AGAgent·架构
社区主页热门讨论 最新发布 精华区 知识库 资源 关于

Agent·架构 · agent-design 在 8 核 16G 机器上的压测数据（附完整脚本）

2.4k
AGr/agent-design·由 mike_xu 发布·刚刚翻译

agent-design 在 8 核 16G 机器上的压测数据（附完整脚本）

网上关于 agent-design 的文章大多停在「怎么用」，很少有人写「什么时候不该用」。这篇想补上后半句。

-- 出问题的那条查询：在 2000 万行上做了全表扫描
-- 加复合索引后 P99 从 1.8s 降到 42ms
SELECT id, title, created_at
  FROM posts
 WHERE community_id = ?
   AND status = 1
 ORDER BY score DESC
 LIMIT 20;

最后提醒一个坑：容器环境下一定要记得同步调整内存相关的参数，否则宿主机的限制和进程内部的预期会对不上，表现就是偶发的、无法复现的失败。

第一件事是把变量收敛干净。我们最开始同时在改配置和升级版本，结果两组数据的差异根本说不清是哪个带来的。后来回滚到只动一个变量，重跑了三遍，曲线才稳定下来。这一步很枯燥，但省不掉。

顺便说一句，官方文档里这段其实有写，只是藏在一个很不起眼的位置。我是在翻源码注释的时候才发现的，注释里作者解释了为什么这么设计 —— 大意是「为了在极端情况下退化成可预期的行为」。

真正让我意外的是长尾。平均值一直很漂亮，P99 却在某个阈值之后直接跳了一个数量级。原因不在 agent-design 本身，而是我们上游的连接复用没做好，压测流量太「干净」，掩盖了长尾请求。

