《互联网产品的服务端架构·产品、流量与基础能力》附录 A 术语与指标
一份面向评审与复盘的术语和指标速查:解释 DAU、QPS、p95、并发、读写比、命中率、可用性、错误预算、SLI/SLO、回源、灰度、双写、幂等、最终一致、热点、工作集、副本因子与容量余量,并给出常用公式、常见误用和同名指标不同口径的辨析。
category
一份面向评审与复盘的术语和指标速查:解释 DAU、QPS、p95、并发、读写比、命中率、可用性、错误预算、SLI/SLO、回源、灰度、双写、幂等、最终一致、热点、工作集、副本因子与容量余量,并给出常用公式、常见误用和同名指标不同口径的辨析。
没有基线,三个月后没人说得清系统是变快还是变慢。文章把可用性、p95 与单请求成本写成可比较的指标集,说明相对变化、零基线和发布闸门如何计算,并收口本卷交付的可运行产物,交代卷二为什么先从内容模型讲起,让每次发布都有可复核的对照,避免优化沦为口头争论。
账号包和 BFF 的单测都绿,真实注册登录却在字段名上断掉。文章说明端到端用例为什么要从用户旅程而不是接口清单来,如何在断言状态码之外验证业务结果,并给出用 httptest 真跑请求、失败后继续执行且能收敛 panic 的场景运行器,同时划清它不覆盖的边界。
账号、资料和 BFF 三个模块共用一个 models 包时,边界只剩目录名。文章用一次越权读取说明数据所有权、依赖方向和对外契约如何划分,并给出可校验重复、缺失依赖与循环依赖的模块图实现,让拓扑序在每次构建中都可重复,也让三个模块能各自独立发布。
同一条按钮 token 在暗色主题下解析成透明文字,往往不是样式写错,而是三层 token 的解析链断了。本节用可运行的 TypeScript 模块演示 primitive、semantic、component 三层解析、主题覆盖优先级、别名环检测与缺失回退,并给出组件库接入主题前的验收判据。
从大促前自动扩容却因镜像拉取与预热耗时六分钟、流量提前到达的事故写起,讨论预留 30% 与留两倍容量的判断依据,把目标利用率、步长与冷却时间写成 Decide 纯函数,给出夹紧边界、死区与冷却期的测试和真实输出,并说明缩容为何要比扩容更保守。
从「回声」只估了数据库、上线后被带宽与备份账单打回的事故写起,把存储、带宽与机器成本拆成可核算的账本,说明保留天数、副本数与 CDN 回源如何放大费用,给出 SteadyState、AfterDays 与 Monthly 的可测试实现和真实测试输出。
从「回声」三次容量评审给出相差数倍的数字写起,拆解 DAU、每用户请求数、峰值系数与活跃秒数各自的标定来源和常见偏差,用区间估算替代单点,给出可测试的 Bounds 实现、非法区间测试与一次真实 go test 输出,并解释按平均 QPS 买机器为何会在晚高峰排队。
复盘报告只写“数据库连接数打满”,解释不了为什么监控二十分钟后才报警。文章把线上问题拆成检测、确认、缓解、解决四段,用时间线还原每一段的耗时,给出可测试的分析实现,并说明缺阶段、乱序与时间回退为什么必须报错,避免半截报告误导结论与改进方向。
日志、指标与追踪都接上了,故障时仍然查不出原因,往往是因为采集没有边界。文章说明三种信号各自回答什么问题,用高基数标签打爆时序库的案例解释成本从哪来,并给出可测试的采集审计规则与去重排序实现,帮助团队用最小集覆盖排障所需信息,避免工具越多越慢。
监控面板全绿,用户却反馈首页打不开,问题出在 SLI 的采集口径。文章从用户动作出发,区分请求可用性与用户可用性,说明首屏、可交互与接口成功率的差别,给出按请求计算的可用性与最近秩 P95 实现,并列出样本采集与校验边界,帮助团队在事故前把口径定清楚。
凌晨发布时直接 rename 列,老 Pod 还在跑,写入全部报未知列,订单创建失败十二分钟。文章把列变更为先扩后收的 expand、migrate、contract 三阶段,说明双写、回填、双读校验与切换的停点,用 Go 校验阶段顺序和双写幂等,并给出表驱动测试与真实运行输出。
90 秒单局与 8–12 分钟对局不该共用一套恢复策略。本节把快照与操作日志放进同一张成本表,用回放预算而不是产品名选择路线,并实现可合并的恢复令牌、幂等重放、乱序重排与快照加尾日志,最后比较消消与方舟各自的选择、恢复上限、检查点间隔与服务端校验。
灰度 5% 时错误率已经从 0.4% 翻到 1.8%,却没人看指标,一路放到 100% 才发现。文章把灰度拆成按用户分桶的递增台阶、独立于发布的开关和带最小样本量的回滚阈值,用 Go 实现计划校验、阶段推进与自动回滚判断,并给出表驱动测试与一次真实的运行输出。
一次发布混进三个功能、一个索引重建和一份配置,出故障时没人说得清该回滚哪一段。文章把发布拆成代码、配置、schema、数据修复四类可独立观测、独立回滚的变更单元,用 Go 校验组件冲突、不可逆变更的观测信号与纯配置误标,并给出表驱动测试与真实运行输出。
端能力不是布尔值:同一个支付能力可能是原生、polyfill 或完全缺失,同一个功能可能是必需或可选。本节用能力表与降级计划模块,把「原生、polyfill、降级、阻塞」四种策略写成可测试的判定,并说明快照刷新、探测误差、开关实验的边界与排查清单。
提示改版后旧缓存继续返回旧口径,用户注销后摘要仍能被相似问题命中。本节把失效拆成提示换版、模型切换、权限调整与用户删除四类传播范围,说明作用域纪元如何挡住迟到的旧写回,并给出可运行的 TypeScript 失效器、删除权传播与完整隔离测试。
用户付了钱订单却三天待支付,暴露的是重试、死信与对账三层防线同时缺位。文章把重复、丢失、乱序当作常态,说明指数退避为何必须有上限、死信为什么必须有人处理、对账为何是最后一道防线,并给出 Next 与 Reconcile 的可测试实现与边界测试。
从 arch-lab 同时服务 Web、移动端和合作方的订单详情页出发,说明 BFF 如何按端定义聚合计划、用白名单裁剪敏感字段,并把可选依赖失败降级为带标记的部分响应;给出并发聚合的 Go 实现,实测字段裁剪、必需与可选依赖的分界以及 section 并行度。
点赞事件重复投递让计数先涨两次又掉回去,问题不在消息队列,而在消费者没有幂等账本。文章区分事件与通知的失败语义,说明至少一次投递下如何用事件 ID 去重、用版本门槛拒绝旧格式、用首次处理时间回答最终一致要多久,并附 Apply 的 Go 实现与测试。