实例出了异常，第一反应往往是换IP线路。换了两条还是原样，时间花掉了，问题一点没动。排查要按层走，从上往下：先确认是个别还是普遍，再看网络这一层有没有问题，最后才看设备和行为。顺序错了，改的都是没问题的部分。
先分层，再动手。
普遍性问题一般在网络层，个别问题基本在设备或行为层。这个判断花不了几分钟，却决定了后面要查哪一半。跳过这一步直接动手，很容易把已经正常的部分改乱，越改越难查。
先分清个别还是普遍，再决定查哪一层。
一次只改一处，改完就复测。
- 网络层
- 地址、DNS、超时，表现为全体或同线路的实例一起出问题
- 设备层
- 指纹、缓存、版本，表现为某一台或某一套环境出问题
- 行为层
- 时段、频次、路径，表现为功能正常但结果不对
网络层先查三样：IP地址是否生效、DNS 解析是否正常、超时时间是否被改过。三样都是能直接验证的，不用猜。查完没问题就往下走，别在同一层反复试，同一层试三遍还不行，问题基本不在这一层。
设备层怎么查
设备层的问题往往藏在版本差异里，两台机器配置看着一样，版本差一个补丁表现就不同。查的办法是对比，找一台正常的实例，逐项比对参数、版本、缓存状态，差异项就是嫌疑项。比对比猜快得多。
缓存和本地数据也要看一眼。长期运行的程序会积累状态文件，某个文件损坏之后表现就变得怪异，重装能解决但会丢配置。先备份再清，清完还不行再重装，顺序别反。
行为层最容易被误判
行为层的问题最像IP线路问题，表现都是连得上但结果不对。区别在于行为层换线路没用，换时段往往有效。同一个操作放在凌晨做就正常，放在晚上做就出问题，基本可以肯定是行为层的节奏问题。
一次只改一处
排查最大的浪费是同时改好几处。改完问题消失了，也不知道是哪一处起的作用，下次遇到同样的问题还是从零开始。一次改一处，改完复测，记录下来，这套流程看着慢，实际比反复试快得多。
顺序对了，同样的时间能查完的范围大得多，也不会把好用的配置改坏。
先分层，再动手，一次只改一处，这三条比任何工具都管用。