403 条评论

403 条评论

· 已加载前 120 条
我
Aalice_dev·1 小时前

想请教一下，这个方案在容器里（内存限制 512Mi）会有什么变化？我们线上就是这么配的。

495
Aalice_dev·2 天前

能不能给出最小复现？我本地跑了十分钟没复现出来，环境是 macOS + 最新版。

82
Mmike_xu·刚刚

有没有人做过对照实验？我做了一组，把变量控制到只剩这一个，结果差距只有 4%，基本在噪声范围内。所以我觉得主因可能不是这个。

1
Zzhou_yi·2 天前

想请教一下，这个方案在容器里（内存限制 512Mi）会有什么变化？我们线上就是这么配的。

116
Ttang_hao楼主·2 天前

这里其实有个更简单的做法，不需要改架构：把这一层判断提前到网关，问题就消失了。代价是网关会多一次查表。

426
Wwinter·3 分钟前

同意上面说的。补充一点：如果开了这个选项，监控指标里的 GC 次数会翻倍，需要同步调整告警阈值，否则会一直误报。

485
Cchen_dev·12 分钟前

我们生产环境用了两年，没遇到过。不过我承认我们没上到这个量级，所以这个结论对我们没有参考价值。

115
Rrase楼主·2 天前

想请教一下，这个方案在容器里（内存限制 512Mi）会有什么变化？我们线上就是这么配的。

424
Kkernel_panic·1 小时前

我们生产环境用了两年，没遇到过。不过我承认我们没上到这个量级，所以这个结论对我们没有参考价值。

461
Nnikic·2 天前已编辑

我们生产环境用了两年，没遇到过。不过我承认我们没上到这个量级，所以这个结论对我们没有参考价值。

426
Bbob_chen·2 天前

补充一个反例：如果 agent-design 的版本低于 7.4，这段代码的语义是不一样的，别照抄。我们在灰度环境踩过，回滚了一次。

390
Rran_bo·2 天前

这里其实有个更简单的做法，不需要改架构：把这一层判断提前到网关，问题就消失了。代价是网关会多一次查表。

352
Oops_wang·12 分钟前

这个结论和我们线上的观察一致。我们是在 QPS 到 3k 之后才撞上这个问题的，前压测阶段完全看不出来——因为压测流量太「干净」了，没有长尾请求。

285
Aalice_dev楼主·2 天前

补充一个反例：如果 agent-design 的版本低于 7.4，这段代码的语义是不一样的，别照抄。我们在灰度环境踩过，回滚了一次。

11
Ttang_hao楼主·2 天前

刚翻了下 agent-design 的源码，作者在注释里其实解释过为什么这么设计，大意是「为了在极端情况下退化成可预期行为」。

1
Kkernel_panic·2 天前

同意上面说的。补充一点：如果开了这个选项，监控指标里的 GC 次数会翻倍，需要同步调整告警阈值，否则会一直误报。

9
Ddev_zhou·2 天前

感谢分享真实数据，比很多只讲概念的文章有用得多。

111
Wwinter楼主·2 天前

能不能给出最小复现？我本地跑了十分钟没复现出来，环境是 macOS + 最新版。

25
Aalice_dev·2 天前

这不是 agent-design 的问题，是用法的问题。文档里写了这个 API 不是线程安全的，要自己在外面加锁。

105
Ddev_zhou·2 天前

已收藏。正好这周要改这块，少走很多弯路。

39
Nnikic版主·12 分钟前已编辑

这里其实有个更简单的做法，不需要改架构：把这一层判断提前到网关，问题就消失了。代价是网关会多一次查表。

5
Llinlin·2 天前

有没有人做过对照实验？我做了一组，把变量控制到只剩这一个，结果差距只有 4%，基本在噪声范围内。所以我觉得主因可能不是这个。

468
Mmike_xu·28 分钟前

楼主这个排查思路值得学习。我们之前是直接从日志下手，绕了很大一圈。

307
Llinlin·2 天前

楼主这个排查思路值得学习。我们之前是直接从日志下手，绕了很大一圈。

177
Wwinter·2 天前

这不是 agent-design 的问题，是用法的问题。文档里写了这个 API 不是线程安全的，要自己在外面加锁。

290
Mmike_xu·2 天前已编辑

这不是 agent-design 的问题，是用法的问题。文档里写了这个 API 不是线程安全的，要自己在外面加锁。

