Render 部署失败或服务崩溃时：用日志…

当 Render 部署失败、服务无法启动或崩溃、健康检查超时、生产报错、性能慢或数据库连接异常时，通过日志、指标和数据库查询定位并修复问题。

适用场景

解决思路

1. 优先用 MCP 工具：运行 `list_services()` 测试可用性，获得结构化数据。
2. 若 MCP 不可用，回退 CLI：运行 `render --version`。
3. 配置认证：若安装 Render plugin（Cursor、Codex、Claude Code），完成 OAuth 提示；手动 MCP 客户端使用 Render API key；CLI 用 `render whoami -o json` 验证。
4. 设置工作区：调用 `get_selected_workspace()` 或运行 `render workspace current -o json`。
5. 若 `list_services()` 失败，设置 Render MCP server：插件场景完成 Render OAuth 后重新加载工具并重试 `list_services()`。
6. 手动 MCP 设置：在 AI 工具的 MCP 配置中添加 Render MCP server，URL 为 `https://mcp.render.com/mcp`，Auth header 为 `Authorization: Bearer <YOUR_API_KEY>`，API key 从 `https://dashboard.render.com/u/*/settings#api-keys` 获取。
7. 配置后重启工具，重试 `list_services()`；再用 `list_workspaces()` / `get_selected_workspace()` 设置工作区。
8. 识别失败服务：调用 `list_services()`，查找 failed 状态服务；调用 `get_service(serviceId: "<id>")` 获取详情。若 MCP 未配置，询问是设置 MCP（优先）还是继续用 CLI。
9. 获取构建/部署日志：调用 `list_logs(resource: ["<service-id>"], type: ["build"], limit: 200)`。
10. 获取运行时错误日志：调用 `list_logs(resource: ["<service-id>"], level: ["error"], limit: 100)`。
11. 搜索特定错误：调用 `list_logs(resource: ["<service-id>"], text: ["KeyError", "ECONNREFUSED"], limit: 50)`。
12. 获取 HTTP 错误日志：调用 `list_logs(resource: ["<service-id>"], statusCode: ["500", "502", "503"], limit: 50)`。
13. 分析错误模式：MISSING_ENV_VAR 匹配日志 `KeyError`、`not defined`，修复为添加到 render.yaml 或调用 `update_environment_variables`。
14. 分析错误模式：PORT_BINDING 匹配 `EADDRINUSE`，修复为使用 `0.0.0.0:$PORT`。
15. 分析错误模式：MISSING_DEPENDENCY 匹配 `Cannot find module`，修复为添加到 package.json/requirements.txt。
16. 分析错误模式：DATABASE_CONNECTION 匹配 `ECONNREFUSED :5432`，修复为检查 DATABASE_URL、DB 状态。
17. 分析错误模式：HEALTH_CHECK 匹配 `Health check timeout`，修复为添加 /health endpoint、检查 port binding。
18. 分析错误模式：OUT_OF_MEMORY 匹配 `heap out of memory`、exit 137，修复为优化内存或升级 plan。
19. 分析错误模式：BUILD_FAILURE 匹配 `Command failed`，修复为修正 build command 或依赖。
20. 参阅完整错误目录：references/error-patterns.md。
21. 若错误跨多次部署重复：从增量修复切换为更广泛扫描；扫描 codebase/config 中该错误类所有可能原因（相关 env vars、build config、依赖、类型错误），在下次重新部署前一起解决。
22. 检查指标（崩溃、慢响应、资源问题）：调用 `get_metrics(resourceId: "<service-id>", metricTypes: ["cpu_usage", "memory_usage", "memory_limit"])`。
23. 检查 HTTP 延迟：调用 `get_metrics(resourceId: "<service-id>", metricTypes: ["http_latency"], httpLatencyQuantile: 0.95)`。
24. 详细指标指南：references/metrics-debugging.md。
25. 调试数据库问题：调用 `list_postgres_instances()` 检查数据库状态。
26. 检查数据库连接：调用 `get_metrics(resourceId: "<postgres-id>", metricTypes: ["active_connections"])`。
27. 直接查询 Postgres：调用 `query_render_postgres(postgresId: "<postgres-id>", sql: "SELECT state, count(*) FROM pg_stat_activity GROUP BY state")`。
28. 详细数据库指南：references/database-debugging.md。
29. 应用环境变量修复：调用 `update_environment_variables(serviceId: "<service-id>", envVars: [{"key": "MISSING_VAR", "value": "value"}])`。
30. 应用代码修复：编辑源文件；commit 并 push；若启用 auto-deploy，部署会自动触发。
31. 验证修复：调用 `list_deploys(serviceId: "<service-id>", limit: 1)` 检查部署状态。
32. 验证修复：调用 `list_logs(resource: ["<service-id>"], level: ["error"], limit: 20)` 检查新错误。
33. 验证修复：调用 `get_metrics(resourceId: "<service-id>", metricTypes: ["http_request_count"])` 检查指标。
34. 快速工作流 Deploy failed：`list_deploys` → `list_logs(type: build)` → fix → redeploy。
35. 快速工作流 App crashing：`list_logs(level: error)` → `get_metrics(memory)` → fix。
36. 快速工作流 App slow：`get_metrics(http_latency)` → `get_metrics(cpu)` → `query_postgres`。
37. 快速工作流 DB connection：`list_postgres` → `get_metrics(connections)` → `query_postgres`。
38. 快速工作流 Post-deploy check：`list_deploys` → `list_logs(error)` → `get_metrics`。
39. 详细工作流：references/quick-workflows.md。
40. 快速参考 MCP Tools：服务发现 `list_services()`、`get_service(serviceId: "<id>")`、`list_postgres_instances()`；日志 `list_logs(resource: ["<id>"], level: ["error"], limit: 100)`、`list_logs(resource: ["<id>"], type: ["build"], limit: 200)`、`list_logs(resource: ["<id>"], text: ["search"], limit: 50)`；指标 `get_metrics(resourceId: "<id>", metricTypes: ["cpu_usage", "memory_usage"])`、`get_metrics(resourceId: "<id>", metricTypes: ["http_latency"], httpLatencyQuantile: 0.95)`；数据库 `query_render_postgres(postgresId: "<id>", sql: "SELECT ...")`；部署 `list_deploys(serviceId: "<id>", limit: 5)`；环境变量 `update_environment_variables(serviceId: "<id>", envVars: [{key, value}])`。
41. CLI 回退命令：`render services -o json`。
42. CLI 回退命令：`render logs -r <service-id> --level error -o json`。
43. CLI 回退命令：`render logs -r <service-id> --tail -o text`。
44. CLI 回退命令：`render deploys create <service-id> --wait`。
45. 其他参考：references/log-analysis.md、references/troubleshooting.md。
46. 相关技能：render-deploy 用于部署新应用到 Render；render-monitor 用于持续服务健康监控；render-mcp 用于 MCP server 设置和工具目录。

适用边界 · 注意事项

• 非 Render 平台部署失败或本地开发问题不适用。
• 没有 Render MCP server/CLI，且无法配置 OAuth/API key 时不适用；尤其指标和结构化数据库查询需要 MCP。
• 仅需部署新应用或持续监控时，应改用 render-deploy 或 render-monitor，而不是本调试流程。