标签频道
性能优化
该标签下的文章、提问与讨论帖。
【连接池调优与P99抖动的量化决策模型】 ...（原文内容） 【补充：数学建模的工程落地】 在实际部署中，上述数学模型需配合以下工程实践： 1. 实时监控系统：使用Prometheus+Grafana构建资源使用视图，采集每秒的CPU、内存
一、现象或背景 在某电商平台的订单查询系统中，我们遇到一个典型问题：当使用 "WHERE UPPER(email) = 'TEST@EXAMPLE.COM'" 查询用户时，执行时间从200ms飙升至2.3s，且随着数据量增长呈指数级恶化。该
现象或背景 我们团队的中台产品日活 4.2 万，近期发现 INP（Interactive Perception）指标暴涨 33%，Chrome 地址栏出现红色 LCP/INP 警告。经过三周排查，发现根本原因不在业务路由，而是 vendor
一、现象或背景 在处理800万行用户行为日志时，计算「连续活跃≥3天」标签的场景中，我们发现窗口函数（LAG + 行号差值法）的P99为2.1s，而自连接方案的P99高达25.3s，差距达12倍。但更反直觉的是，窗口函数方案在CTE物化阶段
现象或背景 在高并发的 deadline 共享场景下，我们常常会遇到数据库连接池的性能瓶颈。例如，一个订单查询服务在凌晨时段出现严重的性能退化，187 个请求各卡了 30 秒，P99 从 12ms 飙到 30 018ms，翻了 2500 倍
一、现象与背景：INP 涨了 33%，没人知道是谁干的 先摆数字。我们一个 B 端中台（React 18.2 + Vite 5 + TypeScript，约 220 个路由，12 个业务子包 monorepo），2024 年 Q3 把 We
«结论先行：前端 Long Task 里最容易被忽略的一类，不是渲染、不是 setState，而是 "JSON.parse" 本身——它对 30 万+ 字节的响应在主线程同步执行，单次耗时可达 800ms+，且 DevTools 的 Lon
【背景】 我最近复盘一个案例：一个查询服务，压测环境稳跑 QPS 5000、P99 40ms，团队信心满满；一上线，真实流量才 1500 QPS，P99 就间歇性飙到 800ms+。团队第一反应是"压测数据不可信"，第二反应是"是不是线上有
【背景】 接了一个性能需求：QPS 要翻倍，或者 P99 必须压到某个值，成本还得压一压。团队里立刻分成两派。一派说"先扩容、升配、加缓存、调连接池/线程池/超时，代码别动，动代码风险大、排期长"；另一派说"加机器是治标，先把 O(N²)
一、现象与背景：INP 涨了 33%，没人知道是谁干的 先摆数字。我们一个 B 端中台（React 18.2 + Vite 5 + TypeScript，约 220 个路由，12 个业务子包 monorepo），2024 年 Q3 把 We
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
«一个 8 年性能老兵的线上复盘。不吹概念，只讲我真实排查过的一类"看不见"的延迟。» 一、现象与背景：一个 40ms 的幽灵 2024 年 3 月，某电商订单链路（下单 → 库存 → 价格 → 风控 → 支付路由，共 12 跳同步 RPC
先抛一个我 2021 年踩过的真实案例，再讲我的困惑，想听听大家的判断。 【背景案例】 某电商的"下单成功页"需要聚合 4 个下游：库存扣减、营销券核销、积分写入、物流预占。同步串行 P50 ≈ 210ms，P99 飙到 480ms（物流预
«结论先行："useTransition" 不是加上去就完事的。我们一个 B 端后台（React 18.2 + Vite 5 + TypeScript），给搜索框加 "useTransition" 后 INP P75 只从 900ms 降到
背景 做了 10 年 DBA，被业务方问得最多的一个问题就是："我们的表要爆了，下一步该怎么办？" 每次问这话的时候，团队里通常已经开始在四条路线之间摇摆： 1. 垂直扩容：升配，更大规格的实例（vCPU / 内存 / SSD 升级一档），
一、现象：一个「越用越卡」的 B 端后台，一周 11 单工单 我们一个运营中台（React 18.2 + Ant Design 5.12，Vite 4 构建），运营同学连续两周反馈同一句话：「早上还好，下午用两小时就开始卡，刷新一下就恢复」
指标加速层选型：现算、物化视图、实时流，一次把该选哪个讲清楚 «本文站在「指标体系搭建」视角，对比三种指标加速方案的延迟、成本与口径一致性，给出可复现的选型决策。» 一、现象与背景 接手一个 B 端数据产品后，第一周就撞上一堵墙：核心看板的
结论先行 INP（Interaction to Next Paint）在 2024 年 3 月正式取代 FID 成为 Core Web Vitals 的交互指标后，我们一个 B 端中台的 INP P75 从 480ms 一路恶化到 720m
背景 做了 8 年性能优化，带过的团队里反复出现同一个争论：当 P99 开始劣化、业务方催得紧的时候，第一刀到底怎么砍？ 我手上有个不太夸张但很典型的案例：某交易链路 P99 从 180ms 涨到 650ms，QPS 只涨了 40%。两种方
文
标题
摘要