Polars·新人区 · 这个 polars-newbie 的 bug 藏了三年,终于有人报了

413
POr/polars-newbie·由 rase 发布·昨天教程

这个 polars-newbie 的 bug 藏了三年,终于有人报了

先说结论:polars-newbie 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。

// 最小复现:注意这里必须用真实的长尾分布,
// 均匀分布的压测流量不会触发这个问题
func (s *Server) handle(ctx context.Context) error {
    conn, err := s.pool.Acquire(ctx)
    if err != nil {
        return fmt.Errorf("acquire: %w", err)
    }
    defer conn.Release()

    return s.do(ctx, conn)
}

最后提醒一个坑:容器环境下一定要记得同步调整内存相关的参数,否则宿主机的限制和进程内部的预期会对不上,表现就是偶发的、无法复现的失败。

关于取舍,我的判断是:如果团队里没有人长期盯这块,就不要引入第二套机制。两套并存的时候,出问题时你甚至要先花时间判断「这次是哪个在起作用」,那个成本比性能损失高得多。

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。

220 条评论

220 条评论

· 已加载前 120 条
我
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。

426
Rran_bo·2 天前

这不是 polars-newbie 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。

408
Oops_wang·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。

354
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。

338
Kkite·2 天前

这不是 polars-newbie 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。

329
Lli_ming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。

307
Ddev_zhou·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。

430
Kkite·5 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。

261
Lli_ming·2 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。

250
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。

7
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。

64
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。

243
Sswoole_lee·2 天前已编辑

已收藏。正好这周要改这块,少走很多弯路。

40
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。

221
Zzhou_yi·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。

216
Zzhu_zong·刚刚

刚翻了下 polars-newbie 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」。

213
Wwinter·28 分钟前

这不是 polars-newbie 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。

204
Kkernel_panic·2 天前

补充一个反例:如果 polars-newbie 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。

181
Nnikic·5 小时前

刚翻了下 polars-newbie 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」。

196
Kkite·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。

196
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。

193
Kkite·2 天前

补充一个反例:如果 polars-newbie 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。

118
Nnikic·2 天前

补充一个反例:如果 polars-newbie 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。

260
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。

180
Bbob_chen楼主·2 天前

已收藏。正好这周要改这块,少走很多弯路。

36
Mmike_xu·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。

162
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。

386
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。

19
Zzhou_yi楼主·刚刚

补充一个反例:如果 polars-newbie 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。

317
Kkernel_panic·刚刚已编辑

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。

254
Rrase楼主版主·2 天前

刚翻了下 polars-newbie 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」。

59
Llinlin·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。

83
Cchen_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。

143
Sswoole_lee·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。

22
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。

160
Kkernel_panic·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。

132
Ddev_zhou·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。

123
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。

116
Cchen_dev·2 天前

刚翻了下 polars-newbie 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
Hhuang_ke楼主·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。

4
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。

62
Zzhou_yi·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。

50
Hhuang_ke·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。

418
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。

45
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。

13
Sswoole_lee·2 天前

这不是 polars-newbie 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。

11
Cchen_dev·2 天前

补充一个反例:如果 polars-newbie 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。

25
Zzhou_yi·昨天

补充一个反例:如果 polars-newbie 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。

15
Aalice_dev·刚刚

感谢分享真实数据,比很多只讲概念的文章有用得多。

12
Ttang_hao·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。

58
Ddev_zhou·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。

40
Bbob_chen·刚刚

这不是 polars-newbie 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。

8
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。

303
Zzhou_yi·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。

9
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。

7
Sslow_query·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。

6
Rrase·12 分钟前

刚翻了下 polars-newbie 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
Cchen_dev·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。

431
Zzhou_yi·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。

452
Sswoole_lee·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。

423
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。

136
Kkite·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。

175
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。

170
Aalice_dev楼主·昨天第 6 层

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。

208
Hhuang_ke·2 天前

补充一个反例:如果 polars-newbie 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。

84
Sslow_query·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。

1
Kkernel_panic·昨天第 6 层

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。

288
Rran_bo·2 天前已编辑第 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。

219
Sslow_query·2 小时前第 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。

11
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。

81
Rran_bo·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。

31
Ddev_zhou·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。

385
Kkernel_panic·1 小时前

已收藏。正好这周要改这块,少走很多弯路。

302
Ttang_hao·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。

207
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。

360
Oops_wang楼主·2 天前第 6 层

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。

161
Ttang_hao版主·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。

117
Zzhu_zong·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。

4
Zzhou_yi·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。

55
Rran_bo·5 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。

30
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。

149
Nnikic楼主·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。

61
Cchen_dev楼主·2 天前

刚翻了下 polars-newbie 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」。

52
Hhuang_ke·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。

384
Ddev_zhou·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。

14
Bbob_chen·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。

442
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。

304
Zzhou_yi·2 天前第 6 层

已收藏。正好这周要改这块,少走很多弯路。

88
Rran_bo·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。

234
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。

486
Zzhou_yi·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。

1
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。

1
Cchen_dev·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。

208
Zzhu_zong楼主·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。

107
Oops_wang·2 天前

已收藏。正好这周要改这块,少走很多弯路。

10
Nnikic·3 分钟前

已收藏。正好这周要改这块,少走很多弯路。

1
Bbob_chen楼主·2 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。

1
Kkernel_panic·2 天前

这不是 polars-newbie 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。

114
Zzhou_yi·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。

13
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。

42
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。

27
Oops_wang·12 分钟前

这不是 polars-newbie 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。

13
Rrase·2 天前

刚翻了下 polars-newbie 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」。

121
Kkite·12 分钟前

补充一个反例:如果 polars-newbie 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。

1
Oops_wang·2 天前已编辑

已收藏。正好这周要改这块,少走很多弯路。

16
Oops_wang·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。

377
Kkernel_panic·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。

489
Rrase·28 分钟前已编辑

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。

36
Lli_ming·3 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。

471
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。

258
Rran_bo·2 天前

刚翻了下 polars-newbie 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。

7
Zzhu_zong·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
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。

377
Rrase·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。

107
Sslow_query楼主·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。

52
Hhuang_ke楼主·2 天前

这不是 polars-newbie 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。

1
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。

161
Wwinter·2 天前已编辑

已收藏。正好这周要改这块,少走很多弯路。

18
Sswoole_lee·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

这是帖子详情页 /zh-CN/c/polars-newbie/post/p13。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 →