405
面经：被问到 llm 的并发模型，我是这样答的
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。
继续用，等官方修44%
立刻换第三方方案28%
自己 fork 一份维护17%
先写适配层观望11%
共 689 人参与投票
106 条评论
106 条评论
我
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。
4891 条直接回复
Bbob_chen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。
81
Rran_bo·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。
4722 条直接回复
Aalice_dev·刚刚
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。
76
Lli_ming·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。
1
Bbob_chen·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。
4671 条直接回复
Hhuang_ke·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。
190
Kkernel_panic·5 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。
4512 条直接回复
Llinlin·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。
2491 条直接回复
Wwinter·刚刚
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。
21 条直接回复
Wwinter·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。
363
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。
148
Ddev_zhou·1 小时前
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」。
438
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。
338
Bbob_chen·5 小时前已编辑
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。
312
Kkernel_panic·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。
2931 条直接回复
Cchen_dev·12 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。
1751 条直接回复
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。
135
Zzhou_yi·刚刚
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。
279
Llinlin·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。
2461 条直接回复
Ttang_hao·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。
352
Cchen_dev·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。
222
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。
207
Nnikic·2 天前
已收藏。正好这周要改这块，少走很多弯路。
154
Aalice_dev·刚刚
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。
1341 条直接回复
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。
30
Rrase·1 小时前
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。
1311 条直接回复
Aalice_dev版主·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。
1
Mmike_xu·昨天已编辑
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。
972 条直接回复
Oops_wang·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。
2221 条直接回复
Ddev_zhou·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。
161 条直接回复
Hhuang_ke楼主·5 小时前
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」。
251
Mmike_xu楼主·3 分钟前
已收藏。正好这周要改这块，少走很多弯路。
47
Wwinter·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。
95
Kkite·28 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。
871 条直接回复
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。
541 条直接回复
Wwinter·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。
101
Sslow_query·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。
712 条直接回复
Rran_bo·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。
411
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。
1
Mmike_xu楼主·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」。
2
Kkernel_panic·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。
61
Ddev_zhou·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。
52
Nnikic·2 天前
已收藏。正好这周要改这块，少走很多弯路。
47
Bbob_chen·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」。
46
Hhuang_ke·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。
36
Kkernel_panic·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。
33
Llinlin·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。
31
Sslow_query·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」。
182 条直接回复
Kkite·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。
762 条直接回复
Ddev_zhou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。
661 条直接回复
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。
1
Kkite·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。
951 条直接回复
Wwinter·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。
265
Sslow_query·28 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。
293 条直接回复
Mmike_xu·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。
162
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。
961 条直接回复
Ttang_hao·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
Llinlin·5 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。
111 条直接回复
Kkernel_panic版主·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。
3021 条直接回复
Rran_bo·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。
2
Lli_ming·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。
16
Sswoole_lee·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。
16
Kkite·刚刚已编辑
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。
15
Oops_wang·12 分钟前
已收藏。正好这周要改这块，少走很多弯路。
131 条直接回复
Bbob_chen·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。
1954 条直接回复
Sslow_query版主·3 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。
5184 条直接回复
Mmike_xu·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。
294
Rrase·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。
2301 条直接回复
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。
34
Sswoole_lee楼主版主·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。
592 条直接回复
Zzhu_zong·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。
3062 条直接回复
Kkite·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。
432
Cchen_dev楼主·1 小时前第 6 层
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」。
31
Zzhu_zong·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。
791 条直接回复
Hhuang_ke·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。
11
Sslow_query·1 小时前
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」。
12
Rrase·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。
70
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。
231 条直接回复
Hhuang_ke·昨天
已收藏。正好这周要改这块，少走很多弯路。
2
Bbob_chen·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。
3
Mmike_xu·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。
111 条直接回复
Sswoole_lee版主·2 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。
483
Wwinter·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。
102 条直接回复
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。
363 条直接回复
Mmike_xu·昨天
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。
302
Aalice_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。
2443 条直接回复
Kkite·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。
2061 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。
156
Kkite·刚刚
感谢分享真实数据，比很多只讲概念的文章有用得多。
1281 条直接回复
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。
236
Kkernel_panic·刚刚
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。
97
Zzhou_yi·2 天前已编辑
已收藏。正好这周要改这块，少走很多弯路。
451 条直接回复
Llinlin·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。
115
Rran_bo·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。
141 条直接回复
Ddev_zhou·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。
4
Llinlin·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。
2
Wwinter·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。
21 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。
503
Sslow_query·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。
1
Ddev_zhou·2 小时前
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。
12 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。
115
Kkernel_panic楼主·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。
122 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。
49
Nnikic·昨天
已收藏。正好这周要改这块，少走很多弯路。
3
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。
1
这是帖子详情页 /zh-CN/c/llm/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 →