我会连续抓三份线程快照，间隔几秒，先按线程状态和相同堆栈聚类。大量 BLOCKED 时找到它们等待的 monitor，再沿 locked 信息定位持锁线程；大量 WAITING/TIMED_WAITING 则区分正常的线程池空闲、CountDownLatch 未完成、连接池取连接和 RPC Future 等待。

如果几百个请求都卡在拿数据库连接，根因可能是少数慢 SQL 或连接泄漏，不是线程问题；如果都等同一把业务锁，就看持锁线程是不是在锁内做远程调用。线程名、traceId、APM span、连接池和数据库活动会放在同一时间线上。

止损会根据阻塞点处理：限流新请求、降级非核心下游、终止明确失控的查询，必要时摘除并重启问题实例。保留现场后再修复锁范围、超时和资源池边界。

单张线程快照只能说明一个瞬间。连续快照里同一批线程和同一持锁者都不动，才更像真正卡死。