CPU 100% 还不挂？
首先要纠正一个误区：CPU 100% 意味着计算资源被占满，而不是系统崩溃。
在操作系统看来： 只要内核（Kernel）还能分配时间片，系统就在运行。
在应用看来： 100% 意味着处理请求变慢（排队），但如果处理速度依然大于新请求进入的速度，它就不会崩。
真正让系统挂掉的通常不是 CPU 满了，而是：
内存溢出（OOM）： 随着请求堆积，内存被耗尽，系统强制杀死进程。
雪崩效应： 上游超时重试，导致下游压力成倍增长，最终全线崩溃。
大厂如何应对？
首先，微服务与拆分化架构将单一应用拆分为多个独立服务。
使得某一进程、或节点的过载，不会直接导致整体不可用。
结合负载均衡与服务发现，流量可动态分配至健康实例，缓解局部 CPU 峰值。
其次，容量预留与弹性伸缩策略是核心手段。
通过横向扩容、容器化与自动伸缩（Auto Scaling）。
当某些实例 CPU 长时间高企时，新实例会被快速拉起分担请求。
同时采用资源隔离（cgroups、容器限制）与 QoS 策略。
确保关键业务获得优先调度，降低“雪崩”风险。
第三，异步化与降级策略降低峰值压力。
大厂普遍将，非关键路径改为异步处理，比如：消息队列、流水线化任务。
并设计合理的超时与重试机制，当后端压力过大时，采用功能降级。
返回缓存，或限流策略以保护核心能力，维持可用性而非完美功能性。
第四，智能调度与观测体系提供实时响应能力。
完善的监控、告警与链路追踪能够在 CPU 异常时迅速定位瓶颈。
结合调度器与运维自动化，能在问题扩散前进行流量回撤、实例替换或策略调整。
性能剖析与容量测试亦帮助提前发现并优化热点代码或资源竞争。
mikechen睿哥
10年+一线大厂架构实战经验，操盘多个亿级大厂核心项目，就职于阿里、淘宝等一线大厂。