归档: 2023/10 | setgopro

2023

10

27

一个看似健壮的服务发现系统，其最脆弱的环节往往在于对服务实例生命周期的模糊处理。多数系统将服务状态简化为二进制的“在线”或“离线”，这种模型在面对服务启动预热、优雅停机、健康检查抖动（flapping）等真实场景时，显得力不从心。一个实例在

2023-10-27 分布式系统

Node.js 服务发现 XState ScyllaDB 状态机

27

团队现有的压测流程越来越成为瓶颈。基于JMeter的脚本是静态的，每次调整并发数、目标URL或持续时间都需要修改XML文件，重新打包，然后手动分发到几台固定的压测机上执行。测试结束后，聚合数百万行的JTL结果文件进行分析，通常是几个小时甚至

2023-10-27 DevOps

Solr TypeScript Nomad 可观测性压测平台

27

一个典型的微服务下单流程，涉及订单、支付、库存三个独立服务。当用户支付成功后，库存服务却因为网络抖动扣减失败。此时，订单状态已更新，用户款项已扣除，但商品库存未变。数据出现了不一致，而追踪这个跨越多个服务的失败链条，定位根因，成了一场噩梦。

2023-10-27 分布式架构

RabbitMQ Datadog 分布式事务 Saga OpenTelemetry

27

我们的业务场景中有一个棘手的监控需求：一个提供向量检索服务的GraphQL API。常规的GraphQL客户端监控，比如请求延迟、错误率和解析器耗时，已经通过APM工具覆盖了。但我们面临的真正痛点是，如何度量向量检索的“质量”——即返回的向

2023-10-27 可观测性工程

Node.js Vector GraphQL Prometheus TSDB

27

系统监控的复杂性往往不在于单个组件，而在于组件之间的“缝隙”。一个请求进入API，写入SQL Server，然后发布一条消息到Google Cloud Pub/Sub，由另一个后台服务消费。当消费者服务抛出一个异常时，我们在Sentry里看

2023-10-27 可观测性

Google Cloud Pub/Sub OpenTelemetry Sentry Jaeger SQL Server

27

一个生产系统的技术栈选型，很少是纯粹的理想主义产物，它往往是多方权衡与妥协的结果。我们面临的挑战是构建一个高性能的数据处理管道：前端需要一个能稳定承载海量、长连接的网关，用于接收来自边缘设备的实时数据流；后端则需要一个能够利用 Python

2023-10-27 分布式架构

SQLite Sanic Phoenix Consul Connect Ray 服务网格异构系统