今日主题：LinuxOOMKill 连续发生排障
故障背景：跨机房切流演练阶段，CI/CD 发布流水线出现OOMKill 连续发生，核心任务出现超时。
能同时覆盖故障定位、恢复和稳定性优化三个层面。排障建议：先看 CPU、内存、I/O、网络四个基础面，再回到具体进程和内核日志。
一、故障现象与判断思路
故障现象：跨机房切流演练阶段，CI/CD 发布流水线出现OOMKill 连续发生，核心任务出现超时。
判断思路：排障建议：先看 CPU、内存、I/O、网络四个基础面，再回到具体进程和内核日志。
根因提示：策略收紧后，磁盘与日志策略长期粗放，导致 inode 和写入队列持续累积。
二、排障流程图
三、建议优先执行的命令
df -ih
journalctl -xe -n 200 --no-pager
dmesg
tail -n 100四、修复与优化策略
先用系统四件套把问题缩小到 CPU、内存、I/O 或网络层，再追到具体进程和配置，并补齐发布前检查表。
目标：OOM 和 fd 耗尽告警清零，核心进程重启不再反复发生
五、课堂训练清单
1. 先在 跨机房切流演练阶段 这个时间窗复盘 OOMKill 连续发生 的第一现场，保留时间线、日志和资源快照。
2. 围绕“策略收紧后，磁盘与日志策略长期粗放，导致 inode 和写入队列持续累积。”核对配置、变更记录、容量水位和依赖链路。
3. 按照“目标：OOM 和 fd 耗尽告警清零，核心进程重启不再反复发生”补齐告警阈值、回滚方案和课堂演练 SOP。
六、官方文档参考
课程延伸：能同时覆盖故障定位、恢复和稳定性优化三个层面
咨询方式：苏州育成教育，Linux 运维 / ETL 培训，李老师 18068438616。课程周期 2 个月，苏州姑苏区烽火路 80 号线下脱产学习，不就业不收费，学不会可继续学。