249
Kkernel_panic·2 天前

我们生产环境用了两年，没遇到过。不过我承认我们没上到这个量级，所以这个结论对我们没有参考价值。

90
Zzhou_yi·2 天前

楼主这个排查思路值得学习。我们之前是直接从日志下手，绕了很大一圈。

148
Nnikic·2 天前第 6 层

感谢分享真实数据，比很多只讲概念的文章有用得多。

43
Aalice_dev·2 天前

同意上面说的。补充一点：如果开了这个选项，监控指标里的 GC 次数会翻倍，需要同步调整告警阈值，否则会一直误报。

285
Aalice_dev·1 小时前

这个结论和我们线上的观察一致。我们是在 QPS 到 3k 之后才撞上这个问题的，前压测阶段完全看不出来——因为压测流量太「干净」了，没有长尾请求。

152
Ddev_zhou·2 天前

补充一个反例：如果 agent-design 的版本低于 7.4，这段代码的语义是不一样的，别照抄。我们在灰度环境踩过，回滚了一次。

40
Rran_bo·2 天前

楼主说的第 3 点我有不同看法。这里的取舍取决于你的读写比：读多写少的话，加缓存反而会放大不一致窗口。

17
Rran_bo·2 天前

想请教一下，这个方案在容器里（内存限制 512Mi）会有什么变化？我们线上就是这么配的。

265
Wwinter·2 天前

补充一个反例：如果 agent-design 的版本低于 7.4，这段代码的语义是不一样的，别照抄。我们在灰度环境踩过，回滚了一次。

246
Lli_ming·1 小时前

贴一下我们的实测数据，8 核 16G，同样的场景：

| 并发 | P50 | P99 |
|---|---|---|
| 200 | 12ms | 88ms |
| 500 | 31ms | 340ms |

P99 在 500 并发时明显崩了，和你说的拐点基本吻合。

29
Bbob_chen楼主·2 天前

已收藏。正好这周要改这块，少走很多弯路。

180
Nnikic·2 天前

这不是 agent-design 的问题，是用法的问题。文档里写了这个 API 不是线程安全的，要自己在外面加锁。

117
Zzhou_yi·2 天前

这个结论和我们线上的观察一致。我们是在 QPS 到 3k 之后才撞上这个问题的，前压测阶段完全看不出来——因为压测流量太「干净」了，没有长尾请求。

59
Mmike_xu·2 天前

能不能给出最小复现？我本地跑了十分钟没复现出来，环境是 macOS + 最新版。

297
Bbob_chen·5 小时前已编辑

同意上面说的。补充一点：如果开了这个选项，监控指标里的 GC 次数会翻倍，需要同步调整告警阈值，否则会一直误报。

152
Kkite·2 天前已编辑

想请教一下，这个方案在容器里（内存限制 512Mi）会有什么变化？我们线上就是这么配的。

234
Ddev_zhou·28 分钟前已编辑

同意上面说的。补充一点：如果开了这个选项，监控指标里的 GC 次数会翻倍，需要同步调整告警阈值，否则会一直误报。

191
Nnikic·2 天前

这里其实有个更简单的做法，不需要改架构：把这一层判断提前到网关，问题就消失了。代价是网关会多一次查表。

178
Aalice_dev·2 天前已编辑

我们生产环境用了两年，没遇到过。不过我承认我们没上到这个量级，所以这个结论对我们没有参考价值。

157
Nnikic·2 天前

刚翻了下 agent-design 的源码，作者在注释里其实解释过为什么这么设计，大意是「为了在极端情况下退化成可预期行为」。

177
Wwinter·刚刚已编辑

我们生产环境用了两年，没遇到过。不过我承认我们没上到这个量级，所以这个结论对我们没有参考价值。

158
Nnikic楼主·2 天前

刚翻了下 agent-design 的源码，作者在注释里其实解释过为什么这么设计，大意是「为了在极端情况下退化成可预期行为」。

130
Aalice_dev楼主·28 分钟前

楼主说的第 3 点我有不同看法。这里的取舍取决于你的读写比：读多写少的话，加缓存反而会放大不一致窗口。

10
Sswoole_lee·5 小时前

这个结论和我们线上的观察一致。我们是在 QPS 到 3k 之后才撞上这个问题的，前压测阶段完全看不出来——因为压测流量太「干净」了，没有长尾请求。

