服务器调优与选型：从浪费到精准匹配的七年跃迁

　　去年四月，凌晨两点十七分，灰度切到一半，白屏率从0.3%直接蹦到12%，监控钉钉消息炸成一片，我手还在键盘上悬着，后端老张甩过来一句“你接口是不是又扛不住了”，我没回，因为我知道他根本没看trace——他连那个埋点字段叫event_type还是eventType都记混过三回。

　　窗外在下雨，雨刮器节奏跟Jenkins构建进度条卡顿的频率奇异地一致。编译框里那个绿色小圆圈转了快两分钟，死活不往前走，我顺手把本地node_modules删了重装，其实早该删了，上回升级Webpack插件时就发现体积膨胀得不对劲，但当时想着“先过这版”，结果拖到昨天才改第三版。谁在群里发了张“服务器在哭泣”的表情包，配字“它说它不想干了”，我点了两次赞，手指按下去的时候心里想的是：不是它不想干，是我们从来没问过它想干啥。

　　我原以为调优就是加CPU、升内存、换SSD——干了五年，全是这个逻辑。直到去年三月底，线上一个聚合查询接口，QPS压到800就开始毛刺，我们加了两台c6.4xlarge，成本翻倍，延迟反而波动更大。后来查日志才发现，九成请求在等同一个Redis连接池超时释放，而连接池最大值设的是32，只够撑住日常峰值的六成。改完maxIdle=128，当天就把那两台机器下了——下得特别安静，连销毁通知都没留，就像从来没见过它们。

　　风扇声又响起来了，旁边工位那位新来的前端，空调风一开就关机，说是主板电容虚焊，我信。反正他修电脑比修代码还利索。那天他顺手帮我看了眼K8s event，随口说：“你这个limit写的，比咱们食堂饺子馅儿还稀。” 我愣了一下，真去翻yaml——memory: 4Gi，requests: 1.5Gi，确实虚。后来我把requests抠准到GC后常驻堆的1.2倍再加5%，跑了俩礼拜，pod调度终于不飘了。但说实话，现在看那个1.2倍，我也说不准为啥不是1.15或者1.23——只是那天压测图上，就它最稳。

　　产品早上十点拉着我们开会，非说“数据导出要支持五万行秒开”，我说导出不该走实时API，她反手掏出竞品App录屏：“你看人家都行！” 后端坐在那儿扒拉手机，头也不抬：“她们用的AWS RDS Proxy，咱们是直连PG主库。” 设计在画板上猛戳放大镜图标，嘴里念叨“视觉加载动效要像呼吸一样自然”——结果下午三点她自己导了三次都卡在78%，最后骂了句“这破网”，改用离线包下载。我盯着她钉钉头像右下角的小红点发呆，忽然觉得，选型这事哪有什么最优解？只有谁先认栽、谁先砍需求、谁先把运维权限交出来。

文章配图，仅供参考

　　外卖到了，是那份永远少葱的牛肉面。我趁热扒拉两口，突然想起前年重构BI接口那会儿，为省三毫秒，在Nginx加了个gzip_static on，结果压测跑完，CDN缓存失效，灰度用户全刷出了旧版埋点JS——那天上线rollback比热更新还快，产品经理蹲在我工位旁啃包子，边嚼边问：“下次能不能…别搞这么玄的？” 我点头，转身就把gzip_static关了，换了个更土的方案：直接在build脚本里把JS加个时间戳哈希。到现在都记得那个哈希串，sha256(‘v3-’ + new Date().toISOString().slice(0,10))，土是土，但能进发布清单、能过QA核对表、能被审计追到根。

　　认了。不是认服务器得精准匹配，是认“浪费”本来就是默认态。七年里我亲手扩容过二十八次，缩容……记不清哪个版开始的，反正是从某次半夜删掉三台空跑instance后，才敢把“缩容”俩字打在沟通文档里。现在看，调优不是找黄金参数，是定期做尸体解剖——看OOM之前最后一行GC日志，看CPU飙高时到底在decode还是decrypt，看那几个永远排在top3的慢SQL里，有俩根本没加索引，只是因为“历史原因”活着。

　　上周我让运维开了个新集群，不是给业务，是专供压测流量回放。配置单上写了：CPU按P95利用率+20%浮动，内存按Full GC后heap_usage_7d_avg 1.35——但底下备注栏我划了一道横线，写：“如果下周设计又改稿，这单作废”。后面还补了一句：“别问我为什么知道她下周一定改稿——她上回说‘定稿’，是在五一放假前夜十二点十五分发的。”

　　反正明天还得调，后天也得调，调到哪天算哪天。今天先把那个redis.maxTotal从64改成96，刚上线，等十分钟后看latency分布。要是还是毛刺，我就去问DBA借个pt-query-digest报告——不过得先看看他午饭吃没吃，他要是正啃猪蹄，我就不打扰了。

（编辑：我爱资讯网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!