Files
mtusi2026lab5/REPORT.md
T
Mikhail Verkovykh fec2882c9a feat(lab5): track 1 queue experiment and evidence
- 3 profiles (serial 1/1, balanced 4/4, eager 8/32) x 2 image sizes
- measure throughput, DB-derived queue lag and p95 time-to-ready, worker RSS
- separate MAX_PENDING_JOBS=3 backpressure and worker recovery run
- self-contained HTML/SVG dashboard plus JSON/Markdown evidence
- document methodology, results and limitations in REPORT/README/CHANGELOG
2026-11-15 00:44:45 +03:00

21 KiB
Raw Blame History

Отчёт — лабораторная 5

  • Автор, группа: TODO
  • Целевая оценка: 5, трек 1 («Очередь под перегрузкой»)
  • Commit/PR: TODO после публикации
  • Использованные источники и библиотеки: RabbitMQ quorum queues и publisher confirms; amqp091-go, gen2brain/webp, golang.org/x/image/draw, golang.org/x/sync/semaphore; стандартные image/png, image/jpeg. Генерация отчёта и графиков — Python standard library. ИИ-ассистент использовался для реализации, ревью кода и подготовки текста; все приведённые результаты получены запуском команд на этом стенде.

Запуск из чистого clone

Требования: Docker Engine + Compose v2, Python 3.9+. Точные версии образов закреплены в compose.yaml (PostgreSQL 16.10, RabbitMQ 4.2, RustFS 1.0.4, Redis 7.4.7, HAProxy 3.2.6); приложение собирается из golang:1.27.1-alpine.

cp .env.example .env
# Заполнить POSTGRES_PASSWORD, S3_ROOT_ACCESS_KEY, S3_ROOT_SECRET_KEY,
# S3_SECRET_ACCESS_KEY, RABBITMQ_PASSWORD. S3_ACCESS_KEY_ID и S3_APP_USER
# обязаны совпадать: RustFS использует имя пользователя как access key.
docker compose --env-file .env up -d --build
curl -fsS http://localhost:8080/health/ready
make test BASE_URL=http://localhost:8080

migrate применяет миграции 0001–0005; s3-init создаёт приватный bucket и scoped-пользователя. Оператору не нужно вручную создавать очередь: worker и publisher объявляют durable quorum queue attachment.process.v1.

Безопасная остановка: docker compose down (volumes сохраняются). Намеренное удаление учебных данных: docker compose down -v. Секреты в git не попадают; .env находится в .gitignore.

Архитектура и решения

client ──HTTP──> API ──stream──> staging/{chat}/{attachment} (S3)
                  │
                  └─ ONE TX: attachments(queued) + attachment_jobs(outbox)
                                     │
                         outbox loop │ publisher confirm
                                     v
                              RabbitMQ quorum queue
                                     │ at-least-once
                                     v
                                  worker
                     DB lease ─> read metadata ─> verify staging
                        │
                        ├─> attachments/{chat}/{attachment} (original, byte-equal)
                        ├─> .../thumbnail (JPEG 256 fit)
                        ├─> .../crop      (JPEG 128 square)
                        └─> .../optimized (WebP 1280 fit)
                        │
                        └─ CompleteJob (attempt/version CAS) ─> ready
                                     │
                                  ack + delete staging

Источник истины — PostgreSQL. Сообщение RabbitMQ — только идентификатор и снимок намерения; worker перечитывает attachment из БД. Поэтому подмена сообщения не даёт доступа к чужим байтам, а повторная доставка безопасна.

Граница 202. До ответа выполнены: авторизация, валидация заголовка и лимитов, потоковая запись во временный файл, SHA-256, PUT в durable staging и одна транзакция, создающая attachment + job. Ответ 202 означает «байты и намерение сохранены», а не «resize выполнен».

Outbox. attachment_jobs.published_at IS NULL — committed intent без publisher confirm. Outbox-цикл работает в каждой API-реплике и в worker; дубли публикации схлопываются DB-lease. Это закрывает окно «COMMIT прошёл, publish не прошёл».

Идемпотентность эффекта. ClaimJob выдаёт lease только одной попытке. CompleteJob обновляет строку при совпадении job_id + attempt + processing и проверяет pipeline_version; устаревшая попытка не может перезаписать новый результат. Ключи вариантов детерминированы, повтор пишет те же байты.

