现场是这样的。用 Prometheus 抓 vLLM 0.6.3 的指标，配置里写的路径是 /stats，target 一直是 DOWN，手工 curl 也是 404，换成另一个路径立刻有数据。
中间走过弯路，把「抓取端口写成了业务端口之外的另一个端口」当成主因，改完现象没变。
排查方向其实有限，先把可能性排一排。指标暴露路径是 /metrics，不是自行推测的 /stats；启动参数里加了关闭指标的开关；服务挂在子路径下，需要 rewrite 才能命中。
手工探测真实路径返回什么状态码
curl -s -o /dev/null -w "%{http_code}\n" http://127.0.0.1:8000/metrics然后确认启动命令没有禁用统计
python -c "print('不要加 --disable-log-stats')"再往下改完配置后热加载
curl -X POST http://127.0.0.1:9090/-/reload直接查 target 的健康状态
curl -s http://127.0.0.1:9090/api/v1/targets | findstr health那几天正好在做别的变更，先把时间线对齐才敢动手。
排查用的命令都是临时敲的，没有写成脚本，事后才整理。
恢复的判定其实很直接。target 状态为 up，vllm:num_requests_running 能查到连续数据点，抓取间隔内没有断点。
路径写错的表现为 404 而不是连接失败，看到 DOWN 先手工 curl 一次，比反复翻配置快。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。