1.4k
求助：clojure-jobs 在容器里启动偶发失败，日志如下
这个问题我断断续续查了两周，中间走了不少弯路，把过程原样记下来，希望后面遇到的人能少花点时间。
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。
继续用，等官方修44%
立刻换第三方方案28%
自己 fork 一份维护17%
先写适配层观望11%
共 2336 人参与投票
176 条评论
176 条评论
· 已加载前 120 条我
Ddev_zhou·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。
433
Kkernel_panic·刚刚
已收藏。正好这周要改这块，少走很多弯路。
4292 条直接回复
Zzhou_yi版主·2 天前
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。
3481 条直接回复
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。
76
Oops_wang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。
1401 条直接回复
Sslow_query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。
841 条直接回复
Ttang_hao·3 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。
1211 条直接回复
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。
4
Zzhu_zong·2 天前
已收藏。正好这周要改这块，少走很多弯路。
395
Aalice_dev·刚刚
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」。
381
Kkite·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。
367
Nnikic·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。
330
Bbob_chen·2 天前
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。
312
Oops_wang·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。
310
Mmike_xu·12 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。
3051 条直接回复
Cchen_dev·1 小时前
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」。
1821 条直接回复
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。
311
Ddev_zhou·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。
304
Lli_ming·2 天前
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。
264
Hhuang_ke·2 天前已编辑
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。
257
Zzhu_zong·28 分钟前已编辑
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。
2542 条直接回复
Ddev_zhou·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。
407
Kkernel_panic·3 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。
131
Zzhu_zong楼主·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。
1941 条直接回复
Ddev_zhou·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」。
4191 条直接回复
Cchen_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」。
135
Lli_ming·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。
2372 条直接回复
Ddev_zhou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。
388
Hhuang_ke·3 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。
155
Kkernel_panic·2 天前
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。
236
Hhuang_ke·2 天前
已收藏。正好这周要改这块，少走很多弯路。
2021 条直接回复
Llinlin·2 天前
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。
482 条直接回复
Hhuang_ke版主·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。
1121 条直接回复
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。
2
Sslow_query·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」。
7
Lli_ming版主·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。
192
Rran_bo·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。
153
Bbob_chen·5 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。
1192 条直接回复
Bbob_chen·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。
4941 条直接回复
Rran_bo·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。
11 条直接回复
Hhuang_ke·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
Aalice_dev·12 分钟前
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。
471 条直接回复
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。
450
Sslow_query·2 天前
已收藏。正好这周要改这块，少走很多弯路。
1021 条直接回复
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。
2832 条直接回复
Kkite·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。
260
Lli_ming·2 天前
已收藏。正好这周要改这块，少走很多弯路。
211
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。
1013 条直接回复
Ddev_zhou·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。
3402 条直接回复
Oops_wang·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。
470
Cchen_dev·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。
1892 条直接回复
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。
61
Hhuang_ke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。
111 条直接回复
Sslow_query·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。
152 条直接回复
Kkernel_panic·1 小时前第 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。
106
Kkite·2 天前第 6 层
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」。
78
Hhuang_ke·刚刚
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」。
633 条直接回复
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。
380
Bbob_chen·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。
3103 条直接回复
Ddev_zhou·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。
44
Zzhu_zong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。
362 条直接回复
Bbob_chen·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。
3362 条直接回复
Zzhou_yi·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。
106
Rrase·2 天前第 6 层
已收藏。正好这周要改这块，少走很多弯路。
98
Lli_ming·2 天前
已收藏。正好这周要改这块，少走很多弯路。
18
Aalice_dev·1 小时前
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。
23 条直接回复
Sswoole_lee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。
356
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。
208
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。
3
Hhuang_ke·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
Oops_wang·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。
143
Rrase·28 分钟前已编辑
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。
51 条直接回复
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。
2102 条直接回复
Lli_ming·2 天前已编辑
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。
245
Sslow_query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。
99
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。
95
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。
85
Hhuang_ke·2 天前已编辑
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。
75
Zzhu_zong·2 天前
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。
58
Kkite·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」。
57
Kkernel_panic·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。
412 条直接回复
Lli_ming·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。
53
Aalice_dev·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。
331 条直接回复
Bbob_chen·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。
103
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。
39
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。
24
Aalice_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。
202 条直接回复
Rran_bo·2 天前
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。
113
Rrase·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。
111
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。
171 条直接回复
Kkite·2 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。
63
Mmike_xu·3 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。
131 条直接回复
Mmike_xu楼主·2 天前
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。
86
Oops_wang·2 天前
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。
12
Ddev_zhou·12 分钟前已编辑
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。
10
Ddev_zhou·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。
101 条直接回复
Rran_bo·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。
4
Rran_bo·昨天
感谢分享真实数据，比很多只讲概念的文章有用得多。
9
Kkernel_panic·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。
91 条直接回复
Llinlin·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。
326
Zzhou_yi·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。
7
Kkite·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。
7
Hhuang_ke·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
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。
61 条直接回复
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。
298
Sswoole_lee·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。
5
Sswoole_lee·2 天前
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。
4
Llinlin版主·2 天前
已收藏。正好这周要改这块，少走很多弯路。
31 条直接回复
Sslow_query·2 天前
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。
242
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。
21 条直接回复
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。
11 条直接回复
Nnikic楼主·28 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。
1331 条直接回复
Zzhu_zong·刚刚
感谢分享真实数据，比很多只讲概念的文章有用得多。
311
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。
2
Bbob_chen·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
Bbob_chen·12 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。
1
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。
1
Oops_wang·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。
1
Rran_bo·2 天前
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。
1
Zzhu_zong·2 天前
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。
1
这是帖子详情页 /zh-CN/c/clojure-jobs/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 →