第一章：Go HTTP服务慢得离谱？——context超时传递断裂、中间件panic未捕获、连接池配置失当三重暴击
当用户反馈“接口偶尔卡顿十几秒”，而 pprof 显示 CPU/内存正常，问题往往藏在请求生命周期的隐性断点中。以下三类高频反模式常被忽略，却足以让 QPS 断崖式下跌。
context超时传递断裂
最典型场景：HTTP handler 中调用下游 HTTP 客户端，但未将 r.Context() 透传至 http.NewRequestWithContext()。导致上游超时（如 Nginx 的 proxy_read_timeout 30s）无法中断下游阻塞请求，goroutine 持续堆积。修复方式如下：
func handler(w http.ResponseWriter, r *http.Request) {
// ✅ 正确：透传 context 并设置子超时
ctx, cancel := context.WithTimeout(r.Context(), 5*time.Second)
defer cancel()
req, _ := http.NewRequestWithContext(ctx, "GET", "https://api.example.com/data", nil)
resp, err := http.DefaultClient.Do(req) // 若下游响应超时，此处立即返回
}中间件 panic 未捕获
自定义中间件若未包裹 defer/recover，一次 nil pointer dereference 就会终止整个 goroutine，且无日志可追溯。必须在每层中间件入口添加兜底：
func recoverMiddleware(next http.Handler) http.Handler {
return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
defer func() {
if err := recover(); err != nil {
log.Printf("PANIC in middleware: %v", err)
http.Error(w, "Internal Server Error", http.StatusInternalServerError)
}
}()
next.ServeHTTP(w, r)
})
}连接池配置失当
默认 http.DefaultTransport 的 MaxIdleConnsPerHost = 2，高并发下大量连接重建开销显著。应根据压测结果调整：
| 参数 | 推荐值 | 说明 |
|---|---|---|
MaxIdleConns |
100 |
全局空闲连接上限 |
MaxIdleConnsPerHost |
100 |
单 Host 空闲连接上限 |
IdleConnTimeout |
30s |
空闲连接保活时间 |
client := &http.Client{
Transport: &http.Transport{
MaxIdleConns: 100,
MaxIdleConnsPerHost: 100,
IdleConnTimeout: 30 * time.Second,
},
}第二章：Context超时传递断裂——分布式调用中“时间契约”的无声失效
2.1 context.WithTimeout/WithDeadline在HTTP handler中的正确嵌套与传递路径
HTTP handler 中的上下文应随请求生命周期自然消亡，而非被意外截断或泄漏。
正确的嵌套原则
WithTimeout/WithDeadline必须在 handler 入口处基于r.Context()创建；- 子 goroutine 或下游调用（如 DB、RPC）必须显式接收并传递该派生 context；
- 绝不可使用
context.Background()替代请求上下文。
典型错误示例与修正
func handler(w http.ResponseWriter, r *http.Request) {
// ❌ 错误：超时 context 未传递给 downstream
ctx, cancel := context.WithTimeout(r.Context(), 5*time.Second)
defer cancel()
result := callDB(ctx) // ✅ 正确传递
// ...