Retry. Постоянные ошибки (invalid_image, staging_corrupt, staging_missing) сразу дают failed. Временные (storage_unavailable, processing_timeout, processing_failed) повторяются с экспоненциальным backoff ±50% jitter до JOB_MAX_ATTEMPTS. После исчерпания — failed с retry_exhausted. Явный replay: docker compose exec worker /usr/local/bin/worker -replay <uuid>.

Память и лимиты. Upload не использует io.ReadAll: тело копируется буфером 32 KiB. API и worker декодируют изображение только после проверки width*height, под общим semaphore-budget IMAGE_DECODE_MEMORY_MB. Байтовый лимит 10 MiB и пиксельный 40 MP — жёсткие сверху, конфигурация может только ужесточить их.

Reconciler. Удаляет только брошенные pending-строки и объекты без метаданных после grace period; ready не трогает. Это не часть happy path, а страховка от падений между PUT и COMMIT.

Доказательства критериев

Все команды выполнялись на локальном Compose-стенде; из sandbox-контейнера использовался адрес Docker host http://172.18.0.1:8080, для обычного хоста — http://localhost:8080. Токены и секреты не сохранены.

Критерий README Команда/сценарий Наблюдаемый результат Файл доказательства
Публичный smoke (уровень 3) make test PASS: lab5 public API scenario; upload 202 → ready, оригинал и JPEG thumbnail проверены evidence/lab5-smoke.txt
Upload 202 только после durable приёма scripts/lab5_resilience.py сценарий worker_stopped worker остановлен: 202 queued, content 409, после старта worker — ready; queue 2.316 s evidence/lab5-grade4.json
Отдельные broker и worker docker compose ps контейнеры rabbitmq, worker, два api, postgres, rustfs, reconciler evidence/lab5-persistence-containers.txt
Остановка API/broker не теряет принятое make test-persistence ACTION_SCRIPT=scripts/restart.sh PASS; все контейнеры перезапущены с новыми StartedAt, volumes сохранены evidence/lab5-persistence.txt, evidence/lab5-persistence-containers.txt
Broker outage / outbox сценарий broker_outage 202 при выключенном RabbitMQ, published_at IS NULL, readiness 200; после старта broker job опубликован и ready, attempt 1 evidence/lab5-grade4.json
Retry с backoff и jitter сценарий transient_retry первая попытка failed, retry через 2.25 s, attempt 2 → ready evidence/lab5-grade4.md
Permanent failure + replay сценарий permanent_failure_replay invalid_image, content/link 409, replay_count 1, после replay ready, 3 варианта evidence/lab5-grade4.json
Crash после эффекта до ack сценарий crash_after_effect worker restart 0→1, повтор завершает ту же job, 3 варианта evidence/lab5-grade4.md
Зависший processing / lease сценарий lease_recovery one-shot exit 10, статус processing, sweeper вернул job, attempt 2 → ready evidence/lab5-grade4.md
Ограниченная конкуренция/prefetch конфигурация worker WORKER_CONCURRENCY, WORKER_PREFETCH, ch.Qos(prefetch); матрица трека 1 REPORT.md, evidence/track1.json
Очистка staging после фиксации сценарии worker_stopped, crash_after_effect staging_cleared: true; reconciler удаляет только брошенное evidence/lab5-grade4.json, evidence/reconcile.txt
Негативные случаи и лимиты python3 tests/custom/attachments.py 413 по bytes и по 42 MP, 415 corrupt/spoof, 404/400, нет 5xx evidence/lab5-negative-cases.txt
Failover API make test-failover ACTION_SCRIPT=scripts/stop-one.sh 118 успешных записей, 1 переходная ошибка, восстановление 2.659 s; остановлена именно api-2 evidence/lab5-failover.txt
Трек 1, уровень 5 python3 scripts/track1_experiment.py 3 профиля × 2 размера; eager/small 13.86 jobs/s против serial 6.88; huge_few ~0.45 jobs/s у всех, RSS 205→1122 MiB; cap=3 дал 503 + Retry-After 5 и восстановление за 7.596 s evidence/track1.json, evidence/track1.html

