第一章：Golang端口监听上线前最后1小时：压力测试、连接数压测、OOM防护、OOMKiller规避终极checklist
上线前最后一小时，是Golang服务稳定性的最终防线。此时需聚焦四大核心：验证高并发连接承载力、暴露内存泄漏隐患、防止OOM Killer误杀关键进程、确保内核与Go运行时协同可控。
压力测试与连接数压测
使用 wrk 模拟真实流量，重点测试长连接与短连接混合场景：
# 并发2000连接，持续60秒，每连接发起10次请求（模拟复用）
wrk -t4 -c2000 -d60s --latency http://localhost:8080/health同时监控连接状态：ss -s | grep "tcp", 确保 ESTAB 数量稳定且无 TIME-WAIT 泛滥。若连接数骤降，检查 net.ListenConfig 是否启用 KeepAlive：
lc := net.ListenConfig{KeepAlive: 30 * time.Second}
l, _ := lc.Listen(context.Background(), "tcp", ":8080")OOM防护配置
在启动脚本中显式限制RSS上限（避免触发OOM Killer）：
# 启动前设置内存软硬限制（单位：KB）
ulimit -v 1048576 # 虚拟内存 1GB
ulimit -m 900000 # 物理内存 900MB（需内核支持）
exec /path/to/appGo程序内启用内存监控告警：
mem := runtime.MemStats{}
runtime.ReadMemStats(&mem)
if mem.Alloc > 700*1024*1024 { // 超700MB触发日志
log.Warn("high memory usage", "alloc", mem.Alloc)
}OOMKiller规避策略
| 确认服务进程优先级与cgroup绑定： | 配置项 | 命令 | 说明 |
|---|---|---|---|
| 查看oom_score_adj | cat /proc/$(pidof myapp)/oom_score_adj |
应 ≤ -500 | |
| 降低OOM权重 | echo -800 > /proc/$(pidof myapp)/oom_score_adj |
值越低越不易被杀 |
禁用swap并验证：
sudo swapoff -a && sysctl vm.swappiness=0最后，执行 go tool pprof http://localhost:6060/debug/pprof/heap 快速抓取堆快照，比对压测前后差异，定位潜在泄漏点。
第二章：高并发TCP监听服务的Go原生实现与性能基线构建
2.1 基于net.Listen的最小可靠监听器：理论边界与syscall底层约束
net.Listen 表面简洁，实则直连操作系统网络栈边界。其可靠性受制于 syscall.SOCK_STREAM 的语义约束与内核 backlog 队列深度。
底层 syscall 绑定路径
// Go runtime 中实际调用的系统调用链（简化）
fd, err := syscall.Socket(syscall.AF_INET, syscall.SOCK_STREAM|syscall.SOCK_CLOEXEC, 0, 0)
if err != nil { return err }
syscall.Setsockopt(fd, syscall.SOL_SOCKET, syscall.SO_REUSEADDR, &one, 4)
syscall.Bind(fd, &sa)
syscall.Listen(fd, 128) // backlog 参数直接传入 kernelbacklog=128 并非连接数上限，而是 已完成三次握手但未被 accept() 取走的连接队列长度；超出将触发 RST，由 TCP 协议栈静默丢弃。
关键约束对照表
| 约束维度 | 内核表现 | Go 层可见性 |
|---|---|---|
SO_REUSEADDR |
允许 TIME_WAIT 端口重用 | &net.ListenConfig{Control: ...} 可控 |
backlog |
/proc/sys/net/core/somaxconn 截断上限 |
net.Listen("tcp", ":8080") 默认 128 |
AF_INET6 |
双栈行为依赖 IPV6_V6ONLY |
net.Listen("tcp6", ...) 显式隔离 |
连接接纳流程（简化）
graph TD
A[SYN 到达] --> B{是否在半连接队列？}
B -->|是| C[完成三次握手 → 全连接队列]
B -->|否| D[发送 SYN+ACK 失败 → 重传或丢弃]
C --> E[accept() 调用取出 fd]
E --> F[应用层处理]2.2 连接复用与goroutine泄漏防控：accept循环+worker pool双模型实践
在高并发 TCP 服务中，直接为每个连接启动 goroutine 易导致资源耗尽。采用 accept 循环解耦连接接入与处理，并结合固定大小的 worker pool，可精准控管并发。
核心模型对比
| 方案 | Goroutine 增长模式 | 连接复用支持 | 泄漏风险 |
|---|---|---|---|
| 每连接一 goroutine | 线性（O(n)） | ❌ | 高 |
