边缘计算·资源库 · edge-computing-resources 文档里没写清楚的那几个边界条件

298
边缘r/edge-computing-resources·由 swoole_lee 发布·2 天前公告

edge-computing-resources 文档里没写清楚的那几个边界条件

先说背景。我们的场景是 edge-computing-resources + 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。

// 最小复现:注意这里必须用真实的长尾分布,
// 均匀分布的压测流量不会触发这个问题
func (s *Server) handle(ctx context.Context) error {
    conn, err := s.pool.Acquire(ctx)
    if err != nil {
        return fmt.Errorf("acquire: %w", err)
    }
    defer conn.Release()

    return s.do(ctx, conn)
}

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」。

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。

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。

115 条评论

115 条评论

我
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。

513
Mmike_xu·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。

499
Wwinter·2 天前

已收藏。正好这周要改这块,少走很多弯路。

1
Kkite·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。

489
Cchen_dev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。

76
Oops_wang·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。

471
Ttang_hao·12 分钟前已编辑

已收藏。正好这周要改这块,少走很多弯路。

426
Cchen_dev·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。

91
Nnikic·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。

425
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。

353
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。

82
Hhuang_ke·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。

136
Zzhu_zong·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。

92
Llinlin·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。

14
Oops_wang·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」。

10
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。

8
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。

409
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。

482
Kkernel_panic版主·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」。

316
Nnikic·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。

479
Aalice_dev·2 天前

已收藏。正好这周要改这块,少走很多弯路。

405
Kkite·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。

349
Oops_wang·2 天前

已收藏。正好这周要改这块,少走很多弯路。

335
Sswoole_lee·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。

331
Sswoole_lee·12 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。

61
Ttang_hao版主·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。

292
Sswoole_lee·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。

291
Rran_bo楼主·刚刚

感谢分享真实数据,比很多只讲概念的文章有用得多。

229
Cchen_dev楼主·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。

213
Rrase·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」。

436
Sswoole_lee楼主·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。

75
Sslow_query·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·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。

197
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。

125
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。

189
Kkite·2 天前已编辑

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。

73
Rrase·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。

279
Rran_bo·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。

48
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。

272
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。

49
Kkernel_panic·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。

260
Kkite·3 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。

115
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。

358
Ddev_zhou·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。

13
Ttang_hao·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」。

346
Sslow_query·2 天前第 6 层

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」。

43
Wwinter·2 天前已编辑

已收藏。正好这周要改这块,少走很多弯路。

208
Hhuang_ke·5 小时前

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。

34
Wwinter·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。

88
Wwinter·2 天前第 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。

9
Nnikic·2 天前第 6 层

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。

7
Cchen_dev·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。

259
Zzhou_yi楼主·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。

167
Mmike_xu版主·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。

226
Bbob_chen·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」。

201
Hhuang_ke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。

125
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。

182
Rran_bo·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。

170
Nnikic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。

440
Zzhu_zong·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。

154
Aalice_dev·1 小时前已编辑

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。

152
Llinlin·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。

149
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。

147
Zzhu_zong·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。

142
Nnikic·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。

106
Kkite楼主·2 天前

已收藏。正好这周要改这块,少走很多弯路。

22
Oops_wang·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。

27
Nnikic·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。

382
Llinlin·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。

355
Zzhu_zong·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。

293
Bbob_chen·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。

259
Kkernel_panic·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。

18
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。

200
Rran_bo·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。

78
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。

66
Sslow_query楼主·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。

2
Sslow_query·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。

468
Hhuang_ke·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。

372
Rrase·2 天前

已收藏。正好这周要改这块,少走很多弯路。

372
Ttang_hao·2 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。

431
Hhuang_ke·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。

39
Mmike_xu·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。

251
Zzhu_zong·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。

164
Kkite·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。

162
Zzhu_zong·2 天前第 6 层

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。

499
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。

1
Llinlin楼主·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。

454
Cchen_dev·12 分钟前第 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。

23
Lli_ming·5 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。

1
Oops_wang·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。

419
Mmike_xu·2 天前已编辑

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。

81
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。

58
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。

48
Wwinter·12 分钟前

已收藏。正好这周要改这块,少走很多弯路。

355
Hhuang_ke版主·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。

41
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。

37
Aalice_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。

36
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。

27
Kkite·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。

21
Wwinter·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。

8
Zzhou_yi·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。

8
Sslow_query·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」。

7
Wwinter·3 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。

6
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。

489
Nnikic·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。

313
Nnikic·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」。

1
Ddev_zhou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。

63
Ddev_zhou·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。

6
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。

4
Ttang_hao版主·12 分钟前已编辑

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。

1
Rran_bo·1 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。

13
Wwinter·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。

11
Wwinter·2 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。

1
Ddev_zhou·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。

336
Mmike_xu·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

这是帖子详情页 /zh-CN/c/edge-computing-resources/post/p2。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 →