Эксперименты и отказы

Воздействие Что ожидали Что наблюдали Время восстановления / потеря данных
Worker остановлен после upload 202, content 409, job ждёт 202 queued; после старта ready, attempt 1 2.316 s до ready, потерь нет
RabbitMQ остановлен между COMMIT и publish 202 и восстановление outbox 202, published_at IS NULL, readiness 200; после старта job ready 9.005 s до ready, потерь нет
Worker exit 9 после записи вариантов до ack redelivery завершает ту же job restart 0→1, 3 объекта, ready без потери и без второго набора
Worker exit 10 после claim lease истекает, sweeper возвращает job processing → recovered → attempt 2 → ready 8 s (lease sweep), потерь нет
Временная ошибка storage retry с jitter attempt 1 failed, attempt 2 ready ~2.25 s backoff
Постоянная ошибка invalid_image failed + безопасный replay content/link 409, replay_count 1, ready ручной replay, без дубля
Остановка одной API-реплики сессия и подтверждённые данные живы 118 успешных записей, 1 ошибка, recovery 2.659 s потерь нет
Перезапуск всех контейнеров с volumes данные и сессия сохраняются persistence PASS, новые StartedAt потерь нет

Ограничения измерения отказов

restart.sh перезапускает контейнеры, а не эмулирует падение ядра или потеру диска. RabbitMQ и PostgreSQL — одиночные экземпляры, поэтому это проверка durability на volume, а не HA-кластера. Failover измеряет один API-инстанс за HAProxy; отказ БД или брокера в этом сценарии не имитируется. Времена включают опрос готовности и запуск контейнера, поэтому это верхняя оценка, не SLA.

Эксперимент трека 1 (уровень 5)

Гипотеза

Маленькие изображения, которые не требуют масштабирования, дешевле на задание: выше throughput и ниже RSS. Большие изображения (2400×1800) требуют декодирования и downscale до 1280×960, поэтому очередь растёт, p95 time-to-ready увеличивается, а память сильнее зависит от concurrency. Дополнительно проверялся компромисс «latency против ресурсов»: больше concurrency/prefetch должно снижать queue lag, но повышать RSS.

Методика

  • Профили: serial 1/1, balanced 4/4, eager 8/32 (concurrency/prefetch).
  • Сценарии: small_many — 30 PNG 192×128 (941 B, варианты не масштабируются); huge_few — 12 PNG 2400×1800 (53 135 B, 4.32 MP, optimized уменьшается до 1280×960).
  • Для каждой из 6 ячеек worker пересоздавался с профилем, поэтому RSS не переносился из предыдущего прогона. Изображения загружались параллельно (до 8 HTTP-клиентов). Все задания дожидались терминального состояния.
  • Метрики берутся из PostgreSQL по attachment_jobs: queue lag = processing_started_at - created_at, time-to-ready = finished_at - created_at, processing = finished_at - processing_started_at. Throughput = число ready / (последний finished_at − первый created_at).
  • RSS — VmRSS процесса worker из /proc/1/status, сэмпл примерно каждые 100 мс; baseline снимался до загрузки.
  • Worker ограничен 1 CPU. На время эксперимента memory limit поднят до 2 GiB (в .env по умолчанию 1 GiB), иначе eager/huge_few упирался бы в OOM, а не в измеряемый компромисс. Это зафиксировано в JSON.
  • Backpressure: API пересоздан с MAX_PENDING_JOBS=3, worker остановлен, upload-ы идут последовательно до первого 503; затем worker запускается и проверяется восстановление принятых заданий и новый probe upload.

Команда:

make track1 BASE_URL=http://localhost:8080
# или
python3 scripts/track1_experiment.py --base-url http://localhost:8080

Сырые данные: evidence/track1.json; графики: evidence/track1.html; краткая таблица: evidence/track1.md.

