私有镜像仓库出问题时的排查顺序：从现象到根因

garbage-collect 要在只读模式或停服时跑，边写边清可能删掉正在推送的层

正确的第一步是分类：起不来、连不上、跑得慢，三条路完全不同。

先说结论

先分三类，再由外向内查：网络、进程、配置、依赖、资源。

• 先确认现象能复现，且能描述清楚
• 由外向内：端口、进程、配置、依赖、资源
• 读第一条错误，不是最后一条
• 改一个变量，验证一次，别一次改五处
• 留下记录：现象、假设、验证、结论

第一类：起不来

先看进程在不在，再看它为什么退出：garbage-collect 要在只读模式或停服时跑，边写边清可能删掉正在推送的层。

• 查看服务状态与最近日志（不是全部日志）
• 确认端口是否被占用、权限是否足够
• 确认配置文件语法（多数服务支持 test 模式）
• 确认依赖的数据目录存在且可写

第二类：连不上

按「本机、网络、代理、应用」四层查：

第三类：跑得慢

私有仓库默认走 HTTP，Docker 要把它加进 insecure-registries 才能推。

慢的问题先分清是「等」还是「算」：CPU 高是算，CPU 低但延迟高是等（IO、锁、网络）。

这个服务的高频故障点

同类的坑基本集中在这些位置：

• registry 删除 manifest 只是打标记，要跑 garbage-collect 才真正释放磁盘
• garbage-collect 要在只读模式或停服时跑，边写边清可能删掉正在推送的层
• Harbor 的漏洞扫描依赖外部 Trivy，首次扫一个 1GB 镜像要 1-2 分钟

别做的事

gc 时还在推送，正在写的层被清掉，push 报 blob unknown

仓库没配 TLS 就暴露在公网，凭据是明文 Basic Auth

一次改多个参数，会让下一次故障更难查。

把结论写下来

排查记录不是给别人看的，是给三个月后的自己看的。Harbor 的漏洞扫描依赖外部 Trivy，首次扫一个 1GB 镜像要 1-2 分钟。

排障能力不是知道更多命令，是知道先查什么。