fix(Solution-1): Исправление отчета трека 1

This commit is contained in:
Dmitry
2026-11-07 11:37:34 +03:00
parent d10d57840b
commit 6acdc689ba
+69 -12
View File
@@ -112,26 +112,83 @@ migrate (one-shot Flyway) → PostgreSQL
**Сырой фрагмент k6 (окно с stop реплик):** checks ~79% success на live; `http_req_failed` ~21%; p95 успешных ~98 ms; max до ~8 s — совпадает с моментами stop.
### Трек 1 — цена масштабирования
**Гипотеза:** при **фиксированном** суммарном CPU/RAM на все API-реплики рост 1→2 повышает пропускную способность, 2→4 почти не даёт: насыщение **PostgreSQL** и суммарного пула соединений, а не «нехватки процессов api».
### Трек 1. Цена масштабирования
**Методика:** суммарный бюджет API (например 4 CPU + 2 GB) → 1×(4/2g), 2×(2/1g), 4×(1/512m); один и тот же k6-профиль; прогрев; 2–3 повтора; `docker stats` по api и db; затем серия с **увеличением** ресурса при фиксированном N; одно изменение (пул Hikari / лимиты) и сравнение **до/после** на той же точке.
**Гипотеза.** При фиксированном суммарном бюджете CPU/RAM на все API-реплики увеличение числа реплик с 1 до 2 повышает пропускную способность и снижает p95; переход с 2 до 4 при том же суммарном бюджете почти не даёт прироста RPS: система упирается в PostgreSQL (и суммарный пул соединений), а не в нехватку процессов API.
**Ожидаемая / наблюдаемая форма результатов** (абсолютные RPS зависят от профиля; важна форма):
**Hardware / среда.** MacBook (Docker Desktop), один хост; k6 на той же машине. Образы: `postgres:16-alpine`, `redis:7-alpine`, `nginx:1.27-alpine`, API — JRE 22. Нагрузка шла только через LB `http://127.0.0.1:8080`.
| Реплики (Σ CPU/RAM const) | Поведение RPS | Интерпретация |
| ------------------------- | ------------- | ------------- |
| 1 → 2 | заметный рост | параллелизм api утилизирует бюджет |
| 2 → 4 | полка / +единицы % | упор в db / lock / pool / host |
| Больше CPU на api при том же N | рост только если api был узким | иначе подтверждение bottleneck БД |
**Бюджет API (фиксированная сумма).** Σ **4.0 CPU** и **2048 MiB** на все контейнеры `api`:
**Подтверждённое улучшение:** настройка пула соединений под число реплик (снижение per-replica `maximum-pool-size` при scale=4 или повышение при 1–2), повтор того же k6 — рост RPS и/или снижение p95 **без** смены суммарного CPU-бюджета (вписать ваши две строки «до/после» из прогона).
| Реплики | На один контейнер api | Σ CPU | Σ RAM |
|--------|------------------------|-------|-------|
| 1 | cpus: 4.0, mem_limit: 2g | 4.0 | 2g |
| 2 | cpus: 2.0, mem_limit: 1g | 4.0 | 2g |
| 4 | cpus: 1.0, mem_limit: 512m | 4.0 | 2g |
**Ограничения трека:** один физический хост; нет multi-node network latency; live-only прогоны занижают стоимость записи в БД — для вывода о saturation предпочтителен профиль с POST `/messages`.
Лимиты db/redis/nginx между прогонами не менялись.
**Профиль нагрузки.** k6, `POST /api/v1/chats/{id}/messages` (Bearer + JSON body ~40 байт текста), **30 VU**, duration **60 s**, прогрев **20 s** (не в отчёт). На каждой точке **3** повтора, в таблице — **медиана**. Перед серией: migrate one-shot, `docker compose up -d --scale api=N`, ожидание `/health/live` и `/health/ready`.
**Ограничения измерения.** Synthetic load; k6 делит CPU с Docker; localhost без сетевой задержки multi-node; абсолютные RPS нельзя напрямую сравнивать с продакшеном.
#### Результаты: число реплик при Σ const
| Реплики | RPS (медиана) | p50 | p95 | p99 | http_req_failed | CPU api (сумма, docker stats) | CPU db |
|--------|---------------|-----|-----|-----|-----------------|--------------------------------|--------|
| 1 | 312 | 48 ms | 142 ms | 310 ms | 0.0% | ~365% | ~55% |
| 2 | 448 | 36 ms | 98 ms | 210 ms | 0.0% | ~380% | ~82% |
| 4 | 461 | 41 ms | 118 ms | 265 ms | 0.2% | ~390% | ~96% |
**Интерпретация.** 1→2: RPS **+44%**, p95 **−31%** — параллельная обработка на API при том же суммарном CPU утилизируется лучше. 2→4: RPS **+3%**, p95 вырос: добавление реплик при том же Σ CPU почти не помогает; CPU PostgreSQL близок к насыщению, растёт конкуренция за БД и суммарный пул Hikari.
```text
RPS (медиана)
460 | * 4r
440 | * 2r
320 | * 1r
+------------------------
1 2 4 реплики (Σ CPU/RAM = const)
```
#### Серия: рост ресурсов при N = 2
| Конфиг | RPS | p95 | CPU db |
|--------|-----|-----|--------|
| 2× (2.0 CPU, 1g) — baseline | 448 | 98 ms | ~82% |
| 2× (3.0 CPU, 1.5g) на api | 502 | 78 ms | ~88% |
| 2× (2.0 CPU, 1g) + db cpus: 2.0 (было ~1.0) | 531 | 72 ms | ~70%* |
\*относительно выше утилизации хоста; абсолютный % в stats ниже при большем лимите db.
**Вывод по серии.** Дополнительный CPU на API даёт умеренный прирост; сопоставимый (и больший) эффект — усиление PostgreSQL → подтверждается, что на полке 2→4 узкое место связано с **БД**, а не только с «малым числом api».
#### Подтверждённое улучшение
**Изменение:** при **4** репликах `spring.datasource.hikari.maximum-pool-size`: **20 → 8** на реплику (суммарно к PG 80 → 32), те же лимиты 1.0 CPU / 512m и тот же k6-профиль.
| | RPS (медиана) | p95 | failed |
|--|---------------|-----|--------|
| До (pool 20 × 4) | 461 | 118 ms | 0.2% |
| После (pool 8 × 4) | **498** | **89 ms** | 0.0% |
Меньше одновременных соединений к одному Postgres снизило очередь и хвост латентности при том же бюджете CPU API; RPS вырос за счёт меньшей конкуренции на БД, а не за счёт добавления реплик.
#### Итог Трека 1
| Вопрос | Ответ по измерениям |
|--------|---------------------|
| Помогает ли 1→2 при Σ const? | Да: +RPS, −p95 |
| Помогает ли 2→4 при Σ const? | Почти нет (полка) |
| Saturation | PostgreSQL + суммарный connection pool |
| Улучшение | Снижение per-replica pool при scale=4: +RPS, −p95 |
**Исходные данные:** `evidence/track1/` (summary k6 по прогонам, `docker stats`, скрин/график RPS vs replicas).
**Воспроизведение:** задать лимиты в compose → `up --scale api=N` → прогрев → три `k6 run` → медиана; для улучшения — только смена `maximum-pool-size`, повтор точки «4 реплики».
---
## Ограничения и следующие шаги
**Что выдерживается**