}
callDB(ctx)接收ctx后可响应取消信号；若漏传，DB 操作将无视 HTTP 超时，导致连接堆积。
上下文传递路径示意
graph TD
A[r.Context()] --> B[WithTimeout]
B --> C[DB Query]
B --> D[HTTP Client]
B --> E[Cache Get]| 组件 | 是否必须接收 context | 原因 |
|---|---|---|
| 数据库查询 | ✅ | 防止长阻塞阻塞整个 handler |
| 外部 HTTP 调用 | ✅ | 避免上游超时后仍等待响应 |
| 日志写入 | ❌（通常） | 一般为异步非阻塞，不依赖 cancel |
2.2 中间件链中context.Value与cancel函数的生命周期错配实测分析
复现错配场景
以下代码模拟中间件链中 context.WithCancel 与 context.WithValue 的典型误用：
func middleware(next http.Handler) http.Handler {
return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
ctx, cancel := context.WithCancel(r.Context())
defer cancel() // ⚠️ 错误：在中间件退出时即取消，但下游可能仍在使用ctx
ctx = context.WithValue(ctx, "traceID", "abc123")
next.ServeHTTP(w, r.WithContext(ctx))
})
}逻辑分析：cancel() 在中间件函数返回前被调用，导致下游 handler 持有的 ctx 已处于 Done() 状态，ctx.Value("traceID") 仍可读（值未被清除），但 select { case <-ctx.Done(): ... } 立即触发 —— 值存在，但上下文已失效。
生命周期对比表
| 维度 | context.Value |
cancel() 调用时机 |
|---|---|---|
| 存储机制 | 不可变键值对，仅随 ctx 传递 | 主动关闭 Done channel |
| 生存期依赖 | 依附于 ctx 树，但不触发取消 | 决定 ctx 及其子 ctx 的终止 |
| 错配后果 | 值“幽灵存活”，逻辑判断失效 | 提前中断超时/取消信号传播 |
关键修复原则
- ✅
cancel()应由最终消费者（如 handler 或 goroutine）显式调用 - ✅ 若需携带元数据，优先使用
context.WithValue+ 独立生命周期的context.WithTimeout - ❌ 禁止在中间件作用域内
defer cancel()
graph TD
A[HTTP Request] --> B[Middleware: WithCancel]
B --> C[Cancel called on return]
C --> D[Downstream ctx.Done() closed]
D --> E[ctx.Value still accessible]
E --> F[但 select<-ctx.Done 无延迟触发]2.3 goroutine泄漏与context.Done()未监听导致的连接堆积复现实验
复现场景构造
以下代码模拟未监听 ctx.Done() 的 HTTP 服务端，每个请求启动独立 goroutine 但永不退出：
func handleConn(ctx context.Context, conn net.Conn) {
// ❌ 错误：未监听 ctx.Done()，goroutine 永驻内存
defer conn.Close()
buf := make([]byte, 1024)
for {
_, err := conn.Read(buf)
if err != nil {
return // 仅靠读错退出，但连接未关闭时 ctx 可能已取消
}
// 模拟处理延迟
time.Sleep(100 * time.Millisecond)
}
}逻辑分析：handleConn 忽略 ctx.Done() 通道，即使父 context 超时或取消（如 http.TimeoutHandler 触发），goroutine 仍持续阻塞在 conn.Read 或 time.Sleep，无法响应取消信号。conn.Read 在非超时错误下不返回，导致 goroutine 永久泄漏。
关键影响对比
| 现象 | 是否监听 ctx.Done() |
后果 |
|---|---|---|
| 连接突发增长 1000+ | 否 | goroutine 数线性堆积，OOM 风险 |
| 请求超时后自动清理 | 是 | goroutine 及时退出，资源释放 |
正确实践路径
- ✅ 始终在循环中 select 监听
ctx.Done() - ✅ 使用
net.Conn.SetReadDeadline配合 context - ✅ 通过 pprof +
runtime.NumGoroutine()实时观测泄漏趋势
graph TD
A[HTTP 请求抵达] --> B{select{ctx.Done()?}}
B -->|是| C[关闭 conn，return]
B -->|否| D[继续 Read/处理]
D --> B2.4 基于pprof+trace定位context超时丢失的完整诊断链路
数据同步机制
当服务间通过 HTTP/gRPC 传递 context.WithTimeout，若下游未显式继承或重设 deadline，超时会悄然丢失。常见于中间件透传不完整、goroutine 启动时未携带 context。
pprof + trace 协同分析
