1.4k
monitoring-pro 的 10 个反模式，你中了几个？
网上关于 monitoring-pro 的文章大多停在「怎么用」，很少有人写「什么时候不该用」。这篇想补上后半句。
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
285 条评论
285 条评论
· 已加载前 120 条我
Zzhou_yi楼主·2 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。
513
Kkite楼主·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。
4521 条直接回复
Ttang_hao版主·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。
5
Kkernel_panic·2 天前
已收藏。正好这周要改这块，少走很多弯路。
511
Mmike_xu版主·刚刚
这不是 monitoring-pro 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。
4502 条直接回复
Llinlin·2 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。
1741 条直接回复
Zzhu_zong楼主·1 小时前已编辑
补充一个反例：如果 monitoring-pro 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。
162 条直接回复
Sswoole_lee·28 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。
4876 条直接回复
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。
3782 条直接回复
Kkite·2 天前第 6 层
补充一个反例：如果 monitoring-pro 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。
20
Sslow_query·2 天前已编辑第 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。
1
Ddev_zhou·2 天前
已收藏。正好这周要改这块，少走很多弯路。
3622 条直接回复
Nnikic·2 天前第 6 层
已收藏。正好这周要改这块，少走很多弯路。
278
Kkernel_panic·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。
6
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。
213
Kkernel_panic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。
1052 条直接回复
Cchen_dev·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。
167
Cchen_dev·2 天前第 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。
167
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。
123 条直接回复
Wwinter·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。
156
Ttang_hao楼主·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。
6
Mmike_xu·刚刚第 6 层
这不是 monitoring-pro 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。
35
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。
21 条直接回复
Llinlin·2 天前第 6 层
感谢分享真实数据，比很多只讲概念的文章有用得多。
178
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。
351 条直接回复
Cchen_dev·2 天前
这不是 monitoring-pro 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。
101 条直接回复
Rran_bo·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。
34
Aalice_dev·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。
461 条直接回复
Zzhou_yi·2 天前
刚翻了下 monitoring-pro 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
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。
444
Ddev_zhou·昨天
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。
4211 条直接回复
Rran_bo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。
269
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。
412
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。
376
Kkite·2 天前
这不是 monitoring-pro 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。
346
Cchen_dev·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。
343
Sslow_query·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。
325
Zzhou_yi·3 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。
305
Rran_bo·2 天前
已收藏。正好这周要改这块，少走很多弯路。
2521 条直接回复
Oops_wang·2 天前
已收藏。正好这周要改这块，少走很多弯路。
394
Sslow_query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。
252
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。
2401 条直接回复
Aalice_dev·昨天
已收藏。正好这周要改这块，少走很多弯路。
5011 条直接回复
Zzhou_yi·2 天前
这不是 monitoring-pro 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
Ttang_hao·刚刚
这不是 monitoring-pro 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。
2391 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。
245
Rran_bo·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。
2162 条直接回复
Sslow_query·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。
112
Sswoole_lee·2 天前
补充一个反例：如果 monitoring-pro 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。
551 条直接回复
Oops_wang·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。
39
Ddev_zhou·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。
1922 条直接回复
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。
26
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。
11
Wwinter楼主·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。
112
Zzhou_yi·2 天前已编辑
补充一个反例：如果 monitoring-pro 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。
170
Lli_ming·2 天前
刚翻了下 monitoring-pro 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」。
166
Aalice_dev楼主·2 天前
刚翻了下 monitoring-pro 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」。
101
Oops_wang·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。
158
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。
1361 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。
29
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。
134
Sswoole_lee楼主·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。
72
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。
126
Mmike_xu·3 分钟前
已收藏。正好这周要改这块，少走很多弯路。
120
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。
1151 条直接回复
Rran_bo·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。
90
Sslow_query楼主·3 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。
441 条直接回复
Rran_bo楼主版主·12 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。
4092 条直接回复
Wwinter·2 天前
刚翻了下 monitoring-pro 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」。
452
Rran_bo楼主·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。
83
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。
95
Sswoole_lee·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。
90
Ddev_zhou·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。
84
Cchen_dev·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。
792 条直接回复
Lli_ming·5 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。
244
Kkite·2 小时前
已收藏。正好这周要改这块，少走很多弯路。
96
Ddev_zhou·5 小时前
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。
781 条直接回复
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。
583 条直接回复
Rran_bo楼主·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。
124
Sswoole_lee版主·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。
48
Oops_wang·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。
11 条直接回复
Zzhu_zong·12 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。
159
Rrase版主·12 分钟前
刚翻了下 monitoring-pro 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」。
44
Ddev_zhou·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。
41
Cchen_dev·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。
39
Mmike_xu·昨天已编辑
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。
382 条直接回复
Kkite·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。
150
Nnikic·2 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。
10
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。
20
Sswoole_lee·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。
18
Kkite·2 天前
这不是 monitoring-pro 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。
18
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。
171 条直接回复
Hhuang_ke版主·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。
208
Nnikic·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。
14
Sslow_query·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。
11
Cchen_dev·2 天前
补充一个反例：如果 monitoring-pro 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。
51 条直接回复
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。
4962 条直接回复
Cchen_dev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。
492
Hhuang_ke版主·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。
226
Oops_wang版主·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。
41 条直接回复
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。
361 条直接回复
Oops_wang·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。
210
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。
4
Lli_ming·1 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。
3
Bbob_chen·2 天前
刚翻了下 monitoring-pro 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」。
3
Zzhou_yi·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
Llinlin·刚刚
补充一个反例：如果 monitoring-pro 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。
13 条直接回复
Ddev_zhou·28 分钟前
这不是 monitoring-pro 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。
4022 条直接回复
Aalice_dev·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。
52
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。
1
Wwinter·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。
1041 条直接回复
Ddev_zhou·2 天前
补充一个反例：如果 monitoring-pro 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。
211
Mmike_xu版主·1 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。
41 条直接回复
Ddev_zhou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。
4831 条直接回复
Lli_ming楼主·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。
109
Zzhu_zong·1 小时前已编辑
刚翻了下 monitoring-pro 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」。
11 条直接回复
Hhuang_ke·5 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。
309
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。
1
Zzhou_yi·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。
11 条直接回复
Llinlin·2 天前
补充一个反例：如果 monitoring-pro 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。
6
这是帖子详情页 /zh-CN/c/monitoring-pro/post/p9。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 →