早上七点，值班的人发现某组设备集体掉线，控制台上几条代理IP线路的状态一个比一个难看。这时候最容易犯的错是从终端开始查，一台一台试过去，试到中午也没定位到问题出在哪一段，反而把时间全耗在了确认设备本身没毛病上。
排查要按层往下走
ROS 里的排查顺序应该从上游往下：先确认代理IP线路资源本身可用，再看 ROS 侧的接入状态，接着看分流规则有没有命中，最后才落到终端。反过来从终端查，会同时面对设备和规则两个变量，越查越乱。按层走的好处是每一层只有一个判断，通不过就停在那里，定位范围立刻缩小一半。
- 先换一条线路试同一台设备，排除资源本身的问题
- 再回到 ROS 侧，看这条线路的接入状态是否正常
- 接着查这台设备有没有被分流规则覆盖到
- 最后在终端上确认当前地址和连接状态
最上面一层不通，后面几层都是白查。
每一层各看什么
第一层只看一件事：同一条代理IP线路资源换到别的地方能不能用；第二层看接入有没有断开、有没有反复重连；第三层看设备有没有落在规则覆盖的范围内，这一层错的次数最多；第四层看终端当前的地址和连接是否正常。四层各有各的判断，混在一起看就容易把原因归到错误的层上，白白绕一圈。
排查真正的难处不在判断，而在于先确定该在哪一层判断。
哪些情况容易反复出现
反复出现的故障通常集中在两处。一处是规则改过之后没有同步核对，设备被挪出了覆盖范围却没人发现；另一处是线路本身时通时断，而探测又不敏感，表现成偶发的、看不出规律的掉线。第一类靠核对配置就能解决，第二类需要把异常的时间点记下来，攒够样本才看得出规律。
要不要每条线路都上自动切换
有人会问，既然线路会抖，是不是每条都挂一套自动切换更省心。先把代理IP线路的排查顺序理顺更重要。切换能遮住问题，却不会告诉你问题出在哪一层，等到几条线路同时出状况，还是得回到这个顺序上来，那时候之前没留下的记录就成了最大的障碍。