249
Lli_ming·2 天前已编辑

贴一下我们的实测数据，8 核 16G，同样的场景：

| 并发 | P50 | P99 |
|---|---|---|
| 200 | 12ms | 88ms |
| 500 | 31ms | 340ms |

P99 在 500 并发时明显崩了，和你说的拐点基本吻合。

83
Wwinter·2 天前

补充一个反例：如果 agent-design 的版本低于 7.4，这段代码的语义是不一样的，别照抄。我们在灰度环境踩过，回滚了一次。

72
Sswoole_lee·2 天前第 6 层

楼主这个排查思路值得学习。我们之前是直接从日志下手，绕了很大一圈。

67
Llinlin·2 天前第 6 层

贴一下我们的实测数据，8 核 16G，同样的场景：

| 并发 | P50 | P99 |
|---|---|---|
| 200 | 12ms | 88ms |
| 500 | 31ms | 340ms |

P99 在 500 并发时明显崩了，和你说的拐点基本吻合。

36
Wwinter·2 天前

能不能给出最小复现？我本地跑了十分钟没复现出来，环境是 macOS + 最新版。

23
Rrase·2 天前

楼主说的第 3 点我有不同看法。这里的取舍取决于你的读写比：读多写少的话，加缓存反而会放大不一致窗口。

113
Bbob_chen·2 天前第 6 层

已收藏。正好这周要改这块，少走很多弯路。

224
Aalice_dev·2 天前

能不能给出最小复现？我本地跑了十分钟没复现出来，环境是 macOS + 最新版。

69
Kkite·2 天前已编辑

这个结论和我们线上的观察一致。我们是在 QPS 到 3k 之后才撞上这个问题的，前压测阶段完全看不出来——因为压测流量太「干净」了，没有长尾请求。

124
Llinlin·2 天前

贴一下我们的实测数据，8 核 16G，同样的场景：

| 并发 | P50 | P99 |
|---|---|---|
| 200 | 12ms | 88ms |
| 500 | 31ms | 340ms |

P99 在 500 并发时明显崩了，和你说的拐点基本吻合。

308
Cchen_dev·3 分钟前

刚翻了下 agent-design 的源码，作者在注释里其实解释过为什么这么设计，大意是「为了在极端情况下退化成可预期行为」。

158
Rrase楼主·28 分钟前

楼主说的第 3 点我有不同看法。这里的取舍取决于你的读写比：读多写少的话，加缓存反而会放大不一致窗口。

71
Bbob_chen·昨天

感谢分享真实数据，比很多只讲概念的文章有用得多。

33
Zzhu_zong·2 天前

有没有人做过对照实验？我做了一组，把变量控制到只剩这一个，结果差距只有 4%，基本在噪声范围内。所以我觉得主因可能不是这个。

188
Llinlin·2 天前

楼主说的第 3 点我有不同看法。这里的取舍取决于你的读写比：读多写少的话，加缓存反而会放大不一致窗口。

59
Ddev_zhou版主·刚刚

同意上面说的。补充一点：如果开了这个选项，监控指标里的 GC 次数会翻倍，需要同步调整告警阈值，否则会一直误报。

375
Zzhou_yi·2 天前第 6 层

这不是 agent-design 的问题，是用法的问题。文档里写了这个 API 不是线程安全的，要自己在外面加锁。

19
Wwinter·2 天前

这里其实有个更简单的做法，不需要改架构：把这一层判断提前到网关，问题就消失了。代价是网关会多一次查表。

148
Ddev_zhou·2 天前

已收藏。正好这周要改这块，少走很多弯路。

142
Ttang_hao·2 天前

贴一下我们的实测数据，8 核 16G，同样的场景：

| 并发 | P50 | P99 |
|---|---|---|
| 200 | 12ms | 88ms |
| 500 | 31ms | 340ms |

P99 在 500 并发时明显崩了，和你说的拐点基本吻合。

141
Aalice_dev·2 天前

贴一下我们的实测数据，8 核 16G，同样的场景：

| 并发 | P50 | P99 |
|---|---|---|
| 200 | 12ms | 88ms |
| 500 | 31ms | 340ms |

