Files
mtusi2026lab3/REPORT.md
T
ilya.tyunin 1802ca12d4 lab3: доказательство операторского GC журнала идемпотентности
Вставлены просроченная и свежая записи, выполнен npm/CLI-прогон GC внутри
контейнера API: удалена ровно просроченная (expired_left=0), свежая осталась.
Файл evidence/level4/idempotency-gc.txt добавлен в отчёт и индекс доказательств.
2026-10-15 23:25:08 +03:00

39 KiB
Raw Blame History

Отчёт — лабораторная 3

  • Автор, группа: заполните перед сдачей
  • Целевая оценка: 5 (уровни 3 и 4 целиком + трек 1 «Цена масштабирования»)
  • Commit/PR: ветка lab3; коммиты: e9cd28d (идентичность реплики, LB-проверка, идемпотентность), 917ed1a (стенд HAProxy + реплики, лимиты, хуки), 410e1ea (харнесс экспериментов), 5a5a8fe (оптимизация пути записи, C2), 2950b77 (evidence, этот отчёт, документация, C5) и завершающий коммит ветки с уточнением хешей и результатом проверки из чистого clone. PR — после пуша ветки в origin оператором (нужны его credentials).
  • Источники, библиотеки и помощь ИИ: контракт contracts/openapi.json, contracts/README.md, tests/README.md, документация HAProxy 3.2, Docker Compose, k6 0.54, докуменация NestJS/Fastify/pg/redis. Код и эксперименты подготовлены с использованием ИИ-ассистента; все числа в отчёте получены прогонами на описанном стенде и лежат в evidence/.

Запуск из чистого clone

Версии: Docker 29.9.0, Docker Compose v5.6.0, Node.js 25.7.0, Python 3.14 (для проверок и харнесса; публичные тесты требуют 3.9+), образы postgres:16.4-alpine, redis:7.4.2-alpine, haproxy:3.2-alpine, grafana/k6:0.54.0, node:25.7.0-slim (сборка API). Хост — Fedora, 8 логических CPU, 16 GiB RAM.

git clone <origin> lab3 && cd lab3
cp .env.example .env
password=$(openssl rand -hex 32)
sed -i "s/^POSTGRES_PASSWORD=.*/POSTGRES_PASSWORD=$password/" .env
sed -i "s|^DATABASE_URL=.*|DATABASE_URL=postgresql://messenger:$password@postgres:5432/messenger|" .env
sed -i "s/^METRICS_TOKEN=.*/METRICS_TOKEN=$(openssl rand -hex 16)/" .env

make stand-up          # docker compose up -d --build --wait: postgres, redis, migrate, api x API_REPLICAS, haproxy
make wait-ready        # GET /health/ready через LB
make test              # публичный smoke lab3 (через LB, BASE_URL=http://localhost:8080)
make test-e2e          # black-box набор приложения (нужны loopback-порты PG/Redis из compose.yaml)

Проверки отказов и сохранности (требуют управления контейнерами):

make test-persistence ACTION_SCRIPT=scripts/restart.sh
make test-failover ACTION_SCRIPT=scripts/stop-one.sh && scripts/start-replica.sh
make test-dependencies

Эксперименты трека 1 (останавливают посторонние контейнеры хоста и возвращают их):

docker pull haproxy:3.2-alpine grafana/k6:0.54.0 postgres:16.4-alpine redis:7.4.2-alpine
python3 scripts/lab3/lab3.py track1          # серия A/B/C и рост ресурсов; фон хоста глушится сам
python3 scripts/lab3/lab3.py analyze         # таблицы и графики из raw

Безопасная остановка стенда: make stand-down (docker compose down) — тома postgres-data и redis-data сохраняются, поэтому данные и сессии остаются на месте. Намеренное удаление учебных данных: docker compose down -v (удаляет оба тома; после этого следующий make stand-up создаёт пустую схему и применяет миграции заново).

Архитектура и решения

клиент ──► HAProxy :8080 ──► api-1 ─┐
                 (проба /internal/lb-check)  ├──► PostgreSQL (источник истины)
                            api-2 ─┘           └──► Redis (сессии, кэш истории)
                            api-N
Роль Service Образ Готовность Тома/порты
Балансировщик haproxy haproxy:3.2-alpine проба backend GET /internal/lb-check 8080, статистика 127.0.0.1:8404
API ×N api сборка Dockerfile (${API_IMAGE}) /health/ready (healthcheck контейнера) портов нет
Миграции migrate тот же образ service_completed_successfully —
PostgreSQL postgres postgres:16.4-alpine pg_isready postgres-data, loopback:5432
Redis redis redis:7.4.2-alpine redis-cli ping redis-data, loopback:6379

Источник истины и транзакционные границы. Пользователи, чаты, членство, сообщения и журнал идемпотентности живут в PostgreSQL. Redis хранит сессии (durability обеспечена AOF, поэтому сессии переживают рестарт) и кэш страниц истории — производное состояние, которое всегда восстанавливается из БД: кэш версионирован (chats.message_version, растёт в той же транзакции, что и вставка сообщения), поэтому устаревшая страница не отдаётся. Локального состояния, влияющего на корректность, у реплики нет — только счётчики метрик, они не являются источником истины.

