iOS·开源 · 复盘一次线上事故:ios-opensource 连接池耗尽的全过程

117
IOr/ios-opensource·由 bob_chen 发布·2 天前翻译

复盘一次线上事故:ios-opensource 连接池耗尽的全过程

先说结论:ios-opensource 这套东西在中小规模下几乎不需要调优,真正开始难受的位置比大多数人以为的靠后得多。下面是完整的实测过程。

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」。

图片占位 · 真实环境走对象存储
POST /api/uploads → CDN 回源
25 条评论

25 条评论

我
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。

494
Bbob_chen·2 天前

已收藏。正好这周要改这块,少走很多弯路。

17
Zzhu_zong·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。

481
Wwinter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。

297
Sslow_query·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。

295
Llinlin·12 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。

251
Lli_ming楼主·12 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。

60
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。

213
Lli_ming·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。

303
Lli_ming·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。

515
Sslow_query·28 分钟前

这不是 ios-opensource 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
Rrase·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。

490
Rran_bo·2 天前

刚翻了下 ios-opensource 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」。

112
Lli_ming·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。

6
Nnikic·12 分钟前已编辑

补充一个反例:如果 ios-opensource 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。

82
Mmike_xu·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。

28
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。

26
Hhuang_ke·2 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。

15
Rrase·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。

13
Sslow_query·3 分钟前

这不是 ios-opensource 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。

11
Mmike_xu·12 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。

31
Oops_wang·1 小时前

已收藏。正好这周要改这块,少走很多弯路。

4
Sslow_query楼主·12 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。

57
Nnikic·5 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。

282
Sslow_query·2 天前

补充一个反例:如果 ios-opensource 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。

2

这是帖子详情页 /zh-CN/c/ios-opensource/post/p11。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 →