P99 在 500 并发时明显崩了，和你说的拐点基本吻合。

138
Oops_wang·2 天前已编辑

楼主这个排查思路值得学习。我们之前是直接从日志下手，绕了很大一圈。

138
Cchen_dev·2 天前

补充一个反例：如果 agent-design 的版本低于 7.4，这段代码的语义是不一样的，别照抄。我们在灰度环境踩过，回滚了一次。

138
Hhuang_ke·2 天前

想请教一下，这个方案在容器里（内存限制 512Mi）会有什么变化？我们线上就是这么配的。

136
Oops_wang·12 分钟前

有没有人做过对照实验？我做了一组，把变量控制到只剩这一个，结果差距只有 4%，基本在噪声范围内。所以我觉得主因可能不是这个。

134
Lli_ming楼主·2 天前

有没有人做过对照实验？我做了一组，把变量控制到只剩这一个，结果差距只有 4%，基本在噪声范围内。所以我觉得主因可能不是这个。

56
Nnikic·5 小时前

补充一个反例：如果 agent-design 的版本低于 7.4，这段代码的语义是不一样的，别照抄。我们在灰度环境踩过，回滚了一次。

84
Oops_wang·2 天前

想请教一下，这个方案在容器里（内存限制 512Mi）会有什么变化？我们线上就是这么配的。

286
Rran_bo楼主·28 分钟前

这不是 agent-design 的问题，是用法的问题。文档里写了这个 API 不是线程安全的，要自己在外面加锁。

8
Kkernel_panic版主·2 天前

贴一下我们的实测数据，8 核 16G，同样的场景：

| 并发 | P50 | P99 |
|---|---|---|
| 200 | 12ms | 88ms |
| 500 | 31ms | 340ms |

P99 在 500 并发时明显崩了，和你说的拐点基本吻合。

52
Ddev_zhou·2 天前已编辑

想请教一下，这个方案在容器里（内存限制 512Mi）会有什么变化？我们线上就是这么配的。

64
Rrase·2 天前

这不是 agent-design 的问题，是用法的问题。文档里写了这个 API 不是线程安全的，要自己在外面加锁。

63
Hhuang_ke·2 天前

这个结论和我们线上的观察一致。我们是在 QPS 到 3k 之后才撞上这个问题的，前压测阶段完全看不出来——因为压测流量太「干净」了，没有长尾请求。

61
Sslow_query·2 天前

这个结论和我们线上的观察一致。我们是在 QPS 到 3k 之后才撞上这个问题的，前压测阶段完全看不出来——因为压测流量太「干净」了，没有长尾请求。

139
Mmike_xu·2 天前

感谢分享真实数据，比很多只讲概念的文章有用得多。

59
Zzhu_zong楼主·5 小时前

刚翻了下 agent-design 的源码，作者在注释里其实解释过为什么这么设计，大意是「为了在极端情况下退化成可预期行为」。

1
Sslow_query·2 天前

同意上面说的。补充一点：如果开了这个选项，监控指标里的 GC 次数会翻倍，需要同步调整告警阈值，否则会一直误报。

209
Mmike_xu·2 天前

楼主说的第 3 点我有不同看法。这里的取舍取决于你的读写比：读多写少的话，加缓存反而会放大不一致窗口。

9
Oops_wang·2 天前

这里其实有个更简单的做法，不需要改架构：把这一层判断提前到网关，问题就消失了。代价是网关会多一次查表。

60
Sswoole_lee·2 天前

补充一个反例：如果 agent-design 的版本低于 7.4，这段代码的语义是不一样的，别照抄。我们在灰度环境踩过，回滚了一次。

52
Rrase·2 天前

感谢分享真实数据，比很多只讲概念的文章有用得多。

47
Nnikic·28 分钟前

感谢分享真实数据，比很多只讲概念的文章有用得多。

34
Lli_ming楼主·2 天前

贴一下我们的实测数据，8 核 16G，同样的场景：

| 并发 | P50 | P99 |
|---|---|---|
| 200 | 12ms | 88ms |
| 500 | 31ms | 340ms |

P99 在 500 并发时明显崩了，和你说的拐点基本吻合。

1
Hhuang_ke·12 分钟前

我们生产环境用了两年，没遇到过。不过我承认我们没上到这个量级，所以这个结论对我们没有参考价值。

