189
一图看懂 llm 的执行流程（含时序图）
先说结论：llm 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。
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。
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。
99 条评论
Bblog.cloudflare.com站外链接 · 点击在新标签页打开
99 条评论
我
Oops_wang·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。
520
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。
473
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。
430
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。
428
Rrase·2 天前
已收藏。正好这周要改这块，少走很多弯路。
4182 条直接回复
Ddev_zhou·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。
438
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。
1
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。
394
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。
3821 条直接回复
Ttang_hao·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。
68
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。
374
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。
279
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。
276
Zzhu_zong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。
215
Oops_wang楼主·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。
214
Oops_wang·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。
263
Hhuang_ke·1 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。
2071 条直接回复
Hhuang_ke·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。
4542 条直接回复
Mmike_xu·28 分钟前
刚翻了下 llm 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」。
4232 条直接回复
Mmike_xu·2 天前
这不是 llm 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。
3793 条直接回复
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。
126
Wwinter楼主·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。
54
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。
1
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。
28
Zzhou_yi·2 天前
刚翻了下 llm 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」。
3681 条直接回复
Wwinter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。
3801 条直接回复
Rran_bo·2 天前已编辑
刚翻了下 llm 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」。
60
Oops_wang·2 天前
刚翻了下 llm 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」。
200
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。
183
Aalice_dev·2 天前
这不是 llm 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。
1741 条直接回复
Aalice_dev·2 天前
已收藏。正好这周要改这块，少走很多弯路。
47
Lli_ming·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。
1531 条直接回复
Rran_bo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。
374
Oops_wang·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。
148
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。
126
Sswoole_lee·刚刚
已收藏。正好这周要改这块，少走很多弯路。
1222 条直接回复
Zzhou_yi·2 天前
补充一个反例：如果 llm 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。
3642 条直接回复
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。
446
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。
11 条直接回复
Cchen_dev版主·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。
208
Cchen_dev·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。
522 条直接回复
Llinlin·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。
1492 条直接回复
Lli_ming·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。
520
Mmike_xu·刚刚已编辑
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。
291
Cchen_dev·3 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。
7
Kkernel_panic·3 分钟前已编辑
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。
1161 条直接回复
Rran_bo·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。
652 条直接回复
Nnikic·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。
405
Cchen_dev·28 分钟前已编辑
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。
115
Kkernel_panic·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。
1101 条直接回复
Aalice_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。
1
Rrase·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。
1002 条直接回复
Cchen_dev·2 天前
刚翻了下 llm 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」。
265
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。
29
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。
94
Kkernel_panic·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。
761 条直接回复
Bbob_chen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。
21
Rrase·2 天前
补充一个反例：如果 llm 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。
73
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。
691 条直接回复
Zzhou_yi·2 天前
补充一个反例：如果 llm 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。
29
Mmike_xu·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。
64
Hhuang_ke·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。
63
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。
62
Rran_bo楼主·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。
1
Wwinter·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。
59
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。
57
Wwinter·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。
522 条直接回复
Zzhu_zong楼主·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。
4552 条直接回复
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。
67
Rran_bo·3 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。
31 条直接回复
Ttang_hao·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。
1061 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。
1382 条直接回复
Oops_wang·28 分钟前第 6 层
补充一个反例：如果 llm 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。
323
Lli_ming·2 天前第 6 层
补充一个反例：如果 llm 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。
19
Rran_bo楼主·刚刚已编辑
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。
241 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。
1681 条直接回复
Mmike_xu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。
348
Kkite·3 分钟前
这不是 llm 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。
471 条直接回复
Aalice_dev·2 天前
已收藏。正好这周要改这块，少走很多弯路。
13 条直接回复
Bbob_chen·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。
358
Zzhu_zong·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。
284
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。
22 条直接回复
Ddev_zhou·2 天前
这不是 llm 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。
95
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。
25
Lli_ming·2 天前
补充一个反例：如果 llm 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。
391 条直接回复
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。
1381 条直接回复
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。
437
Hhuang_ke·刚刚已编辑
这不是 llm 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。
112 条直接回复
Sslow_query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。
217
Kkite·2 天前
刚翻了下 llm 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」。
2622 条直接回复
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。
3532 条直接回复
Llinlin·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。
291
Wwinter·2 天前
已收藏。正好这周要改这块，少走很多弯路。
1
Ttang_hao·12 分钟前
已收藏。正好这周要改这块，少走很多弯路。
3451 条直接回复
Rran_bo·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。
10
Zzhou_yi·1 小时前已编辑
这不是 llm 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。
7
Nnikic·28 分钟前已编辑
补充一个反例：如果 llm 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。
42 条直接回复
Sswoole_lee·2 天前
已收藏。正好这周要改这块，少走很多弯路。
186
Rran_bo·昨天
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。
144
这是帖子详情页 /zh-CN/c/llm/post/p1。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 →