Add blank lines before headers

19_observability/19.3_performance_optimization.md

@@ -48,6 +48,7 @@
 **基本使用：**
 
 ```bash
+
 # 实时监控所有运行中的容器
 docker stats
 
@@ -89,6 +90,7 @@ done
 **性能指标解读：**
 
 ```bash
+
 # CPU % 超过 80%：需要增加 CPU 限制或优化应用
 # MEM % 接近 100%：容器即将 OOM，需要增加内存或排查内存泄漏
 # 如果 NET I/O 中 dropped 为非零：网络拥塞或丢包
@@ -132,6 +134,7 @@ networks:
 **从 cAdvisor 提取指标：**
 
 ```bash
+
 # 获取所有容器的 JSON 格式性能数据
 curl http://localhost:8080/api/v1.3/machine | jq .
 
@@ -145,6 +148,7 @@ curl http://localhost:8080/api/v1.3/docker/abc123/ | jq '.stats[-1]'
 **与 Prometheus 集成：**
 
 ```yaml
+
 # prometheus.yml 配置
 global:
   scrape_interval: 15s
@@ -259,6 +263,7 @@ scrape_configs:
 **常用的 Prometheus 查询（PromQL）：**
 
 ```text
+
 # 容器 CPU 使用百分比
 rate(container_cpu_usage_seconds_total[5m]) * 100
 
@@ -289,6 +294,7 @@ count(container_memory_usage_bytes) by (image)
 #### OOM 问题诊断
 
 ```bash
+
 # 检查容器是否因 OOM 被杀死
 docker inspect <container_id> | grep OOMKilled
 
@@ -310,6 +316,7 @@ journalctl -u docker -n 100 | grep -i "oom"
 **Python 应用内存泄漏检测：**
 
 ```python
+
 # Dockerfile
 FROM python:3.11-slim
 WORKDIR /app
@@ -321,6 +328,7 @@ CMD ["python", "-m", "memory_profiler", "app.py"]
 ```
 
 ```python
+
 # app.py - 内存泄漏示例
 from memory_profiler import profile
 import tracemalloc
@@ -347,6 +355,7 @@ print(f"Peak: {peak / 1024 / 1024:.2f} MB")
 **Java 应用内存分析：**
 
 ```bash
+
 # 在容器中启用 JVM 远程调试
 docker run -e JAVA_OPTS="-Xmx512m -Xms256m -XX:+UseG1GC" \
   -p 5005:5005 \
@@ -363,6 +372,7 @@ jstat -gc <pid> 1000  # 每秒采样一次
 #### 内存限制最佳实践
 
 ```bash
+
 # 为容器设置内存限制
 docker run -m 512m --memory-swap 1g myapp:latest
 
@@ -386,6 +396,7 @@ services:
 **内存超额提交（Memory Overcommit）：**
 
 ```bash
+
 # 在 Docker Compose 中区分限制和预留
 # limits：绝不能超过的最大值
 # reservations：Compose 排期时的参考值
@@ -407,6 +418,7 @@ services:
 **使用 dive 分析镜像层：**
 
 ```bash
+
 # 安装 dive
 wget https://github.com/wagoodman/dive/releases/download/v0.11.0/dive_0.11.0_linux_amd64.deb
 sudo apt install ./dive_0.11.0_linux_amd64.deb
@@ -420,6 +432,7 @@ dive myapp:latest
 **使用 Dockerfile 分析工具：**
 
 ```bash
+
 # 安装 hadolint
 curl https://github.com/hadolint/hadolint/releases/download/v2.12.0/hadolint-Linux-x86_64 -L -o hadolint
 chmod +x hadolint
@@ -433,6 +446,7 @@ chmod +x hadolint
 **Go 应用的最小化镜像构建：**
 
 ```dockerfile
+
 # Stage 1: 构建阶段
 FROM golang:1.20-alpine AS builder
 
@@ -469,6 +483,7 @@ ENTRYPOINT ["/app"]
 **Node.js 应用的多阶段构建：**
 
 ```dockerfile
+
 # Stage 1: 依赖安装
 FROM node:18-alpine AS dependencies
 
@@ -494,6 +509,7 @@ WORKDIR /app
 
 # 从依赖阶段复制 node_modules
 COPY --from=dependencies /app/node_modules ./node_modules
+
 # 从构建阶段复制构建产物
 COPY --from=builder /app/dist ./dist
 COPY --from=builder /app/package*.json ./
@@ -514,6 +530,7 @@ CMD ["node", "dist/index.js"]
 **Python 应用的多阶段构建：**
 
 ```dockerfile
+
 # Stage 1: 构建阶段
 FROM python:3.11-slim AS builder
 
@@ -550,6 +567,7 @@ CMD ["python", "app.py"]
 #### 镜像体积优化检查清单
 
 ```bash
+
 # 检查清单
 □ 使用精简基础镜像（Alpine、Distroless）
 □ 清理包管理器缓存（apt-get clean、rm -rf /var/cache/*）
@@ -585,6 +603,7 @@ RUN apt-get update && \
 症状：容器进程被无故杀死，exit code 137
 解决方案：
 ```bash
+
 # 增加内存限制
 docker update -m 1g <container_id>
 
@@ -603,6 +622,7 @@ docker run -m 512m --memory-swap 1g myapp:latest
 症状：应用性能突然下降，但 CPU 使用率不高
 诊断：
 ```bash
+
 # 查看 CPU 限流统计
 docker exec <container_id> cat /sys/fs/cgroup/cpu/cpu.stat
 
@@ -615,6 +635,7 @@ docker update --cpus 2 <container_id>
 
 诊断：
 ```bash
+
 # 进入容器检查网络状态
 docker exec <container_id> ip -s link show