |
| 重试放大（No.07 重试风暴） | 把入口 QPS、末端 QPS 与重试计数放在同一条时间轴。本卡：入口平稳，末端 QPS 与重试计数同步爬升。若末端处理速率已贴顶不动、涨的只是排队长度 → 转向 No.11。 | |
| 消费速率长期低于生产速率（No.11 消息积压） | 看 backlog 与 oldest-message-age 是否同向上涨、消费曲线是否长期压在生产曲线之下。本卡：末端消费速率是平的（已到上限），涨的是欠债；暂停生产后 backlog 以消费速率线性下降。若末端速率本身还在往上爬 → 转向 No.07。 | |
| 切片不对称 按分片 / 可用区 / 实例切开的直方图，一根柱子偏离其余——不是时间轴 | 一片被打热（No.10 热点分片） | 偏离的维度是负载：单片 QPS、CPU 或慢查询显著高。算最热 ÷ 平均，第 8 章的判据是大于 3；再下钻到 key，看是否少数 key 或某个场次贡献了大头。若最热 ÷ 平均在 3 以内、或偏离的不是负载而是错误率 → 转向 No.15。 |
| 一片坏了但负载正常（No.15 灰色故障） | 偏离的维度是错误率或延迟，而该子集的负载与其他子集持平甚至更低；把它摘流后用户报错立即消失。若摘流后热度只是转移到另一片 → 转向 No.10。 | |
| 并发写者 业务台账：同一订单被扣两次、库存为负、同一键两条互相矛盾的记录；大盘往往平静 | 两个进程同时进入临界区（No.13 分布式锁失效） | 查锁服务日志与临界区日志。本卡：两个 owner 的持有区间重叠（后者 acquire 早于前者 release），或旧 fencing token 在新 token 之后仍写入成功。只看到 TTL 到期或续租失败不算——那只是嫌疑，没有重叠 owner 就排除不了 No.12。若临界区里始终只有一个 owner、重复来自同一条消息被投递两次 → 转向 No.12。 |
| 同一条消息被投递两次（No.12 消息重复） | 查 broker 的重投计数与消费者 ack 超时日志。本卡：同一 message-id 被投递 ≥2 次，两次执行是同一条消息，中间隔着一次消费超时或重启。若两次执行来自两条不同请求、同时进入临界区 → 转向 No.13。 | |
| 时间戳裁决出了错误顺序（No.17 时钟漂移） | 把冲突两条记录的写入时间戳与业务因果顺序对比，并看节点时钟偏差监控。本卡：时间戳顺序与因果顺序矛盾（取消带着比支付更早的时间），偏差超过租约或合并规则的安全裕量。若时间戳顺序自洽、只是执行了两次 → 转向 No.12 / No.13。 | |
| 两地各自当主（No.14 脑裂） | 看两地在同一时段是否都有写入成功日志。本卡：同一业务键出现两条互不继承的版本线，各自在自己的机房成功，复制恢复时冲突集中暴露。若只有一个机房在写、冲突发生在单集群内 → 转向 No.13。 |
形状告诉你“看见了什么”，机制告诉你“该动哪一族处方”。第 16 章的收官总检把全书病历归成三种体质，这里把它接到图鉴上：每张卡末尾的「机制轴」一行标着它属于哪一类，本表是反向索引——从体质出发，找到同类的全部卡。同一张卡只在下面六个形状组里出现一次，这里只放指针。
| 体质 | 共同机理 | 处方族 | 卡片 |
|---|---|---|---|
| 放大类 | 小触发在系统内部长成比自身大得多的负载：并发回源、逐层重试、同步唤醒、沿依赖传播、按时间累积欠债、触发消失后仍自我供能。 | 切断放大边：互斥回源、单一重试责任层与预算、jitter、舱壁与熔断、入口限流与慢放量。 | No.04 缓存穿透 · No.05 缓存击穿 · No.06 缓存雪崩 · No.07 重试风暴 · No.08 惊群效应 · No.09 级联故障 · No.11 消息积压 · No.16 亚稳态故障 |
| 一致性类 | 同一份事实在时间或故障中被复制成两个版本：主与从、缓存与 DB、生产与消费、两个持有者、两个主、两只时钟。 | 让真相可仲裁：写后读主与确认中语义、补偿与对账、幂等键与死信、fencing token 与持有者校验、多数派与单调版本。 | No.02 主从复制延迟 · No.03 缓存与 DB 双写不一致 · No.12 消息丢失与重复 · No.13 分布式锁失效 · No.14 脑裂 · No.17 时钟漂移 |
| 单点类 | 一处共享闸门或一个被钉住的子集先耗尽，其余节点的余量无法接力；灰色故障是它的局部型——坏的不是负载，是被路由钉住的那个子集。 | 打散与隔离：限并发与获取超时、按下游容量定池、热点隔离与二次打散、按切片观测并摘流。 | No.01 连接池耗尽 · No.10 热点分片 · No.15 灰色故障 |
这三类在第 16 章各对应一种游戏日实验与一种“证明没留后遗症”的方式：第 16 章 · 3 病历卡总检 →
指标垂直跳变，一眼可见：资源突然贴顶、保护层突然失效，或调用链从局部异常快速塌成全局不可用。
瞬时脉冲，回落快：故障证据只在短窗口里出现，必须把尖刺与 TTL、写高峰、重试周期、进程停顿或故障切换对齐。
单调恶化，不自愈：先找到让斜率持续为正的反馈环或净流入，再谈扩容、重启和恢复时间。
展开章节：第 9 章 · 消息队列——削峰填谷
缓慢劣化，容易被忽视：日常大盘可能只比昨天差一点，直到一次流量上升把长期累积的余量吃完。
监控看不见，只有工单或对账能发现：基础设施曲线平稳，不代表业务结果正确；这组故障要靠主动比对制造可观测证据。
展开章节：第 9 章 · 消息队列——削峰填谷
展开章节：附录新增 · 互链 第 13 章微服务拆分 / 第 14 章可观测性
不是变差，是变得不一致：集群平均值可能健康，真正的证据藏在分片差、双线版本或互相矛盾的时间轴里。
展开章节：第 8 章 · 分库分表——以及热点分片
展开章节：第 15 章 · 异地多活——以及脑裂
展开章节：附录新增 · 互链 第 15 章异地多活与脑裂