docs(report): lab3 track-1 saturation point before optimization and fix

This commit is contained in:
Голиков Maximillian Антон
2026-10-09 08:05:11 +03:00
parent 1a8c6c0925
commit 9174641771
2 changed files with 188 additions and 1 deletions
+188 -1
View File
@@ -250,5 +250,192 @@ Prerequisites:
дальше копать в сторону Docker Desktop networking или оптимизации
Postgres.
## Эксперименты трека 1
# Эксперименты трека 1
Артефакты: evidence/track1/, scripts/track1-sweep.sh, scripts/track1-csv.py
## Гипотеза
При фиксированном суммарном CPU/RAM рост числа API-реплик не увеличивает
пропускную способность после некоторой точки. Предполагалось, что
saturation point находится в общей зависимости - пул соединений pgx
(MaxConns=10 на реплику) либо БД (Postgres, max_connections=100).
## Методика
Нагрузочный генератор: k6, executor constant-arrival-rate. Скрипт
student-tests/load-k6.js. Каждый VU логинится один раз в setup(), затем
шлёт POST /messages с уникальным Idempotency-Key. Open-loop модель
устраняет coordinated omission, в отличие от tests/load.py.
Каждый замер: 3 прогона, длительность 2 минуты, между прогонами
пересоздание стека. В сводке - медиана по трём прогонам. Метрики
собирались параллельно: k6 summary-export (latency p50/p95/p99, RPS,
errors) + docker stats каждые 2 секунды (CPU/RAM по каждому контейнеру).
Все запуски на одной машине: Windows 10, Docker Desktop (WSL2),
синтетические данные, никаких внешних сервисов.
![Трек 1: цена масштабирования](evidence/track1/graphs.png)
На графике: слева сверху - пропускная способность vs число реплик
(плато на 395 RPS при насыщении), справа сверху - p95 latency, слева
снизу - max latency (видно деградацию x3.6 при 4 мелких репликах),
справа снизу - попытки пробить потолок под RATE=800, baseline зелёным
столбцом для контраста.
## Серия A. Фиксированный total CPU/RAM, RATE=50
Три конфигурации при одинаковом суммарном ресурсе 1.0 CPU / 512 MB:
| Реплик | CPU/реплика | RAM/реплика | RPS (медиана) | p95, ms | max, ms |
| --- | --- | --- | --- | --- | --- |
| 1 | 1.0 | 512M | 49.87 | 4.65 | 24 |
| 2 | 0.5 | 256M | 49.69 | 4.74 | 106 |
| 4 | 0.25 | 128M | 49.06 | 5.34 | 1366 |
Результат: при RATE=50 все конфигурации упираются в 49 RPS - это ровно
запрошенная интенсивность. Нагрузка слишком низкая, saturation не
достигается. Единственный информативный сигнал: у конфигурации
4 x 0.25 CPU / 128M выбросы latency до 1.3 секунды против 24 ms у
одной крупной реплики. Причина - Go-runtime упирается в memory limit
128 MiB (в docker stats видно 127.9 / 128 MiB), GC паузы дают пики.
Вывод: RATE=50 не подходит для поиска saturation, нужна более высокая
интенсивность.
## Серия A-high. Фиксированный total CPU/RAM, RATE=400
Те же три конфигурации, интенсивность 400 RPS.
| Реплик | CPU/реплика | RAM/реплика | RPS (медиана) | p95, ms | max, ms | Postgres CPU |
| --- | --- | --- | --- | --- | --- | --- |
| 1 | 1.0 | 512M | 394 | 4.45 | 319 | 45-50% |
| 2 | 0.5 | 256M | 397 | 5.00 | 440 | 45-50% |
| 4 | 0.25 | 128M | 394 | 5.00 | 1153 | 45-50% |
Ключевой результат: RPS плато на 394-397 независимо от числа реплик.
Переход от 1 к 2 к 4 репликам не даёт пропускной способности при
фиксированном суммарном CPU. Это и есть искомый saturation point.
При этом ни один компонент не упирается в потолок CPU:
- API суммарно: 60-70 процентов от лимита
- Postgres: 45-50 процентов от 1.0 CPU
- nginx LB: около 10 процентов
- Redis: меньше 1 процента
Все компоненты расслаблены, а RPS не растёт. Значит узкое место либо
в чём-то не отражающемся в CPU (сетевой стек Docker, сериализация,
клиент k6), либо в общем ресурсе, не покрытом метриками контейнеров.
## Серия probe. RATE=800, поиск узкого места
Три попытки поднять пропускную способность выше 400 RPS.
Попытка 1: RATE=800, k6 на хосте, 1 реплика x 1.0 CPU / 512M.
- RPS: 688
- write_errors: 40.5 процентов
- p95 latency: 13.87 с
- max latency: 17.7 с
Система не выдерживает. Ошибки типа EOF и "server closed idle
connection" - Go-сервер рвёт соединения, не дождавшись ответа от
Postgres.
