1.7k
周末写了个 keyboard 的可视化调试面板
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。
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
826 条评论
826 条评论
· 已加载前 120 条我
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。
4481 条直接回复
Rran_bo·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。
508
Zzhu_zong·昨天
补充一个反例：如果 keyboard 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。
4391 条直接回复
Ddev_zhou·2 天前
刚翻了下 keyboard 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」。
152 条直接回复
Wwinter楼主版主·2 天前已编辑
已收藏。正好这周要改这块，少走很多弯路。
3201 条直接回复
Kkite·2 天前
这不是 keyboard 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。
198
Bbob_chen·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。
141
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。
4171 条直接回复
Lli_ming·2 天前
已收藏。正好这周要改这块，少走很多弯路。
251
Hhuang_ke·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。
3982 条直接回复
Sslow_query·3 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。
5034 条直接回复
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。
3641 条直接回复
Bbob_chen·2 天前
刚翻了下 keyboard 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」。
244
Kkite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。
991 条直接回复
Rrase·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。
311 条直接回复
Lli_ming·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。
287
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。
861 条直接回复
Aalice_dev楼主·2 天前已编辑
感谢分享真实数据，比很多只讲概念的文章有用得多。
417
Kkernel_panic·3 分钟前
这不是 keyboard 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 条直接回复
Ttang_hao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。
261
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。
73
Sslow_query·2 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。
201 条直接回复
Zzhu_zong版主·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。
22 条直接回复
Mmike_xu·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。
3511 条直接回复
Kkite·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。
4591 条直接回复
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。
3
Ddev_zhou·2 天前已编辑
刚翻了下 keyboard 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
Sswoole_lee楼主·2 天前
这不是 keyboard 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。
328
Rrase版主·5 小时前已编辑
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。
385
Ddev_zhou·3 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。
380
Mmike_xu·2 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。
3511 条直接回复
Zzhu_zong·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。
4401 条直接回复
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。
3
Llinlin·2 天前已编辑
感谢分享真实数据，比很多只讲概念的文章有用得多。
3463 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。
481
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。
117
Sswoole_lee·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。
88
Zzhou_yi·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。
338
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。
337
Aalice_dev·2 天前
已收藏。正好这周要改这块，少走很多弯路。
281
Llinlin·2 天前
这不是 keyboard 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。
263
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。
254
Zzhou_yi·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。
2523 条直接回复
Nnikic·12 分钟前已编辑
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。
383
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。
47
Aalice_dev·刚刚
已收藏。正好这周要改这块，少走很多弯路。
195 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。
500
Kkite·12 分钟前已编辑
补充一个反例：如果 keyboard 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。
251
Rran_bo·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。
2431 条直接回复
Mmike_xu·2 天前
补充一个反例：如果 keyboard 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。
1961 条直接回复
Ttang_hao·2 天前已编辑
刚翻了下 keyboard 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」。
8
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。
18
Rran_bo·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。
102 条直接回复
Bbob_chen·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。
470
Zzhou_yi·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。
3641 条直接回复
Ddev_zhou·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。
3611 条直接回复
Zzhu_zong·3 分钟前第 6 层
感谢分享真实数据，比很多只讲概念的文章有用得多。
39
Llinlin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。
2311 条直接回复
Oops_wang·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。
111 条直接回复
Sswoole_lee楼主·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。
5125 条直接回复
Aalice_dev楼主·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。
2131 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。
392 条直接回复
Llinlin·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。
272
Lli_ming·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。
31
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。
262
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。
1401 条直接回复
Wwinter·2 天前
这不是 keyboard 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。
1141 条直接回复
Aalice_dev·2 天前第 6 层
刚翻了下 keyboard 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」。
235
Zzhou_yi·2 天前
补充一个反例：如果 keyboard 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。
422 条直接回复
Oops_wang·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。
2092 条直接回复
Nnikic·2 天前已编辑第 6 层
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。
89
Zzhu_zong·2 天前已编辑第 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。
1
Mmike_xu·3 分钟前
补充一个反例：如果 keyboard 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
Ddev_zhou·28 分钟前
这不是 keyboard 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。
242 条直接回复
Rran_bo·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。
1001 条直接回复
Nnikic·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。
74
Nnikic·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。
492 条直接回复
Oops_wang·2 天前第 6 层
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。
517
Kkite·2 天前第 6 层
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。
129
Kkite楼主·5 小时前
已收藏。正好这周要改这块，少走很多弯路。
159
Ddev_zhou·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。
1801 条直接回复
Rran_bo·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。
781 条直接回复
Oops_wang·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。
364
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。
157
Sswoole_lee楼主·2 天前
已收藏。正好这周要改这块，少走很多弯路。
92
Kkite·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。
1371 条直接回复
Nnikic·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。
21
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。
127
Bbob_chen·2 天前
刚翻了下 keyboard 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」。
115
Sswoole_lee版主·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。
1031 条直接回复
Cchen_dev·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。
4
Mmike_xu·2 天前
补充一个反例：如果 keyboard 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。
88
Oops_wang楼主版主·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。
211 条直接回复
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。
12
Cchen_dev·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。
75
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。
73
Lli_ming·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。
73
Ttang_hao·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。
63
Ddev_zhou·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。
34
Zzhou_yi·2 天前
这不是 keyboard 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。
341 条直接回复
Sslow_query·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。
114
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。
31
Aalice_dev·2 天前
补充一个反例：如果 keyboard 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。
21
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。
181 条直接回复
Rrase·2 小时前已编辑
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。
2441 条直接回复
Aalice_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。
496
Ddev_zhou·2 天前已编辑
刚翻了下 keyboard 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」。
17
Oops_wang·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。
13
Kkernel_panic·刚刚
这不是 keyboard 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
Wwinter版主·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。
7
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。
6
Wwinter·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。
3
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。
21 条直接回复
Ddev_zhou·2 天前已编辑
感谢分享真实数据，比很多只讲概念的文章有用得多。
32 条直接回复
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。
60
Mmike_xu·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。
31 条直接回复
Nnikic·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。
110
Rran_bo·2 天前
补充一个反例：如果 keyboard 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
Zzhu_zong·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
Zzhou_yi·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。
1
这是帖子详情页 /zh-CN/c/keyboard/post/p7。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 →