重连风暴 8000 客户端同一秒挤回来把 CPU 顶到 100%

发版重启后 8 台网关在 2 秒内各收到 1000 多条握手，CPU 冲到 100%，握手 backlog 排到 3000，健康检查超时，剩下的机器也被摘掉。日志里能对上时间点，这种反而好排。

客户端重连写的是固定 1 秒后重试，服务恢复的瞬间所有连接同时回来，握手开销集中在一个时间窗。机器一慢握手更慢，客户端等不到就再重试，正反馈把集群压垮。这一点先确认清楚，后面就不用反复试。

const base = Math.min(30000, 1000 * 2 ** retry);
const delay = base / 2 + Math.random() * base / 2;
setTimeout(connect, delay);

「重连风暴」排查到最后往往是很小的一处差异，前面那些复杂猜测可以先放一放。线上出问题先对时间点，跟发布、备份、任务执行的时刻排一排，能省掉一半功夫。

处理上按这个顺序：重连间隔改成指数退避 1 2 4 8 秒并加随机抖动 抖动取间隔的一半；服务端握手阶段限速 按 IP 或连接数排队 超出回 503；发版先摘流量再重启 让客户端自然迁移；加全局重连次数上限 超过就提示用户刷新。

结果对不对很好判断，重启后 30 秒内握手峰值从 8000 降到 1500 左右 健康检查不再超时。