# 启用 trace 并捕获关键路径
go tool trace -http=localhost:8080 trace.out
# 同时采集 goroutine/block/profile
curl -s http://localhost:6060/debug/pprof/goroutine?debug=2 > goroutines.txttrace.out 可可视化 goroutine 阻塞点与 context cancel 传播断点；goroutine profile 暴露长期存活但未响应 cancel 的协程。
典型丢失模式对比
| 场景 | 是否继承 parent.Context | 是否调用 ctx.Done() 监听 |
超时是否生效 |
|---|---|---|---|
直接使用 context.Background() |
❌ | ❌ | ❌ |
ctx, _ := context.WithTimeout(parent, 5s) 但未传入后续调用 |
✅（局部） | ✅ | ❌（下游无感知） |
根因定位流程
graph TD
A[HTTP 请求进入] --> B[Middleware 解析 timeout header]
B --> C[创建带 Deadline 的 ctx]
C --> D[调用 downstream RPC]
D --> E{下游是否 use ctx?}
E -->|否| F[timeout 丢失 → trace 显示 goroutine 永久阻塞]
E -->|是| G[cancel 正常传播]2.5 构建可审计的context传播规范：从Handler到DB Client的端到端超时对齐
数据同步机制
为保障超时信号在全链路中不丢失、不被覆盖，需统一注入 context.WithTimeout 并显式传递至各中间件与客户端。
// 在HTTP Handler中创建带超时的context
ctx, cancel := context.WithTimeout(r.Context(), 3*time.Second)
defer cancel()
// 透传至下游服务调用
resp, err := svc.Do(ctx, req)r.Context() 继承自HTTP server，3s 为SLA约定值；defer cancel() 防止goroutine泄漏；所有下游组件必须接收并使用该 ctx，不可新建或忽略。
跨组件超时继承规则
- DB client（如pgx）必须使用
ctx执行查询，而非默认背景上下文 - 中间件（如熔断、日志）须保留
ctx.Deadline()并记录超时原因 - 框架层禁止覆盖
context.WithValue中的timeoutKey
| 组件 | 是否支持ctx取消 | 超时误差容忍 | 审计字段示例 |
|---|---|---|---|
| Gin Handler | ✅ | http_req_timeout_ms |
|
| pgx.Conn | ✅ | db_query_deadline |
|
| Redis Client | ✅（v9+） | redis_cmd_timeout |
全链路传播验证流程
graph TD
A[HTTP Handler] -->|ctx.WithTimeout| B[Auth Middleware]
B --> C[Service Layer]
C --> D[DB Client]
D --> E[Query Execution]
E -->|cancel on deadline| F[Context Done]第三章：中间件panic未捕获——优雅降级防线的系统性溃败
3.1 defer+recover在HTTP中间件中的典型误用模式与修复范式
❌ 常见陷阱：全局 recover 捕获所有 panic
func BadRecoverMiddleware(next http.Handler) http.Handler {
return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
defer func() {
if err := recover(); err != nil {
http.Error(w, "Internal Server Error", http.StatusInternalServerError)
// ❌ 错误：未记录 panic 堆栈，掩盖根本原因
}
}()
next.ServeHTTP(w, r)
})
}逻辑分析：recover() 在 defer 中执行，但未调用 debug.PrintStack() 或日志输出，导致 panic 静默丢失；且 http.Error 覆盖了原始响应状态，破坏中间件链的错误传播契约。
✅ 修复范式：结构化 panic 捕获与上下文透传
| 维度 | 误用模式 | 修复实践 |
|---|---|---|
| 日志记录 | 无堆栈信息 | log.Printf("panic: %+v\n%s", err, debug.Stack()) |
| 响应控制 | 硬编码 500 | 封装 PanicError 类型，支持自定义状态码 |
| 中间件协作 | 阻断后续中间件 | panic 后仍调用 next.ServeHTTP（需配合 context.Cancel） |
流程演进
graph TD
A[HTTP 请求] --> B[中间件链入口]
B --> C{defer+recover}
C -->|panic 发生| D[捕获 + 日志 + 标准化错误]
C -->|正常执行| E[继续调用 next]
D --> F[返回结构化 JSON 错误]3.2 panic跨goroutine传播与net/http.Server panic recovery机制失效边界