Что перенесено из lab2 и что изменено. Из lab2 без изменений: регистрация с Argon2id, Basic→Bearer-сессии в общем Redis, чаты, keyset-пагинация (created_at, id), версионированный кэш истории с lock'ом на страницу, X-Request-Id, /health/live, /health/ready, /internal/metrics, ограниченные 503 при отказе зависимостей, миграции отдельным сервисом. Изменено: (1) X-Instance-Id больше не случайный UUID, а INSTANCE_ID/hostname — по нему реплика сопоставляется контейнеру; он же ставится в ответах об ошибках, которые формируются фильтром раньше интерсептора; (2) появилась проба LB /internal/lb-check, не зависящая от БД и Redis; (3) добавлена общая идемпотентность отправки сообщения (таблица idempotency_keys, миграция 003); (4) порядок остановки по SIGTERM вынесен в main.ts: дрейн → закрытие сервера и пулов (стандартный порядок Nest закрывает пулы раньше дрейна); (5) транзиентные коды PostgreSQL (57014, 40001, 40P01) отдаются как 503 unavailable, чтобы клиент мог безопасно повторить запрос с тем же ключом; (6) metrics отдаёт instance_id и build_id.

Идемпотентность. Ключ обязателен, область — пользователь + метод + путь чата

  • ключ; заявка и тело ответа записываются одной транзакцией, повтор возвращает сохранённый ответ, другое тело — 409, отсутствие/неверный ключ — 400, просроченные записи (> IDEMPOTENCY_TTL_SECONDS, по умолчанию 24 ч) удаляются фоновым проходом под advisory-локом и вручную (npm run idempotency:gc). Семантика и ветки описаны в app/README.md.

Соответствие .env.example ↔ фактическая конфигурация. Приложение читает APP_*, SESSION_TTL_SECONDS, DATABASE_*, REDIS_URL, CACHE_*, METRICS_TOKEN, DRAIN_DELAY_MS, INSTANCE_ID, IDEMPOTENCY_TTL_SECONDS (app/src/config/app-config.schema.ts); стенд читает API_TOTAL_CPUS, API_TOTAL_MEMORY_MB (делятся на API_REPLICAS → API_CPUS_PER_REPLICA / API_MEMORY_PER_REPLICA), PG_*, REDIS_*, LB_*, LOADGEN_*, API_IMAGE, BUILD_ID, APP_PUBLIC_PORT, LB_STATS_PORT, POSTGRES_PUBLISHED_PORT, REDIS_PUBLISHED_PORT, POSTGRES_DB/USER/PASSWORD. Из скелетного .env.example удалены неиспользуемые SESSION_STORE и CACHE_URL_FILE: в lab3 источник сессий один (Redis по REDIS_URL), выбор хранилища сессий больше не конфигурируется, а секреты передаются через DATABASE_URL/REDIS_URL или *_FILE (docker secrets). Публикуются только 8080 (LB), 127.0.0.1:8404 (статистика LB) и loopback-порты PostgreSQL/Redis — исключительно для операторских проверок с хоста (make test-e2e, psql); у реплик API портов нет, container_name не задан нигде (evidence/level4/limits-and-ports.txt).

