这类问题我又碰上了一次。在链路里注入 100ms 延迟做演练，结果大量请求直接超时，客户端读超时设的正好是 100ms，而服务端 P99 基线本来就有 95ms。
第一反应是「重试把延迟叠加成三倍」，验证下来不成立。
把日志和配置对完，能解释这个现象的基本就这几处。注入值贴着客户端超时线，没有余量；客户端超时不包含排队时间；注入点放在链路最深处，前面的耗时没算进去。
量清楚基线延迟分布
python p99.py --metric latency --window 1h --quantiles 0.5,0.95,0.99随后按基线两成分档注入
python chaos.py --target api --latency 20ms,50ms,100ms --duration 5m同时观察超时率和重试次数
python watch.py --metrics timeout_ratio,retry_total --interval 15s等前面都确认过，再按档位回滚确认恢复
python chaos.py --target api --revert改完先别撤，确认这几项。每档注入下超时率可控，延迟到 100ms 时超时率上升但可解释，回滚后五分钟恢复到基线。
演练注入要从基线的一小部分开始，直接打到超时线只会得到一片红色，什么也验证不出来。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。