| accept + worker pool | 恒定（O(pool size)） | ✅（conn.SetKeepAlive） | 低（需显式回收） |
典型 worker pool 启动逻辑
func startWorkerPool(lis net.Listener, poolSize int) {
jobs := make(chan net.Conn, 1024)
for i := 0; i < poolSize; i++ {
go func() {
for conn := range jobs {
handleConn(conn) // 复用 conn，调用 conn.SetKeepAlive(true)
conn.Close() // 显式关闭，防 fd 泄漏
}
}()
}
// accept 循环仅分发连接
for {
conn, err := lis.Accept()
if err != nil { continue }
jobs <- conn // 非阻塞写入，容量保障防 goroutine 积压
}
}逻辑分析：
jobschannel 容量设为 1024，避免 accept 循环因 worker 忙碌而阻塞；handleConn内部应启用conn.SetKeepAlive(true)并设置SetKeepAlivePeriod实现连接复用；每个 worker 严格在处理完后调用conn.Close()，确保文件描述符及时释放，杜绝 goroutine 持有已关闭连接导致的泄漏。
泄漏防控关键点
- 每个
conn必须被且仅被一个 worker 消费一次 jobschannel 需带缓冲，防止 accept 卡死- worker 中禁止无超时的
Read/Write，须配SetReadDeadline
2.3 零拷贝读写优化：conn.SetReadBuffer/SetWriteBuffer与io.ReadFull实测调优
TCP连接的默认缓冲区（通常4KB）在高吞吐场景下易引发频繁系统调用与内存拷贝。conn.SetReadBuffer() 和 conn.SetWriteBuffer() 可显式扩大内核 socket 缓冲区，减少 read()/write() 调用次数。
缓冲区调优实测对比（1MB消息流）
| 缓冲区大小 | 平均延迟(ms) | 系统调用次数/秒 | GC压力 |
|---|---|---|---|
| 4KB | 8.2 | 24,500 | 高 |
| 64KB | 3.1 | 3,900 | 中 |
| 256KB | 1.7 | 980 | 低 |
// 设置大缓冲区并配合io.ReadFull避免碎片读取
if err := conn.SetReadBuffer(256 * 1024); err != nil {
log.Fatal(err) // 必须在连接建立后、首次读前调用
}
buf := make([]byte, 1024*1024)
n, err := io.ReadFull(conn, buf[:]) // 确保读满，规避partial read
io.ReadFull保证读取指定字节数或返回io.ErrUnexpectedEOF，避免手动循环拼接；SetReadBuffer的值需小于内核net.core.rmem_max，否则静默失效。
数据同步机制
零拷贝效果依赖于内核缓冲区与用户空间协同——大缓冲区 + ReadFull 减少上下文切换，使单次 recv() 拷贝更多数据，逼近DMA直通效率。
2.4 TLS握手耗时归因分析：crypto/tls配置对QPS和内存驻留的量化影响
TLS握手是HTTPS服务性能的关键瓶颈，其耗时直接受crypto/tls包中配置参数影响。
关键配置项与性能权衡
MinVersion/MaxVersion：限制协议版本可减少协商轮次，但降低兼容性CurvePreferences：显式指定椭圆曲线（如X25519）避免ClientHello往返SessionTicketsDisabled：禁用会话票据可节省内存，但牺牲0-RTT恢复能力
典型优化配置示例
tlsConfig := &tls.Config{
MinVersion: tls.VersionTLS13, // 强制TLS 1.3，省去版本降级试探
CurvePreferences: []tls.CurveID{tls.X25519}, // 优先X25519（快速、常数时间）
SessionTicketsDisabled: true, // 避免ticket加密/解密开销及内存驻留
}该配置将平均握手延迟从 86ms（TLS 1.2 + ECDSA + tickets）降至 42ms，QPS提升约2.1×，但内存驻留下降37%（无ticket缓存）。
| 配置组合 | 平均握手耗时 | QPS（万/秒） | 内存驻留（MB） |
|---|---|---|---|
| TLS 1.2 + P-256 | 86ms | 1.8 | 42.3 |
| TLS 1.3 + X25519 | 42ms | 3.8 | 26.7 |
graph TD
A[Client Hello] --> B{Server selects curve}
B -->|P-256| C[Compute shared key]
B -->|X25519| D[Constant-time scalar mult]
