知识卡片
度量性能与可扩展性
性能:系统处理特定工作负载(网络请求、API 调用、事件消息、批处理)的速度,通常是外部运行度量,易于在测试和运行中直接数值度量,也可用模型估算。两种典型度量:延迟(完成一项工作的时间)和吞吐量(设定时间内完成的工作数),二者应成反比。不要把性能与可扩展性混为一谈,但性能下降往往是可扩展性问题的表现。两大决定因素:要做多少工作、做得多高效(如数据库访问是否用索引)。 - 关键度量是响应时间:用 Gatling 等工具生成综合负载,或在系统中构建日志供回顾分析;一次度量基本没用,要看一组请求的分布(平均、中位数、标准差),再与需求比较,按差距决定是否需要架构关注; - 可以“购买”资源提升性能,但成本更高;在能直接度量前可用电子表格模型估算,但校准棘手; - 常见问题:测试环境与运行环境不一致(真实数据、负载模式、资源和配置);模型的预测能力未知——尽早测试校准,别过度依赖;生成高保真、可重复的负载很复杂;分布式系统的间歇性现象难以重现,但别忽略,往往暴露架构问题;开发初期没考虑性能日志;或日志过多难以处理——要有清晰的日志策略和可配置机制。
可扩展性:系统如何响应不断增加的工作负载,关键是负载能力如何随资源(CPU、内存、存储、网络)变化。理想是线性扩展——资源增加 50% 就多处理 50% 的负载,实践中很少做到。它是多方面的:请求处理能力、批处理量、数据存储容量,乃至组织(人员和流程)能力。 - 关键度量:在特定资源水平下、以可接受性能能处理多少负载。例如在平均响应 0.5 秒、95% 请求低于 2 秒的条件下测出 5 秒内能处理的请求数,再每次增加约 20% 资源重测,用比值描述可扩展性;同时估算达到特定负载容量的资源成本;存储量和存储成本(为性能建的索引、为监管保留的数据);支持特定负载所需的人数(处理异常的业务操作人员、执行常规任务的运维人员)。比较不同资源水平下的容量,对利益相关者有实际意义,也能看出随时间变好还是变坏; - 额外问题:不可预知的瓶颈(发现并解决前会大大降低度量价值,尽量做探索性测试);非线性行为(加了资源却处理不了预期的额外负载);资源组合(多数负载需要多种资源,如扩展数据库要内存、CPU、磁盘 I/O,度量时要一起考虑)。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 度量在软件架构中的作用 · 查看原书依据
理想情况下,系统应该线性扩展,即增加50%的资源就能多处理50%的工作负载。