Go 的 panic 不会跨 goroutine 自动传播，net/http.Server 的 RecoverPanics（默认启用）仅对 handler 执行 goroutine 中的 panic 有效。
handler 内直接 panic → 可被 recover
http.HandleFunc("/ok", func(w http.ResponseWriter, r *http.Request) {
panic("handled in main goroutine") // ← Server.recoverPanic 捕获并返回 500
})逻辑：http.Server.Serve 在调用 handler.ServeHTTP 时包裹 defer http.RecoverPanics，捕获当前 goroutine panic。
异步 goroutine 中 panic → recovery 失效
http.HandleFunc("/fail", func(w http.ResponseWriter, r *http.Request) {
go func() { panic("in spawned goroutine") }() // ← 无 defer，进程崩溃或未处理
})逻辑：新 goroutine 独立运行，Server 无任何机制监听其 panic；主 handler 返回后连接即关闭，错误静默丢失。
失效边界对比
| 场景 | 是否被 Server.RecoverPanics 捕获 |
后果 |
|---|---|---|
| handler 函数体 panic | ✅ | 返回 HTTP 500，日志记录 |
go func(){ panic() }() |
❌ | goroutine crash，无日志，可能泄漏资源 |
time.AfterFunc(..., func(){ panic() }) |
❌ | 同上，脱离 request 生命周期 |
graph TD
A[HTTP Request] --> B[main handler goroutine]
B --> C{panic?}
C -->|Yes, in B| D[RecoverPanics → 500]
C -->|No| E[Response written]
B --> F[spawn goroutine G]
F --> G[panic]
G --> H[Unrecoverable crash]3.3 结合zap日志与stacktrace捕获实现panic上下文精准归因
当程序发生 panic 时，仅记录错误消息往往无法定位根本原因。Zap 日志库本身不自动捕获堆栈，需主动集成 runtime/debug.Stack() 或 github.com/pkg/errors 等工具。
自动注入 panic 上下文的 zap Hook
type PanicHook struct{}
func (h PanicHook) Write(entry zapcore.Entry, fields []zapcore.Field) error {
if entry.Level == zapcore.PanicLevel {
fields = append(fields, zap.ByteString("stacktrace", debug.Stack()))
}
return nil
}该 Hook 在日志级别为 PanicLevel 时，将完整 goroutine 堆栈以字节流形式附加到日志字段中；debug.Stack() 返回当前所有 goroutine 的调用链，开销可控且无需外部依赖。
关键字段对比表
| 字段名 | 类型 | 说明 |
|---|---|---|
error |
string | panic 的原始 error 消息 |
stacktrace |
[]byte | 二进制堆栈快照（可转为字符串） |
caller |
string | panic 发生的源码位置（行号） |
日志链路增强流程
graph TD
A[panic occurred] --> B[recover + zap.Error]
B --> C[Hook 拦截 PanicLevel]
C --> D[注入 debug.Stack()]
D --> E[结构化 JSON 输出]第四章：连接池配置失当——被忽视的底层资源瓶颈
4.1 http.Transport核心参数（MaxIdleConns、MaxConnsPerHost、IdleConnTimeout）的协同调优原理
http.Transport 的连接复用能力高度依赖三者间的动态平衡：
MaxIdleConns控制全局空闲连接池上限；MaxConnsPerHost限制单域名最大并发连接数（含活跃+空闲）；IdleConnTimeout决定空闲连接存活时长。
协同约束关系
当 MaxIdleConns < MaxConnsPerHost 时，空闲连接可能被过早驱逐；
若 IdleConnTimeout 过短，而请求间隔波动大，则频繁重建连接，抵消复用收益。
典型配置示例
transport := &http.Transport{
MaxIdleConns: 100, // 全局最多100条空闲连接
MaxConnsPerHost: 50, // 每个host最多50条（含活跃）
IdleConnTimeout: 30 * time.Second, // 空闲超30秒即关闭
}逻辑分析：此处
MaxConnsPerHost=50保证单域名不会因突发请求耗尽资源；MaxIdleConns=100允许跨多个 host（如2个host）共享空闲连接池；IdleConnTimeout=30s需匹配后端服务的 keep-alive 超时，避免客户端提前断连。
参数影响对比表
| 参数 | 作用域 | 过小风险 | 过大风险 |
|---|---|---|---|
MaxIdleConns |