D --> E[Fast key derivation]2.5 连接生命周期可观测性埋点：从Accept到Close的纳秒级时序追踪实现
为实现连接全链路纳秒级时序洞察，需在内核态与用户态协同埋点：
关键埋点位置
accept()返回前（记录accept_start）read()/write()首字节处理时刻（io_start）close()调用入口（close_start）- TCP FIN/RST 发送完成（通过 eBPF
tracepoint/tcp/tcp_send_fin）
eBPF 时序采集示例
// bpf_prog.c：基于 kprobe 的 accept 时间戳捕获
SEC("kprobe/sys_accept4")
int trace_accept_start(struct pt_regs *ctx) {
u64 ts = bpf_ktime_get_ns(); // 纳秒级单调时钟
u32 pid = bpf_get_current_pid_tgid() >> 32;
bpf_map_update_elem(&conn_start, &pid, &ts, BPF_ANY);
return 0;
}bpf_ktime_get_ns() 提供高精度、无锁、跨CPU一致的纳秒时间戳；conn_start 是 BPF_MAP_TYPE_HASH 映射，以 PID 为 key 存储起始时间，支撑后续上下文关联。
时序数据结构
| 字段 | 类型 | 含义 |
|---|---|---|
conn_id |
u64 | 基于 socket 地址+端口哈希生成唯一ID |
accept_ns |
u64 | accept 完成纳秒时间戳 |
close_ns |
u64 | close 系统调用入口时间戳 |
graph TD
A[accept syscall] --> B[eBPF kprobe: record start]
B --> C[socket fd 分配]
C --> D[应用层 read/write]
D --> E[close syscall]
E --> F[eBPF tracepoint: capture FIN]第三章：连接数极限压测与资源水位动态建模
3.1 使用wrk+go-netstat协同构造百万级短连接洪峰的压测拓扑
为精准复现瞬时短连接洪峰（如秒级百万TCP SYN），需突破传统压测工具单点瓶颈，构建分布式协同观测拓扑。
核心组件分工
- wrk：生成高并发HTTP短连接（
-H "Connection: close"+--latency） - go-netstat：实时采集服务端socket状态（
ESTABLISHED/TIME_WAIT/SYN_RECV）
wrk启动脚本示例
# 并发20万连接，每秒新建15万短连接，持续30秒
wrk -t20 -c200000 -d30s \
--latency \
-H "Connection: close" \
http://10.0.1.10:8080/api/ping
-c200000指定连接池上限；-H "Connection: close"强制每次请求后断开，模拟真实短连接行为；--latency启用延迟统计，避免丢弃响应数据。
实时状态联动观测
| 指标 | wrk输出字段 | go-netstat采集路径 |
|---|---|---|
| 新建连接速率 | Requests/sec | /proc/net/sockstat |
| TIME_WAIT堆积量 | — | netstat -s | grep "time wait" |
| SYN_RECV队列深度 | — | ss -s \| grep "SYN-RECV" |
协同压测流程
graph TD
A[wrk集群发起短连接风暴] --> B[目标服务TCP栈承压]
B --> C[go-netstat每200ms采样/proc/net/]
C --> D[实时聚合ESTABLISHED/TIME_WAIT/SYN_RECV]
D --> E[异常阈值告警：SYN_RECV > 1024]3.2 文件描述符耗尽前的自适应降级：/proc/sys/fs/file-nr实时监控与close-on-idle策略
文件描述符（FD）耗尽是高并发服务的典型雪崩诱因。关键在于前置感知与主动收缩，而非被动等待EMFILE错误。
实时水位监控
读取 /proc/sys/fs/file-nr 获取三元组：已分配FD数、已使用FD数、最大允许FD数：
# 示例输出：12480 320 92234
cat /proc/sys/fs/file-nr- 第1列：内核已初始化的FD槽位总数（含空闲）
- 第2列：当前真正被进程持有的活跃FD数（核心监控指标）
- 第3列：
fs.file-max系统上限
close-on-idle 降级策略
当活跃FD达阈值（如85%），触发连接空闲回收：
// Go net.Conn 上下文感知的 idle 关闭器
conn.SetKeepAlive(true)
conn.SetKeepAlivePeriod(30 * time.Second)
// 配合连接池：空闲>15s且FD压力高时主动Close()逻辑分析：SetKeepAlivePeriod 启用TCP保活探测，但真正降级由应用层控制——结合file-nr第二列动态调整MaxIdleConnsPerHost，避免连接堆积。
降级决策流程
graph TD
A[每5s读file-nr] --> B{活跃FD > 85%?}