Попытка 2: гипотеза о pool exhaustion. Увеличены MaxConns 10 -> 50,
MinConns 1 -> 5, Postgres max_connections поднят до 300. Тот же
RATE=800, та же конфигурация.
- RPS: 706
- write_errors: 38.4 процента
- p95 latency: 12.06 с
Изменение в пределах шума. Гипотеза о пуле соединений pgx не
подтвердилась - узкое место не в нём. Число активных соединений
Postgres во время теста - не более 10, потолка не достигает.
Попытка 3: гипотеза о сети Windows -> Docker VM. k6 запущен внутри
Docker-сети на хосте lb, минуя loopback.
- RPS: 615
- write_errors: 28.3 процента
- p95 latency: 9.06 с
Пропускная способность даже ниже, чем при k6 на хосте. Ошибки
сохраняются. Гипотеза о сетевой прослойке как главном узком месте
не подтвердилась - хотя снижение доли ошибок с 40 до 28 процентов
показывает, что вклад сетевой прослойки есть.
## Saturation point и почему рост реплик не помогает
Saturation находится в диапазоне 395-400 RPS. При достижении этой
точки дальнейший рост числа реплик при фиксированном суммарном
ресурсе не даёт прироста. Рост ресурсов в 2 раза (до 800 RPS)
приводит к деградации сервиса: доля ошибок 28-40 процентов.
Однозначной причины найти не удалось. Проверены и отвергнуты:
1. Пул соединений pgx - увеличение MaxConns в 5 раз не изменило RPS.
2. Сетевая прослойка Windows -> Docker VM - вынос k6 в Docker-сеть
снизил долю ошибок, но не поднял RPS.
3. Упор в CPU отдельного компонента - ни API, ни Postgres, ни LB
не приближаются к лимиту.
Остаются неисключённые гипотезы: поведение Docker Desktop networking
при высокой интенсивности, накладные расходы nginx при проксировании,
либо ограничения клиента k6 на одном физическом хосте. Проверить их
в рамках одной машины не удаётся - нужен второй физический хост.
## Подтверждённое улучшение
Прямого улучшения пропускной способности получить не удалось. Однако
в серии A-high подтверждено улучшение по хвостам latency: при
фиксированном суммарном ресурсе 1.0 CPU / 512M переход от 4 мелких
реплик (0.25 CPU / 128M) к 1 крупной (1.0 CPU / 512M) снижает
максимальную latency с 1153 ms до 319 ms, то есть в 3.6 раза, при
той же пропускной способности 394 RPS.
Механизм: при memory limit 128 MiB Go-runtime в репликах api-2 и api-3
постоянно находится в состоянии memory pressure (127.9 / 128 MiB по
docker stats). GC запускается часто, stop-the-world паузы дают
длительные хвосты. При 512 MiB на реплику GC работает спокойно,
хвосты остаются короткими.
Практический вывод: конфигурация "одна крупная реплика" лучше
"многих мелких" для хвостов latency при одинаковом суммарном ресурсе.
Это стоит учитывать при выборе размера реплик.
## Ограничения измерения
1. Одна физическая машина. k6 и весь стек работают на одном хосте,
делят CPU/RAM/диск. Абсолютные значения RPS ниже, чем были бы
на распределённой системе.
2. Docker Desktop (WSL2) на Windows. Сетевой стек эмулируется через
виртуальную машину, накладные расходы не отражаются в метриках
контейнеров.
3. k6 client-side limits. При VU до 3141 на Windows k6 сам становится
источником нагрузки на CPU хоста.
4. Три прогона на точку - минимум по README. Разброс между прогонами
в пределах 2 процентов, медиана достаточно устойчива.
5. Целевые метрики CPU/RAM из docker stats имеют округление до 0.01
процента и период семплирования 2 секунды, короткие пики могут
быть не пойманы.
## Промежуточный итог (до оптимизации)
На этом этапе saturation point найден (395-400 RPS), рост реплик при
фиксированном total CPU/RAM не помогает, две гипотезы о причине
(MaxConns pgx, сетевая прослойка WSL2) проверены и отвергнуты.
Узкое место не идентифицировано. Прямого улучшения пропускной
способности не получено.
Однако в серии A-high подтверждено улучшение по хвостам latency:
1 крупная реплика вместо 4 мелких даёт max latency 319 ms против
1153 ms (x3.6) при том же RPS. Причина - memory pressure в Go-runtime
при limit 128 MiB.
Дальнейший шаг - поиск узкого места в самом LB (nginx), поскольку
гипотезы о приложении и клиенте не подтвердились.
Binary file not shown.

After

Width:  |  Height:  |  Size: 184 KiB