CosmosDB查询触发TransportException与空引用异常 客户端CPU过载问题

本次出现的Object reference not set to an instance of an object空引用异常为次生异常，根本触发原因是客户端CPU持续过载：

1. 日志显示异常时段客户端CPU使用率长期维持在82%~93%区间，峰值达到100%，SDK明确标记IsClientCpuOverloaded:true
2. CPU过载导致Cosmos SDK的网络IO线程、请求处理线程无法得到足够的调度资源，发往Cosmos服务端的查询请求无法在约定时间内收到响应，触发ReceiveTimeout类型的传输异常
3. 超时后SDK拿到的响应对象（StoreResult）为无效状态（IsValid:false），对象内的多数核心字段未被初始化，后续执行ParseData解析、跨分区查询迭代器MoveNextAsync处理逻辑时，访问了未赋值的null字段，最终抛出空引用异常。

• 核对客户端监控数据：拉取异常发生时段客户端主机/容器的CPU使用率监控，和SDK日志内记录的CPU历史做匹配，确认CPU过载为真实发生而非SDK误判
• 定位CPU消耗来源：使用进程性能分析工具定位客户端进程内的CPU消耗占比，区分是业务侧计算密集型任务抢占资源，还是Cosmos相关操作本身导致CPU占用过高
• 校验Cosmos客户端配置：检查Cosmos客户端实例的创建逻辑，避免重复创建客户端实例（本次日志中NumberOfClientsCreated:1为正常状态，若该数值异常偏高需重点调整），核对当前的连接模式、超时参数是否匹配业务部署场景
• 场景复现验证：在测试环境模拟CPU高负载场景，执行相同的Cosmos查询操作，验证是否可以复现相同的异常表现，确认二者的因果关系

• 优先解决CPU过载问题
  • 若为业务计算任务占用CPU过高：优化计算逻辑降低资源消耗，或扩容客户端节点、提升CPU核心配置，保证客户端CPU长期平均使用率低于70%，峰值不超过90%
  • 若为Cosmos操作导致CPU过高：检查是否存在大量无分页的大结果集查询、过度并行请求的问题，优化查询逻辑，增加分页参数限制单次拉取的数据量，控制并发请求数
• 增加异常容错逻辑
  • 针对Cosmos查询操作新增降级熔断机制，检测到客户端CPU使用率过高时暂时限流，避免大量超时请求堆积进一步恶化CPU负载
  • 封装Cosmos响应解析逻辑，对所有可能为null的字段增加前置空值校验，捕获并妥善处理SDK返回的无效响应，避免空引用异常向上透出
• 优化SDK配置
  • 升级到最新稳定版Cosmos .NET SDK，规避旧版本存在的响应解析类已知漏洞
  • 根据业务场景适当调整请求超时参数，配置合理的重试退避策略，降低客户端过载场景下的异常发生率

内容的提问来源于stack exchange，提问作者Raghavi Ravi