CLCLI 工具·职业
社区主页热门讨论 最新发布 精华区 知识库 资源 关于

CLI 工具·职业 · 周末写了个 cli-tools-career 的可视化调试面板

967
CLr/cli-tools-career·由 li_ming 发布·1 小时前复盘

周末写了个 cli-tools-career 的可视化调试面板

先说背景。我们的场景是 cli-tools-career + 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。

# 压测命令：注意 -c 不要一次拉满，要阶梯上升
# 直接拉满会错过拐点
for c in 50 100 200 400 800; do
  wrk -t8 -c$c -d60s --latency http://127.0.0.1:8080/api/feed
  sleep 20
done

监控这块我们也顺手改了：把原来的平均值告警换成分位数，并且按接口拆分。改完之后误报少了大概七成，值班同学的怨气肉眼可见地下降了。

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。

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。

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」。

387 条评论

387 条评论

· 已加载前 120 条
我
Rrase·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。

513
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。

323
Sslow_query·2 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。

171
Kkernel_panic·3 分钟前

已收藏。正好这周要改这块，少走很多弯路。

58
Sswoole_lee·28 分钟前

补充一个反例：如果 cli-tools-career 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。

6
Nnikic·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。

1
Kkite版主·2 小时前已编辑

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。

451
Hhuang_ke·28 分钟前

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。

401
Lli_ming·2 天前

已收藏。正好这周要改这块，少走很多弯路。

391
Sslow_query·刚刚

刚翻了下 cli-tools-career 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」。

300
Lli_ming·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。

384
Nnikic·2 天前

这不是 cli-tools-career 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。

286
Cchen_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。

263
Lli_ming·2 天前

已收藏。正好这周要改这块，少走很多弯路。

263
Cchen_dev·2 天前

刚翻了下 cli-tools-career 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」。

96
Lli_ming·28 分钟前

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。

251
Rran_bo·1 小时前已编辑

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。

344
Rran_bo·28 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。

53
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。

240
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。

209
Bbob_chen楼主·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。

12
Rran_bo·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。

221
Llinlin·2 天前

刚翻了下 cli-tools-career 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」。

471
Wwinter·2 天前第 6 层

已收藏。正好这周要改这块，少走很多弯路。

505
Mmike_xu·2 天前已编辑第 6 层

补充一个反例：如果 cli-tools-career 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。

30
Wwinter·2 天前

已收藏。正好这周要改这块，少走很多弯路。

26
Lli_ming·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。

11
Ttang_hao·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。

199
Rrase·刚刚

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。

246
Cchen_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。

68
Kkite·5 小时前

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。

265
Rrase·3 分钟前

刚翻了下 cli-tools-career 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」。

275
Ddev_zhou·2 小时前

补充一个反例：如果 cli-tools-career 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。

152
Ddev_zhou·2 天前

这不是 cli-tools-career 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。

220
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。

334
Mmike_xu楼主·1 小时前

刚翻了下 cli-tools-career 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
Rrase楼主·2 天前

已收藏。正好这周要改这块，少走很多弯路。

151
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。

208
Zzhu_zong·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。

206
Aalice_dev·12 分钟前

这不是 cli-tools-career 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。

187
Kkite·3 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。

489
Hhuang_ke·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。

40
Rran_bo·2 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。

7
Kkite·2 小时前已编辑

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。

331
Sslow_query楼主·2 天前

这不是 cli-tools-career 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
Kkite·2 天前

刚翻了下 cli-tools-career 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」。

52
Aalice_dev·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。

78
Kkernel_panic·3 分钟前

补充一个反例：如果 cli-tools-career 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。

1
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。

282
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。

213
Lli_ming·28 分钟前

已收藏。正好这周要改这块，少走很多弯路。

115
Llinlin·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。

212
Oops_wang·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。

496
Cchen_dev楼主·2 天前

补充一个反例：如果 cli-tools-career 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。

124
Aalice_dev·2 天前

这不是 cli-tools-career 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。

28
Wwinter·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。

3
Ttang_hao·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。

26
Aalice_dev·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。

362
Mmike_xu·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。

5
Kkite·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。

152
Mmike_xu·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。

147
Bbob_chen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。

81
Lli_ming·刚刚已编辑

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。

5
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。

474
Wwinter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。

56
Sslow_query·刚刚

感谢分享真实数据，比很多只讲概念的文章有用得多。

87
Zzhu_zong·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。

87
Ttang_hao·2 天前

这不是 cli-tools-career 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。

85
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。

419
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。

298
Sslow_query·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。

109
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。

84
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。

83
Zzhou_yi·12 分钟前

补充一个反例：如果 cli-tools-career 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。

80
Cchen_dev·5 小时前

这不是 cli-tools-career 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。

75
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。

451
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。

74
Ddev_zhou·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。

73
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。

397
Sswoole_lee·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。

70
Oops_wang·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。

42
Wwinter·2 天前

补充一个反例：如果 cli-tools-career 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
Oops_wang·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。

56
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。

54
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。

26
Ttang_hao·1 小时前已编辑

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。

49
Sslow_query·2 天前

刚翻了下 cli-tools-career 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」。

417
Kkernel_panic·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。

43
Sswoole_lee·5 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。

49
Aalice_dev·昨天

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。

46
Nnikic·2 天前

刚翻了下 cli-tools-career 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」。

38
Mmike_xu·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。

99
Wwinter楼主版主·2 天前已编辑

感谢分享真实数据，比很多只讲概念的文章有用得多。

26
Cchen_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。

42
Hhuang_ke·刚刚

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。

29
Oops_wang·1 小时前

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。

23
Mmike_xu·1 小时前

已收藏。正好这周要改这块，少走很多弯路。

369
Rran_bo楼主·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。

325
Nnikic·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。

456
Aalice_dev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。

52
Kkite·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。

488
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。

33
Zzhou_yi版主·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。

22
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。

217
Cchen_dev·2 天前第 6 层

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。

487
Sslow_query·2 天前第 6 层

这不是 cli-tools-career 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。

26
Cchen_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。

181
Sswoole_lee楼主·2 天前第 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。

353
Sswoole_lee·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。

20
Mmike_xu楼主·3 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。

248
Llinlin·2 天前

补充一个反例：如果 cli-tools-career 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。

9
Wwinter·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。

3
Rran_bo楼主·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。

4
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。

39
Aalice_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。

75
Wwinter·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。

7
Llinlin·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。

2
Wwinter·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。

1
Lli_ming·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。

172
Kkernel_panic·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。

19

这是帖子详情页 /zh-CN/c/cli-tools-career/post/p10。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 →