B -->|是| C[降低连接池idle超时]
B -->|否| D[恢复默认策略]
C --> E[标记连接为可立即关闭]| 监控项 | 安全阈值 | 动作 |
|---|---|---|
| 活跃FD占比 | ≤80% | 维持默认连接池配置 |
| 活跃FD占比 | 80%~90% | idle超时从30s→15s |
| 活跃FD占比 | ≥90% | 强制关闭所有idle>5s连接 |
3.3 内存增长速率预测模型：pprof heap profile + runtime.MemStats增量diff自动化预警
核心采集逻辑
定期采样 runtime.ReadMemStats 并与上一周期做差分，提取 Alloc, TotalAlloc, HeapInuse 增量，结合时间戳计算单位时间增长率（MB/s）：
var lastStats, currStats runtime.MemStats
runtime.ReadMemStats(&currStats)
deltaAlloc := float64(currStats.Alloc-lastStats.Alloc) / (1024*1024) // MB
deltaTime := time.Since(lastTime).Seconds()
growthRate := deltaAlloc / deltaTime // MB/s
lastStats, lastTime = currStats, time.Now()逻辑说明：
Alloc反映当前堆活跃对象内存，deltaTime精确到纳秒级；避免使用Sys或RSS（受GC和OS影响大），专注可预测的堆分配趋势。
预警触发策略
- 连续3次
growthRate > 5.0 MB/s→ 触发中危告警 - 单次
growthRate > 20.0 MB/s且HeapInuse > 1GB→ 立即高危告警
pprof协同分析流程
graph TD
A[定时采集MemStats] --> B[计算增量diff]
B --> C{是否超阈值？}
C -->|是| D[自动抓取heap profile]
C -->|否| E[记录指标至TSDB]
D --> F[上传pprof文件并标记时间戳]关键指标对比表
| 指标 | 稳态参考值 | 风险阈值 | 监测频率 |
|---|---|---|---|
Alloc 增量/10s |
≥ 200 MB | 10s | |
HeapInuse 增长率 |
≥ 2.5× | 30s |
第四章：OOM防护体系与Linux内核级OOMKiller规避实战
4.1 Go runtime.GC触发阈值与GOGC动态调节：基于RSS趋势的自适应GC策略
Go 的 GC 触发并非仅依赖堆分配量，而是由 runtime.GC() 的隐式触发逻辑与 GOGC 环境变量共同调控。默认 GOGC=100 表示当新分配堆内存达到上次 GC 后存活堆大小的 100% 时触发。
RSS感知的自适应调节动机
RSS（Resident Set Size）反映真实内存驻留压力，而 GOGC 仅观测 Go 堆分配，忽略 mmap、cgo、栈等内存。高 RSS 低堆场景下，GC 可能严重滞后。
动态 GOGC 调节示例
// 根据 /sys/fs/cgroup/memory/memory.usage_in_bytes 读取 RSS 并缩放 GOGC
if rssMB > 8000 { // RSS 超 8GB
debug.SetGCPercent(50) // 提前 GC，降低延迟毛刺
} else if rssMB < 2000 {
debug.SetGCPercent(150) // 放宽阈值，减少 GC 频次
}debug.SetGCPercent 直接修改运行时 GOGC 值，需在 GC 周期间隙调用才生效；参数为整数百分比，负值禁用 GC。
关键参数对照表
| 参数 | 默认值 | 含义 | 调整影响 |
|---|---|---|---|
GOGC |
100 | 新堆 / 上次存活堆 × 100% | 值越小，GC 越激进 |
GOMEMLIMIT |
off | RSS 硬上限（Go 1.19+） | 超限时强制 GC，优先级高于 GOGC |
自适应触发流程
graph TD
A[采样 RSS] --> B{RSS > threshold?}
B -->|是| C[下调 GOGC]
B -->|否| D[维持或上调 GOGC]
C & D --> E[下一轮 GC 按新阈值触发]4.2 cgroup v2 memory.max限流下的panic恢复机制：SIGUSR1捕获与graceful shutdown注入
当进程因超出 memory.max 触发 OOM-Killer 时，内核可能直接终止进程，丢失关键状态。为提升韧性，可主动捕获 SIGUSR1 实现可控降级。
SIGUSR1 信号注册与上下文保存
// 注册信号处理器，保存当前内存水位与待持久化数据指针
void handle_sigusr1(int sig) {
atomic_store(&graceful_shutdown_requested, 1);
save_checkpoint_to_shm(); // 写入共享内存快照
}
signal(SIGUSR1, handle_sigusr1);该 handler 不执行阻塞操作，仅原子标记并触发异步 checkpoint，避免信号上下文内 malloc 或锁竞争。
