OTP25升级后Erlang节点因防重叠分区触发断开的原因及解决求助

• 网络分区误判：OTP25默认启用的prevent_overlapping_partitions参数，核心是通过节点连通性和全局进程一致性检测脑裂。你的集群有135个节点分散在8个CPU上，容易出现网络延迟、单CPU负载过高导致心跳超时，系统会误判为出现重叠分区，触发节点断开。
• 全局进程同步冲突：OTP25对global模块的分区检测逻辑做了强化，如果节点启动或运行中，全局注册进程出现临时状态不一致（比如大规模节点同步时的延迟），会触发断开机制。
• 节点重启时序问题：你用监控程序批量重启节点时，多个节点同时加入集群，会引发临时的组网混乱，被分区检测机制捕捉并触发断开。

• 调整心跳和检测阈值：启动节点时添加-kernel net_ticktime 60（数值可根据集群网络延迟调整），延长心跳超时窗口，减少误判。同时可以设置-kernel prevent_overlapping_partitions {true, 3}，增加检测重试次数，降低误触发概率。
• 替换全局进程注册模块：放弃global模块，改用pg2或gproc这类更适合大规模集群的进程注册工具，它们的分区处理逻辑更灵活，不会轻易触发强制断开。
• 优化节点重启策略：监控程序重启节点时，改为逐个重启，或给每个节点添加10-30秒的随机延迟，避免多个节点同时加入导致的同步混乱。
• 临时关闭防护（仅排查用）：如果需要快速恢复业务，可临时添加-kernel prevent_overlapping_partitions false关闭该机制，但生产环境不建议长期使用，会失去脑裂防护能力。
• 优化资源分配：135个节点挤在8个CPU上负载过高，可调整单CPU承载的节点数量，或优化节点进程调度优先级，确保节点有足够资源处理心跳和同步消息。

内容的提问来源于stack exchange，提问作者Liam Sterling