《互联网产品的服务端架构·内容、社交与实时互动》13.1 发布→Feed→互动→通知
从「回声」一次发布因通知失败整条回滚的事故写起:拆解发布、Feed 分发、互动与通知四个阶段的同步异步边界和失败语义,给出 Flow、Step 与 Validate 的 Go 实现、表驱动测试与真实运行输出,并整理链路编排的常见错误与边界。
category
从「回声」一次发布因通知失败整条回滚的事故写起:拆解发布、Feed 分发、互动与通知四个阶段的同步异步边界和失败语义,给出 Flow、Step 与 Validate 的 Go 实现、表驱动测试与真实运行输出,并整理链路编排的常见错误与边界。
冷启动不是“没有特征就随机”,而是要有明确的兜底链和降级条件,否则新用户会看到空白首页。本文用 Choose 函数实现个性化、热榜、新鲜内容与编辑精选的顺序降级,并给出新用户首页空白的真实失败场景与测试。顺序与健康判定必须可观测、可回放、可演练。
三个可直接复制的模板:JCStress 0.16 的 Maven 工程含 proc full、可序列化 Result 与 toString 约定;JMH 1.37 的 pom 与基准类给出 -wi/-i/-w/-r/-f 参数和误差列读法;无第三方依赖的开环压测程序给 p50/p90/p99/p999 与拒绝计数。全部在本机实跑并贴真实输出。
按「我要知道什么」组织:线程用 Thread.print 与 dump_to_file 分开看平台线程和虚拟线程,JFR 用 jcmd 启动、view 读视图、configure 把 pin 阈值归零,内存看 class_histogram 与 GC 日志,CPU 用 macOS 的 top -pid 与 ps -M 替代 vmstat/pidstat,并单列本机不可用清单。
以 libraryd 借阅链路为被测系统,给出 64/256/1024 三档并发加单热点场景的完整验收报告:先写死 p99、错误率、吞吐、CPU 与 GC 判据,再用 111 行探针在 10 核 M1 Pro、负载 63 的本机实测,附原始输出、判定代码、遗留风险和可直接套用的模板。
把 Code Review 从「看一眼」变成可阻断的流程:给出 20 条按后果分级的评审问题,每条包含为什么问、怎么验证、什么级别,讲清与卷二 15.3 检查清单的分工,并附三段式评审样例、ThreadLocal 泄漏的真实取证输出与一个可运行的评审闸门。
把并发编码规范落成可执行条目:锁对象 private final 且不暴露、线程命名、池必须关闭、ThreadLocal 必须 remove、跨模块锁顺序与层号,并给出扩展卷二 15.3 的 X/Y/Z 三类规则的可运行检查脚本,附本机 javac -Xlint 与 20 处命中的真实输出。
同样的 2 vCPU,为什么 requests-only 的 Pod 开 63 个线程、limits=2 的 Pod 每 100 ms 被冻结一次?本节用 cpu.max、cpu.stat 与实测间隔证明 availableProcessors 看不见 CFS 节流,给出 1/2/4/8 核四档 requests、limits、堆、线程池与探针的基线表和一份完整 Deployment。
容器 limit 256 MiB、堆只开了 128 MiB,进程却被 Killed,日志里一行 Java 异常都没有。本节拆开 MaxRAMPercentage 的默认 25%、-Xss 的平台差异和虚拟线程的栈归属,实跑 heap、Metaspace、native thread、OOMKilled 四种结局,并给出容器内存的参数表与核算方法。
limits.cpu=2 的 Pod 里 JVM 到底看到几个核?本节用 cgroup v2 的 cpu.max 讲清 availableProcessors 的取值来源,在宿主与 colima 容器中实测 0.5/1/2/4/10/16 核下的 commonPool 并行度,并证明 -XX:ActiveProcessorCount 只能模拟核数、模拟不了 CFS 节流。
把 GC 从 G1 换成 ZGC 之后 p99 没降,问题往往不在收集器:先用同一负载对照 G1、ZGC 与分代 Shenandoah 的暂停与尾延迟,再给出低延迟下的四条并发设计约束——压分配速率、正确复用对象、避开大对象、处理伪共享,并附症状到参数动作的对照表。
在线推荐最常见的性能事故,是在请求链路里现算长周期特征,p99 会从几十毫秒涨到近一秒。本文拆开离线特征与在线轻量计算,用 Missing 和 L2 归一化守住输入契约,并给出可复现的 Go 测试与 p99 退化案例。在线服务只做查找、拼接与截断。
把 G1 的并发标记拆成写屏障、并发线程和停顿三段:用 SATB 预写屏障解释为什么改引用也要记账,用 ConcGCThreads=1 与 6 的对照日志证明标记线程只是把同一份 CPU 工作摊到更多核上,再用 JFR 的 jdk.GCPhaseConcurrent 聚合各阶段耗时,给出业务线程侧的观测口径。
从一次「GC 次数高就该加大堆」的误判出发,用 ThreadMXBean.getThreadAllocatedBytes 与 JFR 分配事件实测 9.2 GiB/s 的分配速率,拆解 TLAB 的 512 KB 填充与 184 字节/次的来源,再用三组逃逸分析对照说明标量替换为什么让分配计数归零,并纠正 HotSpot 并不做栈上分配。
把 150 个/秒的负载打进 4 线程、64 槽的有界池,按秒采集队列填充率、拒绝率、活跃占比与端到端 p99,用可运行的状态机验证持续时间窗口、连续次数与分级告警,并指出服务内 p99 只有 55 ms 而端到端已 792 ms 的指标盲区。
以 200 ms 临界区把 4 个线程打成 BLOCKED 为场景,说明 ThreadMXBean 能给出状态、锁与持有者却给不出请求归属,ThreadLocal 又无法跨线程读取,于是用线程 ID 注册表把阻塞归因到 requestId,并给出结构化日志、采样策略与实测的扫描开销。
从一次「active=8、queue=0 却仍被判定池满」的误判出发,逐条拆解 ThreadPoolExecutor 的 active、pool、queue、completed、taskCount 各自在数什么、哪些是快照哪些是估值,给出拒绝计数器的自埋写法,并用 120 个任务的实跑时序数据核对 getTaskCount 的分解式与跨 getter 的不一致。
热点到底是锁还是别的东西?本节先用 ThreadMXBean 与 JFR 定位锁竞争——实测 blockedCount 只认 synchronized、ReentrantLock 要去看 jdk.ThreadPark;再把单锁改成 16 路分片与 LongAdder,给出本机 8 线程下吞吐、p50、p99、p999 的真实对照,并说明 p99 为什么可能骗人、无锁化的边界在哪。
分布式锁的本质是一段有期限的授权,看门狗只能降低概率,不能消除“租约过期但旧持有者仍在写”。本节用不依赖 Redis/ZooKeeper/etcd 的单机 ReentrantLock 加人造时钟复现旧持有者复活,实测 fencing token 把过期写入挡在存储侧,并给出时钟漂移、看门狗失效与续期失败的边界。
Java 侧锁顺序正确,事务里的 SQL 顺序却反了;或者 Java 锁与连接池交叉等待,JVM 死锁检测完全看不见。本节用纯 JDK 的行锁替身与连接池复现两类叠加死锁,给出真实线程转储判据、未在本机验证的 pg_locks 与 innodb status 读法,以及三者的耦合边界。