10
读完 tableau-review 的核心源码后,我终于理解了它的取舍
先说背景。我们的场景是 tableau-review + 三个下游服务,日均请求量七位数,峰值集中在晚上九点前后。
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。
性能44%
可维护性28%
生态与社区17%
招人难度11%
共 17 人参与投票
5 条评论
先说背景。我们的场景是 tableau-review + 三个下游服务,日均请求量七位数,峰值集中在晚上九点前后。
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。
共 17 人参与投票
这不是 tableau-review 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。
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。
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。
刚翻了下 tableau-review 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」。
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。
这是帖子详情页 /zh-CN/c/tableau-review/post/p5。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 →