全局 | 连接复用率低，TLS握手开销上升 | 内存占用不可控 |
MaxConnsPerHost |
单 host | 请求排队阻塞，延迟升高 | 可能触发服务端限流 |
IdleConnTimeout |
单连接 | 频繁重连，CPU/网络抖动 | 持有失效连接，报错 EOF |
调优决策流程
graph TD
A[请求到达] --> B{连接池是否有可用空闲连接？}
B -- 是 --> C[复用连接]
B -- 否 --> D{当前 host 连接数 < MaxConnsPerHost？}
D -- 是 --> E[新建连接]
D -- 否 --> F[排队等待或返回错误]
C & E --> G[请求完成后归还至空闲池]
G --> H{空闲时间 > IdleConnTimeout？}
H -- 是 --> I[关闭连接]4.2 TLS握手耗时与TLSClientConfig.InsecureSkipVerify对连接复用率的隐式冲击
TLS握手是HTTP/1.1连接复用（keep-alive）与HTTP/2连接共享的前提。完整握手平均耗时 150–300ms（含RTT），而InsecureSkipVerify: true虽跳过证书校验，却强制禁用会话票据（Session Tickets）与会话ID缓存，导致每次请求均触发完整握手。
复用率下降的根因链
- 客户端启用
InsecureSkipVerify→ Go stdlib 自动清空Config.SessionTicketsDisabled = true - 服务端无法复用 TLS 会话 → 每次新建连接执行 full handshake
- 连接池中 idle conn 被快速淘汰（无 resumption 能力）
// 示例：危险配置导致复用失效
client := &http.Client{
Transport: &http.Transport{
TLSClientConfig: &tls.Config{
InsecureSkipVerify: true, // ⚠️ 隐式关闭 session resumption
// 缺失 SessionTicketsDisabled = false 的显式覆盖
},
},
}此配置使
tls.Config在初始化时将SessionTicketsDisabled设为true（见crypto/tls/common.go），彻底阻断 TLS session cache，即使连接池未超时，也无法复用加密上下文。
影响量化对比（单域名 100 QPS 场景）
| 配置 | 平均握手耗时 | 连接复用率 | 新建连接/秒 |
|---|---|---|---|
| 正常验证 + SessionTickets | 12ms（resumed） | 92% | 8 |
InsecureSkipVerify: true |
217ms（full） | 11% | 89 |
graph TD
A[HTTP Client 发起请求] --> B{TLSClientConfig.InsecureSkipVerify}
B -- true --> C[SessionTicketsDisabled = true]
B -- false --> D[启用 SessionTicket / SessionID 缓存]
C --> E[每次 full handshake]
D --> F[可 resumed handshake < 20ms]
E --> G[连接池命中率暴跌]
F --> H[高复用率维持]4.3 短连接风暴下连接池饥饿与TIME_WAIT泛滥的压测复现与指标观测
压测场景构造
使用 wrk 模拟每秒 2000 次短连接请求（无 keep-alive）：
wrk -t10 -c2000 -d30s --latency "http://localhost:8080/api/health"-t10：10 个线程并发-c2000：维持 2000 并发连接（瞬时创建/销毁）--latency：采集延迟分布
关键指标观测
| 指标 | 正常值 | 风暴后峰值 | 观测命令 |
|---|---|---|---|
netstat -ant \| grep TIME_WAIT \| wc -l |
> 32,000 | ss -s |
|
| 连接池活跃连接数 | 50–80 | 0（持续超时） | 应用层 Micrometer /actuator/metrics |
tcp_tw_reuse 状态 |
0（禁用） | — | sysctl net.ipv4.tcp_tw_reuse |
连接耗尽链路分析
graph TD
A[客户端发起短连接] --> B[服务端 accept 后立即 close]
B --> C[本地端进入 TIME_WAIT 状态]
C --> D[端口耗尽 → connect EADDRINUSE]
D --> E[连接池无法获取新连接 → 饥饿]根因定位逻辑
- TIME_WAIT 占用端口（默认 60s），2000 QPS × 60s = 理论上限 120,000 端口，但 Linux ephemeral port 范围通常仅
32768–65535（32768 个）； - 实际可用端口受
net.ipv4.ip_local_port_range与net.ipv4.tcp_fin_timeout共同约束； - 连接池（如 HikariCP）配置
maximumPoolSize=50，但底层 socket 创建失败时抛出SQLException: Connection is not available。
4.4 基于go-http-client-exporter的连接池健康度实时监控方案落地
核心监控指标设计
go-http-client-exporter 暴露以下关键指标：
