Files

Доказательства

Небольшие обезличенные результаты: команды и stdout проверок, агрегаты нагрузки, состояния контейнеров. В файлах нет .env, session tokens, cookies, приватных ключей, паролей и реальных сообщений: все данные синтетические, пользователи создаются тестами с случайными именами. Полные условия измерения каждого прогона (лимиты, образ и его id, X-Instance-Id → контейнер, версии, объём данных, фон хоста) лежат в track1/raw/<label>.manifest.json; сырые наблюдения сэмплера — в сжатых *.samples.jsonl.gz.

Уровень 3

Файл Что подтверждает Как воспроизвести
level3/smoke.txt публичный smoke lab3 проходит через LB (идемпотентность, X-Instance-Id), docker compose ps содержит ≥2 реплики make test
level3/persistence.txt после scripts/restart.sh перезапущены postgres, redis, api ×2, haproxy (StartedAt до/после), данные и прежний токен целы make test-persistence ACTION_SCRIPT=scripts/restart.sh
level3/failover-mtusi-lab3-api-1.txt остановлена именно эта реплика: docker ps до/после, TARGET_INSTANCE_ID, переходы слотов HAProxy (UP → DOWN (L7STS) → MAINT (resolution)) с отметками времени, observed_instances_before=2, 130 записей во время отказа, first_recovery_seconds≈3.3 make test-failover ACTION_SCRIPT=scripts/stop-one.sh (затем scripts/start-replica.sh)
level3/failover-mtusi-lab3-api-2.txt то же для второй реплики (проверены обе) то же, повтор после восстановления
level3/clean-clone.txt стенд поднимается с нуля из чистого clone (миграции с пустого тома), проходят smoke, сохранность и отказ реплики git clone -b lab3 … && cp .env.example .env && docker compose down -v && make stand-up && make test && make test-persistence && make test-failover

Уровень 4

Файл Что подтверждает Как воспроизвести
level4/spread.json один токен обслуживается двумя репликами (20/20 запросов), карта X-Instance-Id → контейнер python3 scripts/lab3/lab3.py check spread --requests 40
level4/idempotency-concurrency.txt 4 теста идемпотентности, включая 8 параллельных POST с одним ключом через LB: одно сообщение, один id; другой body → 409; без ключа → 400 python3 scripts/lab3/lab3.py check idempotency
level4/failover-sweep.json, .md отказ каждой реплики под нагрузкой 200 req/s: 0 ошибок клиента и LB, 0 дублей, 0 потерянных подтверждений, реплика возвращается за 3.4–3.9 s, HAProxy помечает узел DOWN python3 scripts/lab3/lab3.py failover --replicas all --rate 200 --duration 60
level4/rolling-update.json, .md поочерёдная замена реплик под нагрузкой: BUILD_ID/image id меняются по шагам, 0 ответов 5xx из 884 попыток, migrate не перезапускался python3 scripts/lab3/lab3.py rolling-update --under-load --rate 200 --build-id <id>
level4/idempotency-gc.txt операторский GC удаляет ровно просроченную запись журнала идемпотентности и не трогает свежую docker compose --env-file .env exec -T api node dist/messages/idempotency/idempotency-gc.cli.js
level4/dependency-faults.txt четыре сценария: общий отказ Redis и PostgreSQL (реплика отвечает ограниченным 503 unavailable с request_id, неготовыми становятся все реплики, LB выводит их из ротации и отвечает своим 503, 401 без сессии остаётся), локальный отказ БД у одной реплики (из ротации уходит только она, DOWN менее чем за 3 s), насыщение пула (слоты остаются UP, все записи 201); после возврата зависимости данные и сессия целы make test-dependencies
level4/limits-and-ports.txt лимиты CPU/RAM каждого контейнера, отсутствие опубликованных портов у реплик API, отсутствие container_name, отсутствие секретов в трекаемых файлах см. команды внутри файла

Трек 1 (track1/)

track1/raw/<label>.* — по каждому прогону:

