边缘边缘计算·资源库
社区主页热门讨论 最新发布 精华区 知识库 资源 关于

边缘计算·资源库 · 这个 edge-computing-resources 的 bug 藏了三年，终于有人报了

1.9k
边缘r/edge-computing-resources·由 tang_hao 发布·3 小时前经验置顶

这个 edge-computing-resources 的 bug 藏了三年，终于有人报了

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。

-- 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;

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。

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 edge-computing-resources 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。

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」。

778 条评论

778 条评论

· 已加载前 120 条
我
Zzhu_zong·12 分钟前已编辑

已收藏。正好这周要改这块，少走很多弯路。

510
Kkite·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。

467
Mmike_xu·2 天前

补充一个反例：如果 edge-computing-resources 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。

85
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。

34
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。

456
Rran_bo楼主·1 小时前已编辑

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。

395
Rran_bo楼主·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。

394
Mmike_xu楼主·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。

392
Hhuang_ke·2 天前

这不是 edge-computing-resources 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。

443
Cchen_dev·2 天前

补充一个反例：如果 edge-computing-resources 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。

443
Mmike_xu·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。

66
Oops_wang·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。

433
Sslow_query·2 小时前

这不是 edge-computing-resources 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。

400
Ttang_hao楼主·2 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。

334
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。

60
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。

8
Bbob_chen·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。

19
Rran_bo·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
Llinlin·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。

363
Oops_wang·2 天前

补充一个反例：如果 edge-computing-resources 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。

336
Kkernel_panic·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。

318
Rrase·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。

330
Sslow_query·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。

83
Rran_bo·2 天前

刚翻了下 edge-computing-resources 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」。

413
Mmike_xu·2 天前

刚翻了下 edge-computing-resources 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」。

211
Bbob_chen·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。

509
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。

112
Oops_wang·2 天前

这不是 edge-computing-resources 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
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。

1
Zzhu_zong·2 天前

补充一个反例：如果 edge-computing-resources 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。

151
Zzhu_zong·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。

3
Ddev_zhou·2 天前

刚翻了下 edge-computing-resources 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
Nnikic·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。

302
Oops_wang楼主·2 天前

刚翻了下 edge-computing-resources 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」。

224
Wwinter·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。

279
Nnikic·12 分钟前

补充一个反例：如果 edge-computing-resources 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。

215
Nnikic·2 天前

刚翻了下 edge-computing-resources 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
Ttang_hao·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。

26
Zzhou_yi·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
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。

197
Cchen_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。

174
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。

133
Llinlin楼主·28 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。

63
Oops_wang版主·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。

33
Zzhu_zong·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。

143
Ddev_zhou·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。

58
Sswoole_lee·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。

76
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。

14
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。

1
Nnikic·2 天前

这不是 edge-computing-resources 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。

380
Hhuang_ke·2 天前已编辑第 6 层

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。

321
Zzhou_yi·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。

108
Ttang_hao·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。

41
Bbob_chen版主·2 天前

已收藏。正好这周要改这块，少走很多弯路。

3
Cchen_dev·刚刚已编辑

感谢分享真实数据，比很多只讲概念的文章有用得多。

94
Oops_wang楼主·昨天

刚翻了下 edge-computing-resources 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
Bbob_chen·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。

116
Nnikic·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
Sswoole_lee·2 天前

刚翻了下 edge-computing-resources 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」。

61
Ddev_zhou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。

30
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。

52
Bbob_chen·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。

49
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。

47
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。

3
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。

43
Oops_wang·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。

28
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。

28
Zzhu_zong·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。

13
Cchen_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。

169
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。

3
Cchen_dev·2 天前

这不是 edge-computing-resources 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。

12
Llinlin·2 天前

已收藏。正好这周要改这块，少走很多弯路。

11
Lli_ming·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。

9
Kkernel_panic版主·2 天前

已收藏。正好这周要改这块，少走很多弯路。

5
Zzhu_zong·3 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。

4
Kkite·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。

203
Cchen_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。

1
Oops_wang楼主·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。

255
Rrase·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。

108
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。

114
Rran_bo·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。

147
Aalice_dev楼主·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。

3
Rrase·昨天

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
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。

127
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。

3
Sswoole_lee·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。

485
Wwinter·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。

399
Nnikic·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。

463
Hhuang_ke·2 天前第 6 层

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。

185
Sswoole_lee·昨天第 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。

96
Llinlin·2 天前第 6 层

已收藏。正好这周要改这块，少走很多弯路。

61
Oops_wang·昨天

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。

262
Hhuang_ke·2 天前

已收藏。正好这周要改这块，少走很多弯路。

60
Kkite·2 天前第 6 层

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。

213
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。

1
Sslow_query·昨天第 6 层

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。

97
Rrase·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。

262
Aalice_dev·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。

15
Lli_ming·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。

478
Cchen_dev·3 分钟前已编辑第 6 层

感谢分享真实数据，比很多只讲概念的文章有用得多。

304
Bbob_chen·1 小时前第 6 层

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。

57
Llinlin·2 天前

这不是 edge-computing-resources 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
Ttang_hao·2 天前

这不是 edge-computing-resources 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
Ttang_hao·2 天前

已收藏。正好这周要改这块，少走很多弯路。

1
Rran_bo·3 分钟前第 6 层

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。

72
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。

1
Lli_ming·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。

2
Sslow_query·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。

4
Ttang_hao版主·3 分钟前

刚翻了下 edge-computing-resources 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
Wwinter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。

213
Nnikic·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。

155
Hhuang_ke·3 分钟前已编辑

补充一个反例：如果 edge-computing-resources 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。

3
Hhuang_ke·昨天

补充一个反例：如果 edge-computing-resources 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。

3
Kkite·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。

1
Lli_ming·1 小时前

已收藏。正好这周要改这块，少走很多弯路。

296
Bbob_chen·2 天前

这不是 edge-computing-resources 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。

23
Nnikic楼主·2 天前

补充一个反例：如果 edge-computing-resources 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。

49
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
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。

1
Oops_wang·昨天

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

这是帖子详情页 /zh-CN/c/edge-computing-resources/post/p0。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 →