03:17 p99 ушел с 800 мс в 9 секунд, Traefik сыпал 502 и 504, мониторинг объявил смерть медленного микросервиса. На деле под отвечал, просто GC и холодный кэш давали первый ответ за 700-900 мс. Дефолтная логика повторов восприняла медлительность как отказ и начала лечить ее новой нагрузкой. Диагностика показала другую картину: nstat -az дал рост TcpRetransSegs и TcpExtTCPTimeouts, ss -s фиксировал тысячи TIMEWAIT, conntrack -C подходил к nfconntrackmax, а traefikentrypointrequeststotal рос быстрее, чем число внешних запросов. Один клиентский вызов превращался в четыре бэкенд-вызова, каждый держал сокет, коннекшн и место в очереди воркеров. Поверхностный аптайм был зеленым, ядро уже платило за дубли. Экономика отказа проста и цинична: вендоры продают ретраи как бесплатную надежность, а счет приходит железом и людьми. Четырехкратный шторм требует четырехкратного запаса по CPU, сокетам и conntrack, то есть ты заранее покупаешь мощность под собственную ошибку конфигурации. Для TCO дешевле один честный таймаут и быстрый отказ пользователю, чем скрытый налог на инфраструктуру каждую ночь. Лечение: retries отключить для неидемпотентных методов, для остальных поставить жесткий бюджет повторов, общий дедлайн на цепочку, экспоненциальный backoff с джиттером и circuit breaker по доле ошибок. Проверка та же: повторы в метриках падают, retransmit возвращается к фону, p99 режется без новых нод. Подробности: https://ftops.space/?utm*source=telegram&utm*medium=smm&utm*campaign=ftops&utm*content=traefik-ingress-retry-storms-kak-de — сверяй метрики до и после выкатки.