Результаты

Профиль Сценарий Jobs/s Queue lag p95, ms Ready p95, ms Processing p95, ms RSS peak, MiB Max parallel
serial small_many 6.875 3 194 3 284 113 28.2 1
serial huge_few 0.443 23 333 25 521 2 308 204.7 1
balanced small_many 11.590 1 624 1 736 209 30.6 4
balanced huge_few 0.454 17 716 25 785 25 374 728.7 4
eager small_many 13.858 898 1 158 284 32.7 8
eager huge_few 0.459 17 538 25 699 24 979 1 122.1 8

Backpressure: cap 3; первые 3 upload-а получили 202, четвёртый — 503 с Retry-After: 5 и error_code=unavailable. После старта worker три принятых задания стали ready за 7.596 s (включая запуск контейнера и healthcheck), после чего probe upload получил 202 и дошёл до ready.

Выводы

  1. Размер изображения важнее числа заданий. При balanced маленькие файлы дают 11.59 jobs/s, большие — 0.454 jobs/s (в 25.5× меньше); p95 time-to-ready растёт с 1 736 до 25 785 ms (в 14.9×). Processing p50 для huge — 8 460 ms против 211 ms для small: доминирует декодирование/масштабирование, а не ожидание в очереди.
  2. Eager хорошо работает на маленьких заданиях. 13.86 jobs/s против 6.88 у serial (2.0×), queue lag p95 падает с 3 194 до 898 ms, RSS растёт всего с 28.2 до 32.7 MiB. Это ожидаемый выигрыш от перекрытия лёгких задач.
  3. На huge_few concurrency не даёт throughput. Все три профиля дают ~0.44–0.46 jobs/s: worker упирается в 1 CPU, а декодирование и WebP-кодирование уже насыщают его. Queue lag p95 снижается (23.3 → 17.5 s), но p95 time-to-ready остаётся ~25.5 s: последние задания всё равно ждут своей доли CPU. При этом RSS растёт с 205 MiB (serial) до 729 MiB (balanced) и 1 122 MiB (eager). Больше concurrency здесь — не бесплатное ускорение, а рост памяти при том же throughput.
  4. Backpressure ограничивает принятую работу. При cap=3 API перестал принимать новые файлы до чтения тела и вернул retryable 503; уже подтверждённые задания не потерялись и завершились после возврата worker. Это и есть требуемое «bounded acceptance + recovery».
  5. Практический выбор. Для лёгких изображений разумен balanced/eager; для тяжёлых при одном CPU лучше balanced (или serial, если важна память): throughput тот же, а RSS в 1.5–5.5× ниже, чем у eager. prefetch больше concurrency лишь держит сообщения у worker-а и не увеличивает параллельную обработку.

Ограничения эксперимента

  • Один worker, один RabbitMQ, один PostgreSQL; это сравнение настроек, не HA и не горизонтальное масштабирование.
  • Worker ограничен 1 CPU и 2 GiB; на другом железе абсолютные числа и точка насыщения будут другими. Относительный вывод «CPU-bound huge не ускоряется concurrency» получен именно для этого лимита.
  • PNG-фикстуры синтетические и хорошо сжимаются; доминирует стоимость декодирования/масштабирования, а не сеть. Размеры в байтах и SHA-256 есть в JSON.
  • Один прогон на ячейку, без длительного прогрева и повторений; p95 по 12 заданиям чувствителен к выбросу. Это учебная оценка, не SLA.
  • MAX_PENDING_JOBS проверяется приблизительно и не одной транзакцией с вставкой; при нескольких API-репликах возможен небольшой перебор.
  • Время восстановления backpressure включает docker compose start и healthcheck, поэтому это верхняя оценка, а не время чистой обработки.

Ограничения и следующие шаги

  • Стенд учебный: один RabbitMQ, один PostgreSQL, один worker; горизонтальное масштабирование worker проверяется конфигурацией, но не HA-кластером.
  • MAX_PENDING_JOBS считается по репликам приблизительно; глобальный лимит потребовал бы общего счётчика (например, Redis) и отдельной транзакционной семантики.
  • Replay намеренно ручной и явный: автоматический replay постоянных ошибок маскировал бы дефекты входных данных.
  • WebP-энкодер gen2brain/webp выбран без CGO; качество и скорость могут отличаться от libwebp CLI, но результаты детерминированы на стенде.
  • Измерения RSS зависят от cgroup/докер-обвязки; для production нужен длительный профиль и p99, а не короткий учебный прогон.
  • Следующий шаг: versioned pipeline и автоматический fault-injection для трека 2, если потребуется доказывать более сильную идемпотентность.