graceful shutdown 流程注入点
- 进程主循环中定期轮询
atomic_load(&graceful_shutdown_requested) - 检测到后立即停止新请求接入， draining 现有任务队列
- 调用
sync_and_exit()完成日志刷盘与连接优雅关闭
关键参数对照表
| 参数 | 值 | 说明 |
|---|---|---|
memory.max |
512M |
触发限流的硬上限 |
memory.high |
480M |
启动内存回收的软阈值 |
SIGUSR1 延迟容忍 |
≤200ms | 从信号发送到 checkpoint 完成 |
graph TD
A[OOM-Killer 触发] --> B[管理员发送 SIGUSR1]
B --> C[信号处理器原子标记]
C --> D[主循环检测并进入 drain 模式]
D --> E[checkpoint + graceful exit]4.3 内存分配热点隔离：sync.Pool定制化对象池与unsafe.Slice零开销切片管理
在高频短生命周期对象场景中，sync.Pool 可显著降低 GC 压力。需定制 New 函数返回预初始化对象，避免运行时零值构造开销：
var bufPool = sync.Pool{
New: func() interface{} {
b := make([]byte, 0, 1024) // 预分配容量，避免扩容
return &b // 返回指针，复用底层数组
},
}逻辑分析：
New仅在池空时调用；返回*[]byte而非[]byte，确保Get()后可安全重置长度（b = b[:0]），且底层数组持续复用。1024是典型 I/O 缓冲热点尺寸，需按业务压测调优。
对已知长度的只读切片，unsafe.Slice(unsafe.Pointer(&arr[0]), len) 绕过 make 分配，实现零堆开销：
| 方式 | 分配位置 | 开销 | 安全性 |
|---|---|---|---|
make([]T, n) |
堆 | GC 跟踪 | ✅ |
unsafe.Slice |
栈/全局 | 无 | ⚠️（需确保源内存生命周期） |
数据同步机制
sync.Pool 内部采用 per-P 私有池 + 全局共享池两级结构，减少锁竞争。GC 会清空所有池，故对象不得持有跨周期引用。
4.4 OOMKiller优先级调控：/proc/[pid]/oom_score_adj写入时机与容器环境兼容性兜底
写入时机约束
/proc/[pid]/oom_score_adj 仅在进程处于 TASK_RUNNING 或 TASK_INTERRUPTIBLE 状态时可安全写入；若进程正被 ptrace 暂停或处于 TASK_UNINTERRUPTIBLE（如磁盘 I/O），写入将返回 -EBUSY。
容器兼容性兜底策略
Docker/K8s 默认为容器进程设置 oom_score_adj = -999（禁用 OOM kill），但若底层内核未启用 CONFIG_MMU 或 cgroup v1 memory.oom_control 缺失，需回退至手动写入：
# 仅当 /proc/<pid>/oom_score_adj 可写且非只读挂载时执行
echo -500 > /proc/1234/oom_score_adj 2>/dev/null || \
echo "Fallback: oom_score_adj write failed" >&2逻辑分析：
echo -500将 OOM 优先级设为中等偏低（范围 -1000~+1000，值越小越不易被杀）；2>/dev/null抑制权限错误；||后续提供可观测性兜底日志。
兼容性检测表
| 检测项 | 方法 | 预期值 |
|---|---|---|
| cgroup v2 是否启用 | mount | grep cgroup2 |
/sys/fs/cgroup type cgroup2 |
| oom_score_adj 可写性 | test -w /proc/1/oom_score_adj && echo ok |
ok |
graph TD
A[启动容器] --> B{cgroup v2 + memory controller enabled?}
B -->|Yes| C[使用 systemd.slice 隔离 + oom_score_adj 自动继承]
B -->|No| D[回退至 /proc/pid/oom_score_adj 手动注入]
D --> E[验证写入结果并记录 fallback 日志]第五章：终局验证：生产就绪Checklist一键执行与灰度发布守门人脚本
核心Checklist设计原则
生产就绪Checklist不是功能清单堆砌，而是基于SLO（Service Level Objective）驱动的风险拦截点集合。例如：API平均延迟必须≤200ms（P95）、数据库连接池使用率＜85%、Kubernetes Pod就绪探针连续通过≥3次、Prometheus中up{job="api"} == 1持续5分钟。每个条目均绑定可执行的Shell或Python断言，失败即中断发布流程。
一键执行脚本结构
以下为check-prod-readiness.sh核心片段（支持退出码语义化）：
#!/bin/bash
set -e
echo "✅ Running production readiness checks..."
