Turborepo·招聘板 · 面经:被问到 turborepo-jobs 的并发模型,我是这样答的

322
TUr/turborepo-jobs·由 slow_query 发布·5 分钟前原理

面经:被问到 turborepo-jobs 的并发模型,我是这样答的

先说结论:turborepo-jobs 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。

-- 出问题的那条查询:在 2000 万行上做了全表扫描
-- 加复合索引后 P99 从 1.8s 降到 42ms
SELECT id, title, created_at
  FROM posts
 WHERE community_id = ?
   AND status = 1
 ORDER BY score DESC
 LIMIT 20;

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。

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。

顺便说一句,官方文档里这段其实有写,只是藏在一个很不起眼的位置。我是在翻源码注释的时候才发现的,注释里作者解释了为什么这么设计 —— 大意是「为了在极端情况下退化成可预期的行为」。

82 条评论

82 条评论

我
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。

510
Wwinter楼主·2 小时前已编辑

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。

271
Rran_bo·28 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。

426
Sswoole_lee·2 天前

这不是 turborepo-jobs 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。

421
Bbob_chen·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。

411
Bbob_chen·3 分钟前

补充一个反例:如果 turborepo-jobs 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。

369
Kkernel_panic·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。

337
Kkernel_panic·2 天前

刚翻了下 turborepo-jobs 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」。

303
Llinlin·2 天前

这不是 turborepo-jobs 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。

281
Ttang_hao·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。

265
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。

264
Rran_bo楼主·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。

176
Zzhou_yi·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。

223
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。

137
Oops_wang·2 天前已编辑

这不是 turborepo-jobs 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。

135
Sslow_query·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。

223
Wwinter版主·2 天前

补充一个反例:如果 turborepo-jobs 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。

221
Mmike_xu·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。

177
Rran_bo·刚刚

已收藏。正好这周要改这块,少走很多弯路。

166
Aalice_dev楼主·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。

201
Bbob_chen版主·昨天已编辑

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。

457
Wwinter·刚刚

已收藏。正好这周要改这块,少走很多弯路。

182
Sslow_query·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。

315
Rran_bo·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。

33
Lli_ming·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。

181
Ddev_zhou·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。

335
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。

326
Zzhou_yi·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。

11
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。

141
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。

267
Lli_ming·3 分钟前

已收藏。正好这周要改这块,少走很多弯路。

24
Rrase·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。

263
Oops_wang·28 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。

137
Hhuang_ke·2 天前已编辑

这不是 turborepo-jobs 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。

447
Sswoole_lee·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。

28
Zzhu_zong·28 分钟前

已收藏。正好这周要改这块,少走很多弯路。

1
Lli_ming·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。

377
Kkernel_panic楼主·2 天前

补充一个反例:如果 turborepo-jobs 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。

149
Rran_bo·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。

10
Ttang_hao·3 分钟前已编辑

补充一个反例:如果 turborepo-jobs 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。

98
Kkite·5 小时前

刚翻了下 turborepo-jobs 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」。

38
Rrase·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。

218
Oops_wang·3 分钟前

已收藏。正好这周要改这块,少走很多弯路。

157
Rrase·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。

504
Kkernel_panic·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。

1
Zzhou_yi·28 分钟前已编辑

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。

66
Llinlin楼主·1 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。

68
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。

112
Cchen_dev·2 天前

补充一个反例:如果 turborepo-jobs 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。

92
Zzhou_yi·2 天前

已收藏。正好这周要改这块,少走很多弯路。

82
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。

77
Sslow_query·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。

66
Ttang_hao·28 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。

31
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。

25
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。

25
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。

2
Aalice_dev·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。

2
Kkernel_panic·5 小时前

感谢分享真实数据,比很多只讲概念的文章有用得多。

424
Llinlin·2 天前已编辑

刚翻了下 turborepo-jobs 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」。

170
Oops_wang·2 天前

刚翻了下 turborepo-jobs 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」。

120
Lli_ming楼主·2 天前第 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。

502
Sswoole_lee·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。

49
Sswoole_lee楼主·昨天第 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。

299
Kkite版主·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。

175
Bbob_chen·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。

5
Ddev_zhou·5 小时前已编辑

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。

27
Zzhu_zong·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。

232
Wwinter楼主·2 小时前

这不是 turborepo-jobs 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。

125
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。

109
Rrase楼主·昨天第 6 层

感谢分享真实数据,比很多只讲概念的文章有用得多。

119
Bbob_chen·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。

9
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。

395
Oops_wang·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。

279
Kkite·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。

32
Rrase·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。

3
Nnikic·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。

5
Hhuang_ke·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。

138
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。

176
Nnikic·1 小时前

这不是 turborepo-jobs 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。

89
Wwinter·2 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。

23
Kkite·2 天前

补充一个反例:如果 turborepo-jobs 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
Lli_ming·2 天前

刚翻了下 turborepo-jobs 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

这是帖子详情页 /zh-CN/c/turborepo-jobs/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 →