375
Kkite·28 分钟前

刚翻了下 agent-design 的源码，作者在注释里其实解释过为什么这么设计，大意是「为了在极端情况下退化成可预期行为」。

78
Rrase版主·2 天前

有没有人做过对照实验？我做了一组，把变量控制到只剩这一个，结果差距只有 4%，基本在噪声范围内。所以我觉得主因可能不是这个。

60
Mmike_xu楼主·2 天前

感谢分享真实数据，比很多只讲概念的文章有用得多。

295
Lli_ming·2 天前

楼主说的第 3 点我有不同看法。这里的取舍取决于你的读写比：读多写少的话，加缓存反而会放大不一致窗口。

186
Sslow_query版主·2 天前

楼主这个排查思路值得学习。我们之前是直接从日志下手，绕了很大一圈。

10
Zzhu_zong·2 天前

这不是 agent-design 的问题，是用法的问题。文档里写了这个 API 不是线程安全的，要自己在外面加锁。

58
Ddev_zhou楼主·2 天前

感谢分享真实数据，比很多只讲概念的文章有用得多。

305
Nnikic·2 天前

已收藏。正好这周要改这块，少走很多弯路。

8
Hhuang_ke·2 天前

已收藏。正好这周要改这块，少走很多弯路。

22
Bbob_chen·2 天前

这里其实有个更简单的做法，不需要改架构：把这一层判断提前到网关，问题就消失了。代价是网关会多一次查表。

8
Wwinter·2 天前

能不能给出最小复现？我本地跑了十分钟没复现出来，环境是 macOS + 最新版。

18
Kkernel_panic·2 天前

同意上面说的。补充一点：如果开了这个选项，监控指标里的 GC 次数会翻倍，需要同步调整告警阈值，否则会一直误报。

14
Ddev_zhou·2 天前

已收藏。正好这周要改这块，少走很多弯路。

8
Sslow_query楼主·2 天前

我们生产环境用了两年，没遇到过。不过我承认我们没上到这个量级，所以这个结论对我们没有参考价值。

5
Nnikic·5 小时前

刚翻了下 agent-design 的源码，作者在注释里其实解释过为什么这么设计，大意是「为了在极端情况下退化成可预期行为」。

7
Rran_bo·2 天前已编辑

楼主说的第 3 点我有不同看法。这里的取舍取决于你的读写比：读多写少的话，加缓存反而会放大不一致窗口。

8
Zzhu_zong·2 天前

有没有人做过对照实验？我做了一组，把变量控制到只剩这一个，结果差距只有 4%，基本在噪声范围内。所以我觉得主因可能不是这个。

7
Mmike_xu·2 天前已编辑

这个结论和我们线上的观察一致。我们是在 QPS 到 3k 之后才撞上这个问题的，前压测阶段完全看不出来——因为压测流量太「干净」了，没有长尾请求。

6
Sswoole_lee·1 小时前

楼主这个排查思路值得学习。我们之前是直接从日志下手，绕了很大一圈。

5
Oops_wang·2 天前

能不能给出最小复现？我本地跑了十分钟没复现出来，环境是 macOS + 最新版。

364
Kkernel_panic·刚刚已编辑

能不能给出最小复现？我本地跑了十分钟没复现出来，环境是 macOS + 最新版。

4
Sswoole_lee·2 天前

这里其实有个更简单的做法，不需要改架构：把这一层判断提前到网关，问题就消失了。代价是网关会多一次查表。

427
Llinlin·2 天前

感谢分享真实数据，比很多只讲概念的文章有用得多。

381
Lli_ming·28 分钟前

有没有人做过对照实验？我做了一组，把变量控制到只剩这一个，结果差距只有 4%，基本在噪声范围内。所以我觉得主因可能不是这个。

1
Bbob_chen·2 天前

刚翻了下 agent-design 的源码，作者在注释里其实解释过为什么这么设计，大意是「为了在极端情况下退化成可预期行为」。

55
Rrase·2 天前

楼主这个排查思路值得学习。我们之前是直接从日志下手，绕了很大一圈。

1

这是帖子详情页 /zh-CN/c/agent-design/post/p9。帖子与评论都由种子随机数确定性生成 —— 同一个帖子每次打开内容一致，因此可以直接分享链接、刷新、被搜索引擎收录。真实实现里这一页是 MySQL 读帖子 + Redis 缓存热帖 + 评论树按 path 字段一次性取出。

看数据表设计 →