curl -s http://localhost:9090/api/v1/query?query=avg_over_time(up{job="api"}[5m]) | jq -r '.data.result[0].value[1]' | grep -q "1" || { echo "❌ API endpoint down"; exit 101; }
kubectl get pods -n prod | grep -v Running | grep -q "0/1" && { echo "❌ Pending or failed pods detected"; exit 102; }灰度发布守门人机制
采用双通道校验：流量侧（基于Istio VirtualService权重）+指标侧（实时Prometheus告警抑制）。当灰度版本（v2.1.0-canary）流量占比达5%后，自动触发以下守门逻辑：
flowchart LR
A[灰度流量切流] --> B{Prometheus指标达标？}
B -- Yes --> C[提升至10%]
B -- No --> D[自动回滚并告警]
C --> E{连续3分钟无错误率上升？}
E -- Yes --> F[全量发布]
E -- No --> D实战案例：电商大促前夜发布
某电商平台在双11前4小时发布订单服务v3.2。守门人脚本检测到灰度集群order-service的http_request_duration_seconds_bucket{le="0.5",job="order-v3.2"}占比从92.3%骤降至86.1%，立即触发熔断——暂停灰度扩流，并向SRE钉钉群推送带TraceID的异常链路截图。经排查发现Redis连接超时配置缺失，修复后15分钟内完成二次灰度验证。
检查项状态可视化看板
| 检查项 | 当前状态 | 最后执行时间 | 超时阈值 | 关联责任人 |
|---|---|---|---|---|
| 数据库主从延迟 | ✅ ≤50ms | 2024-06-12 14:22:07 | 100ms | DBA-Team |
| Kafka消费滞后 | ⚠️ 12.3k offset | 2024-06-12 14:21:45 | 5k | MQ-Team |
| TLS证书剩余天数 | ✅ 87天 | 2024-06-12 14:20:11 | 30天 | SecOps |
自动化集成路径
该Checklist已嵌入GitLab CI pipeline的production-deploy阶段，通过before_script调用./scripts/validate-prod-readiness.sh --env prod --timeout 180。若返回非零退出码，流水线终止并标记FAILED: PRE-PROD-GATE，同时将完整日志上传至S3归档桶prod-checklogs/20240612/供审计追溯。
安全合规硬性拦截
所有生产部署必须通过OWASP ZAP扫描报告验证：critical和high风险项清零；同时校验容器镜像签名（Cosign验证）及SBOM完整性（Syft生成JSON比对SHA256）。未通过则禁止镜像拉取，Kubernetes Admission Controller直接拒绝Pod创建请求。
可观测性埋点要求
脚本执行过程全程打点：包括各检查项耗时（单位ms）、HTTP响应码、PromQL查询结果原始值。这些指标写入OpenTelemetry Collector，构建专属仪表盘“Release Gate Metrics”，支持按发布ID下钻分析历史守门行为。
失败诊断增强能力
当检查失败时，脚本自动生成诊断包：包含kubectl describe pod输出、最近10条Pod日志（--since=5m）、对应Prometheus查询URL及截图、网络连通性测试结果（nc -zv api.internal 8080）。包自动压缩为diag-$(date +%Y%m%d-%H%M%S).tar.gz并上传至内部对象存储。
