高并发

背景 做了 10 年性能优化，带过的团队里有一个反复出现的"信任危机"：压测报告写得很漂亮，P50 / P99 都达标，但一上真实流量，P99 就翻 2~3 倍。不是每次都这样，但每次遇到，排查起来都很痛苦——因为压测数据"看起来是对的"，

背景 在数据工程和后端高并发领域，"缓存和数据库不一致"几乎是每个团队都撞过的墙。但每次聊起来，发现大家的做法差异非常大，而且往往跟业务场景、团队规模、运维能力强相关——没有银弹，只有取舍。我做了 10 年数据工程，见过从"纯 TTL 兜底

【背景】 B 端订单服务，JDK17 + Spring Boot 3 + Netty 4.1，单机 8C16G，K8s cpu limit=4 / mem limit=8G。下游：Redis 7（3 主 3 从）+ MySQL 8.0.32

【背景】 最近翻了社区几篇帖子——连接池调参、超时重试、线程池从 200 拉到 2000 雪崩的复盘——发现大家聊的都是「单点怎么调」，但有个更上游的问题很少被正面讨论：当系统整体过载（不是某个组件慢，而是入口流量超过承载力），你的第一反应

背景：我在维护一个订单中台，入口 QPS 约 1500，单次请求平均要串行调用 2~3 个下游（库存服务、价格服务、风控服务），其中价格服务最终会落到 MySQL 做聚合查询。整体链路我做了三层超时：Tomcat/网关 800ms → Sp

«结论先行：G1 的停顿目标 "MaxGCPauseMillis" 只是「建议值」，不是硬上限；真正的停顿杀手往往是 IHOP 阈值设得太晚导致并发标记追不上、退化成 Serial Old 的 Full GC，以及 Humongous 对象

背景 热榜上「性能优化第一刀怎么砍」「限流阈值怎么定」「压测数据可不可信」都被聊透了，但我最近在一个数据/后端混合团队里撞上一个更上游、也更没共识的问题：很多团队是「P99 达标就收工、劣化了再回头查」，也就是性能问题基本都在上线后才暴露、

【背景】 我负责一个 B 端聚合网关（JDK 17 + Spring Boot 3，单机 8C16G，K8s cpu limit=4），对外 QPS 峰值约 2k。线程池是业务侧自己用 "ThreadPoolExecutor" 建的（没走

背景 热榜上「限流阈值怎么定」那两篇讨论把"阈值该卡 QPS 还是并发数""该放网关还是 SDK"讲得挺清楚了，我读完卡在再往上游一步的问题：用来定阈值的那份压测数据本身，可信吗？ 上个月帮一个团队做容量评审，他们给的压测报告很漂亮：单接口

【背景】 我们有一个订单聚合服务（Java 17，Spring Boot 3，8C16G），核心逻辑要并行调用库存、价格、风控 3 个下游 RPC，每个下游 RT 大约 30~80ms，高峰期 QPS 约 2000。团队用「核心线程数 =

【背景】 我负责一个库存扣减服务：JDK 17 + Spring Boot 3 + Redis 7（Cluster）+ Lua 脚本，核心链路是用 Redis 分布式锁保证「读库存→判断→扣减→回写」的原子性。锁是自己实现的 Redlock

背景 热榜上已有两篇好帖把「限流卡什么指标」（QPS vs 并发数）和「限流放哪一层」（Sidecar vs SDK）讲得很清楚了。但实际落地时，我卡在下一步：阈值那个数字，到底怎么来的？ 上个月帮一个团队做容量评审，网关上某个核心接口限流

【背景】 我负责一个订单查询服务：Spring Boot 3.2 + JDK 21（虚拟线程，spring.threads.virtual.enabled=true）+ HikariCP 5.1 + MySQL 8.0。核心接口 QPS 约

一、现象：加线程那一刻，监控曲线先升后崩 先给结论：对一个下游是数据库的 IO 型服务，把 Tomcat/业务线程池从 200 直接拉到 2000，QPS 几乎没涨（1200 → 1240），但 P99 从 180ms 一路飙到 950ms

一、现象与背景 先给结论：这次毛刺的根因不是代码、不是网络、不是 Redis 集群配置，而是一个业务同事顺手写的"全量拉取榜单"接口——它背后是一个 48MB 的 ZSet 大 Key。 具体场景：我们是做直播打赏榜单的，Redis Clu

背景 上个月帮一个团队做容量评审，他们网关层给一个订单查询接口配了 QPS 限流 5000，压测跑下来 QPS 4800、P99 稳定 45ms，一切"正常"。结果上线第三天，下游 MySQL 主从切换，P99 飙到 2.3s，QPS 只跌

结论先行 超时和重试不是「加个配置就完事」的运维项，而是容量规划的一部分。我见过三次线上事故，根因都不是 bug，而是超时和重试配错了： 1. 上游 200ms 超时，下游 P99 是 180ms —— 平时没事，下游一次 GC 抖到 30

结论先行：连接池大小调成 CPU 核数的 10 倍、甚至 50 倍，往往不是变快，而是把抖动放大。下面是一次真实的 P99 抖动排查记录。 【现象】 一个订单查询接口，QPS 稳定在 800 左右，P50 一直 12ms，但 P99 间歇性