P99

背景 社区里最近热榜上全是 P99 抖动、超时重试、Kafka 事务卡顿这类"单点排查"的帖子，写得都很扎实。但我作为带团队的人，更纠结的是另一个更上游的问题：当 P99 和吞吐真的冲突时，你的系统到底先保谁？ 举几个我们组真实面对过的场景

背景 做了 8 年性能优化，我发现团队里有个挺普遍的现象：P99 从 500ms 压到 100ms 的过程，大家干劲十足；可一旦达标，再往下压 P999，往往就没人愿意碰了。原因很现实——P999 的毛刺往往来自 GC、page cache

【背景】 我在一个订单中心做慢查询治理，主库 MySQL 8.0.32（单主 16C64G，innodb_buffer_pool_size=48G），核心表 orders 约 2.2 亿行，二级索引 idx_uid_created (uid

一、现象与背景：全绿的用例，掩盖了一次 8 倍的延迟劣化 先给数字。我们一条 B 端订单查询链路（Java 17 + Spring Boot 3.2 + PostgreSQL 15），接口自动化套件 1200 个用例，CI 常年 100%

【背景】 我在做一个 3 年经验的性能优化，最近帮一个内部团队复盘一个 Go 1.21 网关服务：4C8G 单实例，QPS 约 4k，链路是「网关 → MySQL（读写分离）+ Redis」。P50 稳定在 25ms，P95 在 60ms

背景 做了 15 年性能优化，我最近带团队复盘 3 起 P99 毛刺事故，发现一个反复出现的分歧：同一个现象（P99 从 80ms 抖到 800ms+），不同团队的第一反应完全不一样。 复盘 3 个真实场景： 场景 A：一个 4C8G 的

【背景】 我做了 8 年性能优化，最近带团队复盘一个 Go 1.22 的网关服务：单实例 8C16G，QPS 约 1.2w，请求体平均 8KB 左右，主要开销在 JSON 编解码 + 下游 HTTP 调用。P50 稳定在 18ms，但 P9

【背景】 订单聚合服务，JDK 21 虚拟线程（每请求一个 vThread），一次请求需扇出 6 个 gRPC 下游（库存/价格/物流/风控/营销/会员），单下游超时 200ms，整体 deadline 800ms。 上游 Nginx 压测

背景 我在给一个订单履约服务做容量评审，单 Pod 8C16G，业务侧 600 QPS 稳态，下游三类：MySQL 8（p99=12ms）、Redis 7（p99=2ms）、第三方 HTTP（p99=380ms，超时 800ms）。目前 H

【背景】一个订单查询服务，Spring Boot 3.2 + JDK 21 + HikariCP 5.1，单实例 8C16G，前置 4 个实例，下游 MySQL 8.0 同机房。压测 QPS 稳在 1000 左右时，P50 始终 15ms

背景 我负责一个核心查询服务：Spring Boot 3.2 + JDK 17.0.10（G1，"-Xmx4g -XX:MaxGCPauseMillis=50"）+ MySQL 8 + Redis 7，K8s 1.28.4 / contai

背景 热榜上"连接池怎么调""超时重试怎么配""GC 怎么选"聊得很透，但我做了 3 年性能优化，发现一个更前置、却几乎没有团队形成共识的问题：线上 P99 劣化被报警抓到的那一刻，你做的第一个动作是什么？ 我至少见过三种截然不同的"第一反

一、现象与背景：同一套压测脚本，今天 p99=42ms 明天 p99=87ms 先摆数字。我们团队 9 人，负责一条订单+库存的 Java 服务链路（JDK 17 + Spring Boot 3.1，Nginx 网关，k6 做压测）。性能回

«结论先行：buffer pool 命中率不是越高越好，buffer pool 也不是越大越好。命中率 99.7% 时 P99 依然可以打到 800ms，因为「命中」不等于「无代价」——一次冷读抖动可以把 LRU young list 冲刷

【背景】 我们有一个网关类服务（Java 17，Spring Boot 3，16C32G），用 OkHttp 3.14 作为 HTTP 客户端，连接池 "ConnectionPool(200, 5min, TimeUnit.MILLISEC

«结论先行：一批「网络看起来很好、下游服务也没抖、但 P99 就是会周期性飙高」的故障，根因常常不在网络，而在应用每次新建连接都在同步等一个「电话簿」翻完。这篇文章复盘一次真实的 P99 长尾排查，从「以为是网络」一路挖到 "resolv.

【背景】 我负责一个支付网关服务：Spring Boot 3.2 + JDK 17（G1，"-Xmx4g"，tiered compilation 开启，默认参数）+ MySQL 8 + Redis 7，K8s 滚动发布，单副本 4C8G，Q

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"，

一、现象：P50 正常，P99 却整齐地卡在 240ms 上个月我们给内部一套 RPC 网关做性能验收，目标 P99 < 200ms。压测结果反复出现一个诡异的现象： - QPS 稳定 3000，P50 = 180ms，P95 = 198m

【背景】 做了 8 年嵌入式，近两年把主要精力放在容器化和 K8s 运维。最近一次流量突增复盘里，我盯着一个很别扭的现象：HPA 在 40 秒内把副本从 6 拉到 18，扩容本身没出错、没 OOMKilled、探针也都绿了，但 P99 在扩