http_client_pool_idle_connections（空闲连接数）http_client_pool_max_idle_connections（最大空闲连接数）http_client_pool_in_use_connections（活跃连接数）http_client_pool_wait_duration_seconds_sum（等待获取连接总耗时）
部署配置示例
# exporter.yaml
target: "http://localhost:8080"
metrics_path: "/metrics"
scrape_interval: "15s"该配置使 Prometheus 每15秒拉取一次目标服务的连接池指标；
target必须指向已集成go-http-client-exporter的 Go 应用实例，其需在 HTTP handler 中注册/metrics端点并注入http.Client的RoundTripper包装器。
健康度判定逻辑
| 指标组合 | 健康状态 | 触发条件 |
|---|---|---|
idle == 0 && in_use > 0.9*max |
高危 | 连接池长期饱和，存在请求排队风险 |
wait_duration_sum > 2.0 |
异常 | 平均等待超2秒，反映连接复用瓶颈 |
// 在客户端初始化处注入监控包装器
client := &http.Client{
Transport: httpexporter.NewInstrumentedRoundTripper(
http.DefaultTransport,
"http_client", // metrics namespace
),
}此代码将原生
http.Transport封装为可观测组件，自动采集连接生命周期事件；"http_client"作为指标前缀，确保命名空间隔离，避免与业务指标冲突。
第五章：三重暴击的协同效应与架构级防御体系
三重暴击的实战触发链
2023年某金融云平台遭遇一次典型复合攻击：攻击者先利用未修复的Log4j 2.17漏洞（JNDI注入）获取初始立足点；随后横向移动至Kubernetes控制平面，篡改ConfigMap注入恶意sidecar容器；最终通过劫持CI/CD流水线中的镜像签名验证环节，将带后门的nginx:1.23.3-alpine镜像推入生产集群。这并非孤立漏洞叠加，而是时间差、权限跃迁与信任链断裂形成的“三重暴击”——漏洞利用窗口（
防御体系的四层纵深设计
| 防御层级 | 技术组件 | 实施要点 | 生效延迟 |
|---|---|---|---|
| 基础设施层 | eBPF SecOps 模块 | 在Cilium中部署自定义tracepoint，实时捕获execveat系统调用中含/tmp/.X11-unix路径的异常进程 |
|
| 平台层 | OPA Gatekeeper v3.12 | 策略模板强制要求所有Pod必须声明securityContext.seccompProfile.type=RuntimeDefault且禁止hostNetwork:true |
准入控制阶段 |
| 应用层 | OpenTelemetry Collector + Falco | 将Falco规则输出为OTLP格式，与应用traceID关联，实现攻击行为与业务请求链路绑定 | 事件发生后800ms内告警 |
| 流水线层 | Sigstore Fulcio + Rekor | CI作业执行cosign verify --certificate-identity "https://github.com/org/repo/.github/workflows/ci.yml@refs/heads/main"校验签名 |
构建完成前阻断 |
自动化响应工作流
flowchart LR
A[Falco检测到可疑execveat] --> B{OPA策略引擎评估}
B -->|违反seccomp策略| C[自动注入networkpolicy隔离Pod]
B -->|符合策略但存可疑行为| D[调用Rekor API验证该镜像签名时效性]
D -->|签名过期或未签名| E[触发Argo CD rollback至上一已知安全版本]
D -->|签名有效| F[启动eBPF kprobe监控该进程内存映射]真实攻防对抗数据
某电商大促期间压测中，防御体系在37分钟内拦截12次模拟三重暴击攻击。其中第9次攻击尝试利用etcd备份S3桶密钥泄露+Kubelet凭证硬编码+Ingress Nginx Lua插件RCE组合路径，系统在攻击者执行kubectl exec -n kube-system pod/kube-controller-manager-xxx -- curl http://10.96.0.1:8001/api/v1/secrets命令后1.2秒内完成：①终止该Pod所有网络连接；②轮换etcd加密密钥；③向Slack安全频道推送含完整eBPF堆栈追踪的PDF报告（含bpf_trace_printk原始日志）。所有响应动作均通过HashiCorp Vault动态令牌驱动，避免静态凭证泄露风险。
架构演进关键决策
放弃传统WAF+EDR+SIEM三层堆叠模式，转向以eBPF为统一观测面、OPA为策略中枢、Sigstore为信任锚点的三角基座。当Kubernetes 1.28原生支持PodSecurity admission controller后，立即停用第三方PodSecurityPolicy控制器，并将全部217条安全策略迁移至Gatekeeper ConstraintTemplate，使策略变更生效时间从小时级压缩至秒级。所有防御组件均通过Service Mesh透明代理注入，确保Sidecar容器无法绕过监控——即使攻击者获得root权限，也无法卸载eBPF程序，因加载器已编译进Linux内核模块并启用CONFIG_BPF_JIT_ALWAYS_ON。
