Clojure·招聘板 · 从 0 到 1 用 clojure-jobs 搭建内部平台:架构图与决策记录

55
CLr/clojure-jobs·由 huang_ke 发布·1 小时前公告

从 0 到 1 用 clojure-jobs 搭建内部平台:架构图与决策记录

先说背景。我们的场景是 clojure-jobs + 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。

排查顺序(按性价比排): 1. 先看下游 RT,八成问题不在自己身上 2. 再看连接池命中率与等待队列长度 3. 然后才是 GC 与内存分配 4. 最后才怀疑框架

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」。

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。

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 clojure-jobs 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。

关于取舍,我的判断是:如果团队里没有人长期盯这块,就不要引入第二套机制。两套并存的时候,出问题时你甚至要先花时间判断「这次是哪个在起作用」,那个成本比性能损失高得多。

26 条评论

26 条评论

我
Ddev_zhou·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。

291
Hhuang_ke楼主·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。

135
Llinlin·5 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。

225
Zzhu_zong·1 小时前已编辑

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。

170
Mmike_xu·刚刚

感谢分享真实数据,比很多只讲概念的文章有用得多。

73
Zzhu_zong·昨天已编辑

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。

277
Aalice_dev·12 分钟前

已收藏。正好这周要改这块,少走很多弯路。

268
Ttang_hao·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。

258
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。

246
Sslow_query·1 小时前

补充一个反例:如果 clojure-jobs 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。

260
Aalice_dev·2 天前

刚翻了下 clojure-jobs 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」。

312
Ttang_hao·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。

242
Llinlin·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。

128
Nnikic·3 分钟前

已收藏。正好这周要改这块,少走很多弯路。

224
Hhuang_ke·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。

428
Aalice_dev楼主·5 小时前

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。

136
Aalice_dev·刚刚

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。

100
Aalice_dev·2 小时前已编辑

这不是 clojure-jobs 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。

186
Aalice_dev版主·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。

60
Nnikic·12 分钟前

刚翻了下 clojure-jobs 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」。

113
Nnikic·28 分钟前

这不是 clojure-jobs 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。

37
Nnikic·昨天

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。

328
Ttang_hao·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。

432
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。

53
Wwinter·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。

95
Ddev_zhou·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。

25

这是帖子详情页 /zh-CN/c/clojure-jobs/post/p13。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 →