问题出现得很突然，日志倒是留得挺全。三台四核八 G 压测机做 JMeter 分布式压测，聚合报告里 TPS 在四千到九千之间来回跳，单看每台 slave 都正常，合并后的响应时间曲线是锯齿形。
刚开始盯着「脚本里塞了定时器和断言，客户端开销盖过了服务端」，折腾了半个多小时，排掉了。
这类报错背后常见的原因有几处，逐个排除就行。三台机器没做 NTP 同步，聚合时按时间戳归并对不齐。还有一种是slave 的 JVM 堆太小，压测中频繁 Full GC。
不容易想到的是，master 只负责汇总却也在跑线程组，自己成了负载。
第一件事是对齐三台机器的系统时间
chronyc sources -v && chronyc makestep随后加大 slave 堆并全程命令行运行
export JVM_ARGS='-Xms4g -Xmx4g' && jmeter -n -t plan.jmx -R 10.0.0.11,10.0.0.12,10.0.0.13压测中观察 GC 次数与停顿
jstat -gcutil $(pgrep -f ApacheJMeter) 1000 20结果落到本地 jtl 再离线聚合
jmeter -n -t plan.jmx -l /data/jtl/run1.jtl怎么算真的好了，看的是同一批现象。三台机器时间差收敛到一秒以内，聚合 TPS 曲线变成平稳直线，P99 的波动幅度不超过一成。
这里还有个坑。分布式压测最容易被忽略的是时钟，时间戳差几十秒，聚合出来的吞吐就是错的；开压前统一次强制对时，比调 JVM 参数划算。如果同一现象隔几天又出现，说明根因没找到，别当偶发处理。