本质是流量切过去但未切匀，需逐台查cpu核心/线程分布、qps/响应时间/gc等指标，排查clb/nginx/ingress粘滞、网卡中断扎堆、numa跨节点访问、jvm绑核缺失及代码隐性热点。

流量切换后CPU负载分布不均，本质不是“流量没切过去”，而是“流量切过去了，但没切匀”。关键要跳出“看总QPS是否上涨”这种粗粒度判断，直接定位到请求在节点/核心/线程层面的落点偏差。

先确认是不是真不均：别被平均值骗了

监控上显示“整体CPU 30%”，不代表每台机器都30%。必须逐台查：

• 用 mpstat -P ALL 1 看各CPU核心使用率，是否存在单核长期95%+而其他核空闲（网卡中断扎堆）
• 用 top -H -p 看Java进程内线程分布，是否大量请求线程挤在少数几个核上运行
• 对比各实例的 QPS、平均响应时间、线程数、GC频率 四个指标，三台机器QPS相近但一台CPU翻倍，基本可排除流量量级问题，指向处理效率或资源争用

重点查流量路径中的“粘滞点”

流量切换常走CLB/Nginx/Ingress，而这些组件的调度策略极易导致“连接粘滞”：

• 检查CLB是否启用 WRR（加权轮询）或 least_conn —— 这两种算法只在建连时分配，后续长连接请求全打到同一Pod，形成热点
• 查Nginx配置里有没有 ip_hash 或 sticky 指令，尤其在HTTP/1.1 Keep-Alive或HTTP/2场景下，一个客户端可能持续压垮单个后端
• 确认Ingress是否启用了 sessionAffinity: ClientIP，小范围IP段集中访问会直接放大倾斜

排查底层资源绑定与中断分布

即使应用层流量均匀，系统层也可能因硬件调度失衡导致CPU假高：

• 执行 cat /proc/interrupts | grep eth，看网卡中断是否集中在1-2个CPU上；再用 ethtool -l eth0 确认是否开启多队列，队列数是否≥CPU核心数
• 用 numastat 查看各NUMA节点内存访问命中率，跨节点访问延迟高会拖慢处理速度，让某节点CPU看似忙实则低效
• 检查Java进程是否绑核 —— 若未用 numactl 或cgroup限制，JVM线程可能被内核随机调度到不同NUMA节点，引发缓存失效和内存等待

验证应用自身是否存在隐性热点

有些不均来自代码逻辑，和流量分发无关：

• 查数据库SQL执行计划，确认是否某台机器因缓存未预热，反复执行慢查询；或分库分表键设计不合理，导致某实例承担80%数据读写
• 检查定时任务是否在部分机器上重复触发（如未加分布式锁），或某台机器恰好承担了清理大表、导出报表等重IO任务
• 用 jstack 抓线程快照，看高CPU机器上是否有大量线程卡在 WAITING on java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject —— 锁竞争会导致CPU空转升高