Файл Содержимое
<label>.k6.json сводка генератора: по каждому шагу предложенный темп, успешный RPS (successful_rps — ответы ожидаемого класса) и частота ответов (attempted_rps — все ответы, включая ошибки), классы 2xx/4xx/5xx/other, p50/p95/p99, активные VU, dropped_iterations
<label>.samples.jsonl.gz поток наблюдений: docker stats (CPU/RAM контейнеров), статистика HAProxy (запросы, очередь, статусы слотов с отметками времени), /internal/metrics каждой реплики, pg_stat_database/pg_stat_activity/pg_stat_statements, фон хоста
<label>.manifest.json условия измерения: лимиты, число реплик, образ и его id, X-Instance-Id → контейнер, версии образов и рантаймов, объём данных, состояния томов, фон хоста, commit
<label>.phases.json временные метки фаз (для отказов и rolling update)

Метки: p-a#nN#repR — серия A (профиль p-a, N реплик, повтор R); p-b#n4 — горячий чат; p-c#lbX — путь чтения при лимите LB X CPU; ab#A#repR / ab#B#repR — A/B двух образов; abdiag#A#repR / abdiag#B#repR — контрольный A/B на бюджете по умолчанию; vuswap#nN-vuM — проверка потолка генератора (та же конфигурация, другой MAX_VUS); block#…#repR (900 req/s) — блок «почему» около колена; why#…#repR (1500 req/s) — блок «почему» и серия роста ресурсов: один темп, разные распределения того же бюджета; probecheck#n4#rep1 — контроль пробы готовности под перегрузкой; knee#nN — лестница 900–2200 req/s на текущей сборке; failover#<instance>, rolling — сценарии отказов.

Сводные документы (пересобираются из raw командой python3 scripts/lab3/lab3.py analyze):

Файл Содержимое
track1/summary-runs.md разбор каждого прогона: шаги, ресурсы контейнеров, PostgreSQL, LB, счётчики реплик
track1/summary-series-a.md серия 1/2/4 реплики: успешный RPS, частота ответов, латентность, точки сатурации, ресурсы при разных конфигурациях
track1/summary-diagnostics.md горячий чат (p-b) и путь чтения (p-c) при разных лимитах LB
track1/summary-growth.md серия роста ресурсов — блок why# на 1500 req/s: контроль why#n4, Δ каждой точки и вердикт; несопоставимые по манифестам точки — в разделе «Вне сравнения» с причиной
track1/summary-probe-check.md проба готовности под перегрузкой: контрольный прогон probecheck#n4 против why#n4, статусы слотов LB, 5xx, Δ успешного RPS
track1/summary-ab.md, track1/summary-ab-abdiag.md A/B до/после оптимизации: медианы успешного RPS, разброс по повторам, частота ответов как диагностика, вывод «подтверждено/не подтверждено»; abdiag — контрольная серия на бюджете по умолчанию (бюджет записан в ab-verdict*.json)
track1/ab-verdict.json, track1/ab-verdict-abdiag.json вердикт A/B по шагам (успешный RPS, min/max, частота ответов, классы отказов по сторонам), бюджет серии, хеш коммита, образы сторон
track1/summary-mechanism.md разрез «почему»: один темп, разные конфигурации/число реплик, ожидания сессий PostgreSQL (Lock/tuple/transactionid), дельты pg_stat_statements по операторам, CPU контейнеров, пер-реплики латентности
track1/statement-deltas.md доказательство «8 → 1 обращение»: дельта вызовов и времени по операторам за прогон (A: три оператора ×18 629 вызовов, 95 ms среднего на UPDATE chats; B: один составной оператор, 2.35 ms)
track1/graphs/*.png графики: пропускная способность, латентность и ошибки, занятость генератора, CPU контейнеров во времени, распределение по слотам LB, рост ресурсов, A/B

Правила интерпретации: dropped_iterations > 0 вместе с ростом p95 означает перегрузку сервера; dropped_iterations > 0 при низком p95 и упоре генератора в свой CPU-лимит означает, что узкое место — генератор, а не стенд (занятость генератора видна на graphs/*vus*.png и в CPU loadgen). Пропускная способность сравнивается по успешному RPS: частота ответов (attempted_rps) растёт и тогда, когда сервис отвечает отказами, поэтому она годится только как диагностика. Регрессия аналитики (успешный RPS не подменяется частотой ответов; рост сравнивается только внутри одного блока why# на одном темпе) лежит в tests/test_lab3_analytics.py и запускается make test-analytics без стенда.