1.2k
这个 app-design-news 的 bug 藏了三年，终于有人报了
先说背景。我们的场景是 app-design-news + 三个下游服务，日均请求量七位数，峰值集中在晚上九点前后。
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。
文档优先44%
源码优先28%
直接问人17%
先跑个 demo 试错11%
共 2071 人参与投票
567 条评论
567 条评论
· 已加载前 120 条我
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。
504
Kkernel_panic·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。
499
Ttang_hao·昨天
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。
4551 条直接回复
Kkernel_panic·5 小时前
这不是 app-design-news 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。
381 条直接回复
Sslow_query·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。
357
Cchen_dev楼主·昨天
补充一个反例：如果 app-design-news 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。
395
Zzhu_zong·昨天
这不是 app-design-news 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。
439
Mmike_xu·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。
433
Ddev_zhou·2 天前已编辑
已收藏。正好这周要改这块，少走很多弯路。
4271 条直接回复
Kkernel_panic·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。
2531 条直接回复
Nnikic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。
1
Kkite·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。
425
Rran_bo·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。
376
Kkite·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。
3721 条直接回复
Ttang_hao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。
2462 条直接回复
Ttang_hao·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。
3961 条直接回复
Wwinter·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。
297
Zzhu_zong·2 天前
已收藏。正好这周要改这块，少走很多弯路。
28
Cchen_dev楼主·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。
278
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。
292
Oops_wang·2 天前
已收藏。正好这周要改这块，少走很多弯路。
271
Llinlin·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。
267
Kkite·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。
252
Mmike_xu版主·刚刚
补充一个反例：如果 app-design-news 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。
2191 条直接回复
Mmike_xu版主·3 分钟前
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。
87
Kkite·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。
205
Wwinter·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。
2031 条直接回复
Ttang_hao楼主·2 天前
这不是 app-design-news 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。
1
Nnikic·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。
1601 条直接回复
Rrase·2 天前
这不是 app-design-news 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。
483
Nnikic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。
92
Lli_ming楼主·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。
90
Ttang_hao·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。
1461 条直接回复
Kkernel_panic·2 天前
刚翻了下 app-design-news 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」。
361 条直接回复
Oops_wang·刚刚
这不是 app-design-news 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。
731 条直接回复
Nnikic·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。
333
Llinlin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。
78
Ddev_zhou·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。
131
Sslow_query版主·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。
1271 条直接回复
Sswoole_lee·2 天前
补充一个反例：如果 app-design-news 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。
274
Hhuang_ke·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。
122
Bbob_chen·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。
120
Oops_wang·刚刚
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。
117
Kkite·刚刚已编辑
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。
1133 条直接回复
Rrase·2 天前
已收藏。正好这周要改这块，少走很多弯路。
378
Sswoole_lee·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。
85
Wwinter·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。
54
Sslow_query·2 天前
这不是 app-design-news 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。
881 条直接回复
Ttang_hao·昨天
补充一个反例：如果 app-design-news 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。
66
Zzhou_yi·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。
88
Hhuang_ke·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。
80
Aalice_dev·3 分钟前已编辑
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。
792 条直接回复
Wwinter楼主·1 小时前已编辑
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。
901 条直接回复
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。
159
Wwinter·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。
28
Zzhou_yi·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。
77
Mmike_xu楼主·2 天前
已收藏。正好这周要改这块，少走很多弯路。
3
Ttang_hao·3 分钟前
刚翻了下 app-design-news 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」。
47
Cchen_dev·2 天前
这不是 app-design-news 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。
45
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。
411 条直接回复
Ttang_hao·2 天前
刚翻了下 app-design-news 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」。
337
Wwinter·3 分钟前
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。
302 条直接回复
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。
122 条直接回复
Hhuang_ke·昨天
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。
113
Oops_wang·1 小时前
感谢分享真实数据，比很多只讲概念的文章有用得多。
22 条直接回复
Rran_bo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。
4581 条直接回复
Bbob_chen·2 天前
已收藏。正好这周要改这块，少走很多弯路。
41
Ttang_hao·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。
2671 条直接回复
Llinlin·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。
22
Ddev_zhou·1 小时前
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。
12 条直接回复
Lli_ming·2 天前已编辑
已收藏。正好这周要改这块，少走很多弯路。
2723 条直接回复
Kkernel_panic·2 天前
这不是 app-design-news 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。
257
Zzhou_yi·2 天前已编辑
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。
163
Cchen_dev·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。
16
Wwinter·5 小时前
补充一个反例：如果 app-design-news 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。
2
Sswoole_lee版主·2 天前
刚翻了下 app-design-news 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」。
30
Lli_ming·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。
30
Nnikic·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。
19
Cchen_dev·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。
181 条直接回复
Aalice_dev·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。
1352 条直接回复
Nnikic·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。
5142 条直接回复
Oops_wang·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。
37
Zzhou_yi·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。
28
Mmike_xu·刚刚
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。
261 条直接回复
Kkernel_panic·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。
1683 条直接回复
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。
3481 条直接回复
Rran_bo·5 小时前第 6 层
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
Cchen_dev·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。
71 条直接回复
Aalice_dev·昨天第 6 层
刚翻了下 app-design-news 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」。
382
Nnikic·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。
61 条直接回复
Sslow_query·2 天前第 6 层
已收藏。正好这周要改这块，少走很多弯路。
87
Aalice_dev·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。
10
Ttang_hao·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。
51 条直接回复
Zzhu_zong楼主·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。
2051 条直接回复
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。
1
Ddev_zhou·2 天前
刚翻了下 app-design-news 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」。
4
Rrase·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。
4
Hhuang_ke·刚刚
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。
31 条直接回复
Cchen_dev楼主版主·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。
234
Kkite·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。
3
Nnikic·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。
2
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。
2
Sslow_query版主·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。
2
Nnikic·12 分钟前
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。
1
Ddev_zhou·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。
13 条直接回复
Zzhu_zong·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。
4383 条直接回复
Llinlin·2 天前
补充一个反例：如果 app-design-news 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。
3711 条直接回复
Hhuang_ke·2 天前已编辑
补充一个反例：如果 app-design-news 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。
13
Cchen_dev·2 天前已编辑
刚翻了下 app-design-news 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」。
202 条直接回复
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。
358
Zzhu_zong·1 小时前
补充一个反例：如果 app-design-news 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。
19
Ttang_hao·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。
2
Hhuang_ke·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。
317
Mmike_xu·2 天前已编辑
刚翻了下 app-design-news 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」。
17
Sslow_query·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。
11 条直接回复
Kkernel_panic楼主·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。
2721 条直接回复
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。
496
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。
1
Kkite·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。
11 条直接回复
Rran_bo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。
312
这是帖子详情页 /zh-CN/c/app-design-news/post/p4。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 →