应先分层验证系统级（file-nr第二列）与进程级（/proc/pid/limits）实际使用量，再定位泄漏源而非盲目调参；systemd服务需配LimitNOFILE，容器须在运行时指定ulimit，且file-max须≤nr_open以防静默失败。
遇到“Too many open files”或连接建立失败、超时等现象，不能直接认定是句柄限制问题，得先确认是不是真满了、谁在吃、为什么没释放——否则调参只是把崩溃推迟几小时。
看系统到底满没满
别只盯着报错，要分两层验证：
- 系统级总量：执行 cat /proc/sys/fs/file-nr，输出三列，第二列才是「当前活跃占用」的句柄数（已分配且正在用），它接近第三列（file-max）才危险；
- 进程级限额：查目标进程真实限制，比如 nginx，运行 cat /proc/$(pgrep nginx | head -n1)/limits | grep "Max open files"，重点看 Soft Limit 是否远低于实际使用量。
找哪个进程在疯狂吃句柄
全局排查最有效的方法是：
- 执行 lsof -n | awk '{print $2}' | sort | uniq -c | sort -nr | head -10，列出打开句柄最多的前10个 PID；
- 再针对高 PID 查类型分布：lsof -p
| awk '{print $8}' | sort | uniq -c | sort -nr | head -10 ，看是不是大量 IPv4（连接）、REG（文件）、pipe 或 anon_inode（NIO 常见泄漏点）； - 对 Java 应用，可加采样比对：lsof -p $(pgrep -f 'java.*YourApp') | wc -l，每分钟执行一次，观察是否持续上涨。
确认配置改了到底有没有生效
很多改了 limits.conf 却不生效，是因为启动方式不同：
- 交互式登录用户：改完 /etc/security/limits.conf 后必须新开 login shell（不是 su 或子 shell），且确认 /etc/pam.d/common-session 包含 session required pam_limits.so；
- systemd 服务（如 nginx、redis、Java 应用）：limits.conf 完全无效，必须在 service 文件里加 LimitNOFILE=65536，然后 systemctl daemon-reload && systemctl restart xxx；
- 容器环境（Docker/K8s）：宿主机改没用，需在 docker run --ulimit nofile=65536:65536 或 Pod 的 securityContext.fdsLimit 中显式设置。
排除泄漏，不止靠调大
如果句柄数随时间稳定上升，说明存在泄漏：
- 检查代码：Java 要确保所有 InputStream、Socket、Connection 都在 try-with-resources 或 finally 中 close；
- 检查日志滚动：Logback 或 Log4j 配置不当（如未启用 prudent mode 或文件句柄未释放）会累积 REG 类型句柄；
- 检查网络状态：用 netstat -an | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}' 看是否有大量 CLOSE_WAIT 或 TIME_WAIT 不释放，可能对应连接池未正确回收。
