一次线上 CPU 飙高的完整排查

告警

下午三点，CPU 使用率从 20% 冲到 95%。接口 P99 从 80 毫秒涨到 4 秒。第一反应是流量突增，但监控面板上的 QPS 曲线平得像条死鱼。

第一步：看进程

dotnet-counters 显示托管堆稳定，GC 时间占比不高——不是内存问题，是纯计算在烧 CPU。线程面板里十几个线程都在跑，没有大量阻塞。

第二步：抓 dump

dotnet-dump collect 抓一份，用 dumpanalyze 看线程栈。几十个线程栈高度一致：都停在一个正则表达式的 Match 调用上。

第三步：看代码

最近上线了个「敏感词过滤」，每次请求都把用户输入过一遍正则。问题出在正则本身：模式里有个嵌套量词，遇到特定长度输入会灾难性回溯。测试环境的数据短，没触发；线上一条两万字的长评直接引爆。

修复

敏感词改用 Trie 树，O(n) 一次遍历。改完 CPU 立刻回落，P99 回到 90 毫秒。

反思

三个教训。一，用户输入的规模永远比测试数据野；二，正则的嵌套量词是性能杀手，code review 要当成危险模式看；三，告警阈值按「同比突增」设，而不是绝对值——这次 QPS 没涨，但 CPU 涨了四倍，绝对值告警太晚。