最近我们遇到了无法连接 Redis 集群上的多个主服务器的情况。
来自我们代码库的连接超时了。在此期间，我们也无法通过 SSH 进入该框，这实际上就是将我们锁定了。
这种情况发生过多次，每次 CPU 使用率都在 20% 左右，内存使用率也在 20% 左右。每次事件期间的 tcp 连接数在 7k 到 12k 之间变化，远低于我们预期的警戒水平。
已建立的连接继续正常运行。这些现有连接中有我们的指标导出器，因此它们仍能收集有关连接/CPU 等方面的指标。
随着现有连接的消失，网络输入/输出将慢慢下降，而新的连接根本无法连接，就好像被服务器拒绝了一样。
我们已经检查了 SOMAXCONN 和可用文件描述符等设置，但仍然无法确定无法建立新连接的原因，因为在发生事件之前我们检查的任何统计数据中都没有明显异常。
这些服务器在 AWS 上的 x2gd.medium 实例类型上运行 Amazon Linux 2。
当大多数流量在另一个端口上时，无法通过 SSH 登录似乎很奇怪。
有谁知道为什么所有明显的指标看起来都正常但连接却无法建立？