一次虚拟机时钟漂移的排查记录

现象很零散：一部分请求偶发 401，日志里同一请求的时间戳比上游早了 300 ms，重启服务后好一阵又复发。三个现象指向同一个怀疑对象——时钟。

先排除 NTP 配置。timesyncd 显示同步正常，偏移在几十微秒。但那是采样瞬间的值。把 chronyc tracking 连续看了五分钟，才发现 offset 在 0 到 0.4 秒之间来回跳，而且跳变和宿主的 CPU steal 峰值高度相关。

虚拟机的时钟来自宿主，当 vCPU 被超卖、线程被调度出去的时间过长，客户机的 TSC 就会累计误差。这不是配置问题，是资源问题。缓解办法是启用更频繁的时钟同步，并把对时间敏感的服务（证书校验、令牌签发）的错误容忍窗口放宽。

最后的处理是三条：把同步间隔从 34 秒缩短到 8 秒，给这类机器加上时钟偏移的监控指标，以及在应用层对时间比较留 500 ms 的宽容度。都不是根治，但足以让故障从每周几次降到零。