254
面经：被问到 kafka-en 的并发模型，我是这样答的
先说结论：kafka-en 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。
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。
图片占位 · 真实环境走对象存储
POST /api/uploads → CDN 回源
POST /api/uploads → CDN 回源
120 条评论
120 条评论
我
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。
482
Kkernel_panic·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。
378
Hhuang_ke·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。
3731 条直接回复
Ddev_zhou·5 小时前
补充一个反例：如果 kafka-en 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。
3641 条直接回复
Zzhu_zong·2 天前
刚翻了下 kafka-en 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」。
487
Bbob_chen·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。
361
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。
333
Ttang_hao·2 天前
补充一个反例：如果 kafka-en 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。
332
Ttang_hao楼主·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。
270
Kkernel_panic·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。
3001 条直接回复
Ddev_zhou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。
21 条直接回复
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。
461 条直接回复
Oops_wang·5 小时前
补充一个反例：如果 kafka-en 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。
191 条直接回复
Zzhu_zong·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。
170
Llinlin·2 天前
补充一个反例：如果 kafka-en 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。
300
Bbob_chen·2 天前
这不是 kafka-en 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。
2961 条直接回复
Zzhu_zong·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。
5061 条直接回复
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。
101
Zzhu_zong·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。
292
Zzhou_yi·2 天前
已收藏。正好这周要改这块，少走很多弯路。
2852 条直接回复
Rrase·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。
480
Rrase·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。
55
Hhuang_ke·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。
279
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。
263
Zzhu_zong·刚刚
补充一个反例：如果 kafka-en 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。
2331 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。
363
Bbob_chen·2 天前
已收藏。正好这周要改这块，少走很多弯路。
203
Sswoole_lee版主·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。
1932 条直接回复
Hhuang_ke·2 天前已编辑
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。
418
Rrase·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。
1723 条直接回复
Kkernel_panic·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。
2801 条直接回复
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。
382
Rrase·2 天前
已收藏。正好这周要改这块，少走很多弯路。
138
Kkernel_panic·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。
13
Kkite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。
130
Zzhou_yi·2 天前
刚翻了下 kafka-en 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」。
156
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。
141
Nnikic·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。
1381 条直接回复
Cchen_dev·3 分钟前已编辑
刚翻了下 kafka-en 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」。
1862 条直接回复
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。
319
Wwinter·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。
271
Oops_wang·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。
134
Rran_bo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。
671 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。
15
Ttang_hao·28 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。
1221 条直接回复
Bbob_chen·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。
14 条直接回复
Zzhou_yi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。
3351 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。
44
Mmike_xu·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。
243
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。
77
Zzhu_zong·1 小时前
刚翻了下 kafka-en 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」。
352 条直接回复
Ddev_zhou·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。
132
Bbob_chen·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。
95
Sslow_query·2 天前
这不是 kafka-en 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。
1191 条直接回复
Rran_bo·昨天
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。
1413 条直接回复
Sslow_query楼主·2 天前已编辑
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。
115
Ddev_zhou·2 天前
已收藏。正好这周要改这块，少走很多弯路。
161 条直接回复
Ddev_zhou·2 天前
刚翻了下 kafka-en 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」。
459
Mmike_xu·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。
5
Sswoole_lee楼主·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。
59
Mmike_xu·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。
1151 条直接回复
Sswoole_lee·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。
61 条直接回复
Mmike_xu·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。
280
Rrase楼主·2 天前
补充一个反例：如果 kafka-en 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。
54
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。
97
Nnikic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。
362 条直接回复
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。
263
Nnikic·2 天前
这不是 kafka-en 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。
2
Sswoole_lee·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。
90
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。
82
Wwinter·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。
781 条直接回复
Ttang_hao版主·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。
138
Rrase·2 天前
已收藏。正好这周要改这块，少走很多弯路。
642 条直接回复
Kkite·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。
214
Hhuang_ke·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。
22 条直接回复
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。
39
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
Sswoole_lee楼主·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。
3
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。
571 条直接回复
Oops_wang·2 天前
这不是 kafka-en 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。
6
Sslow_query·28 分钟前已编辑
这不是 kafka-en 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。
541 条直接回复
Oops_wang·28 分钟前已编辑
感谢分享真实数据，比很多只讲概念的文章有用得多。
3651 条直接回复
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。
4192 条直接回复
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。
2391 条直接回复
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。
1101 条直接回复
Wwinter楼主·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。
441
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。
1133 条直接回复
Ddev_zhou·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。
328
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。
452 条直接回复
Rrase·12 分钟前第 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。
230
Zzhu_zong·2 天前第 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。
1
Bbob_chen·2 天前
刚翻了下 kafka-en 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」。
2
Hhuang_ke·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。
50
Sswoole_lee·2 天前已编辑
这不是 kafka-en 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。
491 条直接回复
Sswoole_lee楼主版主·2 小时前
补充一个反例：如果 kafka-en 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。
506
Lli_ming·昨天
感谢分享真实数据，比很多只讲概念的文章有用得多。
441 条直接回复
Zzhu_zong·刚刚
刚翻了下 kafka-en 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」。
6
Bbob_chen·刚刚
已收藏。正好这周要改这块，少走很多弯路。
411 条直接回复
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。
4082 条直接回复
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。
368
Rran_bo·刚刚
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。
1492 条直接回复
Bbob_chen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。
332
Cchen_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。
211 条直接回复
Kkernel_panic·2 天前
已收藏。正好这周要改这块，少走很多弯路。
1
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。
201 条直接回复
Aalice_dev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。
5
Sswoole_lee·2 天前已编辑
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。
20
Zzhu_zong·2 天前
已收藏。正好这周要改这块，少走很多弯路。
17
Wwinter·1 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。
16
Sswoole_lee·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。
14
Cchen_dev·28 分钟前已编辑
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。
92 条直接回复
Sslow_query·1 小时前
补充一个反例：如果 kafka-en 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。
1722 条直接回复
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。
502
Aalice_dev·2 天前
刚翻了下 kafka-en 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」。
326
Zzhou_yi·昨天已编辑
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。
831 条直接回复
Rran_bo·28 分钟前
这不是 kafka-en 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。
2961 条直接回复
Ttang_hao·2 天前
这不是 kafka-en 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。
493
Zzhou_yi·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
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。
5
Rrase·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。
1
这是帖子详情页 /zh-CN/c/kafka-en/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 →