附录 C —— 排障决策树

先保留现场，再按 identity → lifecycle → membership → route → delta → repair → observer 的顺序缩小范围。重启会改变现场状态，不适合作为第一条诊断动作。

入口决策

症状 先看 下一条假设
应用活着但请求失败 state、isReady、lastErrorMessage Runtime 未 RUNNING 或启动配置失败
peer 完全不可见 cluster/service、membership view、端口 通信域/seed/网络不一致
只有某集合不同步 locator、schema、collection diagnostics locator 或 fingerprint 不匹配
在线更新偶尔丢失 message dropped reason、sync trace delta 路径丢失，等待/触发 repair
repair 后仍不同 digest、replay window、snapshot result 来源选择、倒退保护或 handler 失败
Lease 拒绝 mode、membership stability、quorum、token 成员不稳定、quorum 不足或旧 token
订阅者缺事件 overflow/callback timeout 观察者落后，不一定是集合状态缺失
远端消息被拒绝 admission/auth/decrypt/replay/rate limit 对应安全门配置或攻击行为
Federation 不健康 target identity、relay status、binding status remote locator 缺失或 relay 不可达

快速检查顺序

  1. 记录 revision、节点 identity、时间窗口和具体 locator。
  2. 读取 diagnostics 快照；在保存证据前不清空错误或重启。
  3. 检查低基数 metrics 的 operation/outcome/reason。
  4. 用 trace 关联一条具体操作；traceId 进入日志或 trace，不进入 metric tag。
  5. 复核安全审计，但不得输出 token、key 或敏感 payload。
  6. 对照 peer capability/schema 后再决定 replay、snapshot 或配置修正。
  7. 写明恢复后哪些业务成功无法撤回、哪些外部副作用需要补偿。

常见假绿

最小证据记录

revision:
environment/topology:
claim:
command/probe:
observed result:
does not prove:
next action / owner:

关联章节