Доказательства критериев

Критерий README Команда/сценарий Наблюдаемый результат Файл доказательства
Публичный smoke make test PASS: lab3 public API scenario (через LB; повтор с тем же ключом → тот же JSON, другое тело → 409, без ключа → 400) evidence/level3/smoke.txt
≥2 реплики, одна точка входа, разные реплики с одной сессией python3 scripts/lab3/lab3.py check spread --requests 40 40 запросов с одним токеном → 2 разных X-Instance-Id (20/20), каждый сопоставлен контейнеру evidence/level4/spread.json
Остановка любой одной реплики; записи продолжаются make test-failover ACTION_SCRIPT=scripts/stop-one.sh (по разу на реплику) observed_instances_before=2, 130 успешных записей во время отказа, 0 потерянных подтверждений, first_recovery_seconds≈3.3, остановленный контейнер виден в docker ps до/после, HAProxy помечает слот DOWN (L7STS) через ≈1 s evidence/level3/failover-mtusi-lab3-api-1.txt, …-api-2.txt
Сохранность данных и сессии при рестарте make test-persistence ACTION_SCRIPT=scripts/restart.sh PASS; перезапущены postgres, redis, api ×2, haproxy (StartedAt до/после), токен и подтверждённые сообщения живы evidence/level3/persistence.txt
Идемпотентность, в том числе конкурентная python3 scripts/lab3/lab3.py check idempotency 4/4 теста: неверный/отсутствующий ключ → 400; повтор → тот же JSON; другое тело → 409; 8 параллельных POST с одним ключом → ровно одно сообщение; ключ не конфликтует между пользователями и чатами evidence/level4/idempotency-concurrency.txt
Health/readiness, LB исключает недоступный backend python3 scripts/lab3/lab3.py watch во время failover HAProxy: apiN UP → UP 1/2 (L7STS) → DOWN → MAINT (resolution); период проверки 500 ms, fall 2 ⇒ обнаружение ≈1 s ≪ дрейн 3 s evidence/level3/failover-*.txt
Последовательная остановка каждой реплики под нагрузкой: RPS, ошибки, восстановление python3 scripts/lab3/lab3.py failover --replicas all --rate 200 --duration 60 по каждой реплике: 0 ошибок у клиента и у LB, 0 дублей и 0 потерь, реплика возвращается за ≈3 s; k6 держит 200 req/s без dropped evidence/level4/failover-sweep.json, .md
Лимиты CPU/RAM, отсутствие портов API, отсутствие container_name, секреты docker inspect, docker compose ps/config у api NanoCpus/Memory = лимитам конфигурации, bindings=map[]; суммарные лимиты стенда 2304 MiB; container_name отсутствует; пароль БД и токен метрик в трекаемых файлах не встречаются evidence/level4/limits-and-ports.txt
Rolling update под нагрузкой, миграции однократно python3 scripts/lab3/lab3.py rolling-update --under-load --rate 200 --build-id … реплики заменяются по одной, BUILD_ID и image id меняются, 0 ответов 5xx из 884 попыток, migrate не перезапускался evidence/level4/rolling-update.json, .md
Идемпотентность: удаление просроченных ключей docker compose --env-file .env exec -T api node dist/messages/idempotency/idempotency-gc.cli.js (или npm run idempotency:gc) GC удаляет ровно просроченную запись (created_at = now() − 2 суток): Purged 1, expired_left=0, свежая запись не тронута (fresh_left=1) evidence/level4/idempotency-gc.txt
Отказы зависимостей make test-dependencies 2/2: bounded 503 unavailable с request_id для Redis и PostgreSQL, запрос без сессии остаётся 401, после возврата зависимости данные и сессия целы evidence/level4/dependency-faults.txt
Трек 1: цена масштабирования python3 scripts/lab3/lab3.py sweep/growth/ab/analyze серия 1/2/4 реплики, точки сатурации, серия роста ресурсов, подтверждённое улучшение evidence/track1/summary-*.md, evidence/track1/graphs/*.png, evidence/track1/raw/
Воспроизводимость с чистого clone git clone -b lab3 … /tmp/lab3-clean → cp .env.example .env → docker compose down -v → make stand-up && make test && make test-persistence && make test-failover PASS: миграции применяются с пустого тома, smoke, сохранность и отказ реплики проходят без правок репозитория evidence/level3/clean-clone.txt

Эксперименты и отказы

Гипотезы (зафиксированы до прогонов)

  • H1. При фиксированном суммарном бюджете API (3.0 CPU / 1.5 GiB) пропускная способность растёт с числом реплик сублинейно и упирается в общий PostgreSQL (1.5 CPU): серия A показывает knee, серия роста ресурсов подтверждает, что именно БД, а не API, является ограничителем.
  • H2. Запись в один «горячий» чат сериализуется на строке chats (UPDATE chats SET message_version = message_version + 1 держит блокировку до COMMIT — это якорь инвалидации кэша), поэтому добавление реплик в этом профиле не помогает: p-b упирается раньше p-a и не растёт с N.
  • H3. Балансировщик (0.25 CPU) ограничивает путь чтения: два диагностических прогона p-c при LB_CPUS=0.25 и LB_CPUS=1.0 показывают, что потолок сдвигается вверх вместе с лимитом LB.
  • H4. Число соединений с БД растёт как N × DATABASE_POOL_MAX, поэтому размер пула влияет на потолок и на ожидания в БД (свип пула 5/10/20).
  • H5 (улучшение). Сокращение пути записи с 8 SQL-обращений (проверка чата, BEGIN, claim, проверка членства, INSERT, UPDATE версии, store, COMMIT) до одного оператора уменьшает время удержания блокировки строки чата и число round trip'ов и поднимает потолок при тех же лимитах. Проверяется A/B по правилу «медиана ≥5 % и диапазоны min/max повторов не перекрываются».

Методика

Метрики снимаются генератором k6 (constant-arrival-rate, плоские полки) и сэмплером харнесса: docker stats (GPU/RAM контейнеров, 1.5 s), статистика HAProxy (0.5 s), /internal/metrics каждой реплики (2 s), pg_stat_database/pg_stat_activity/pg_stat_statements (2 s / 10 s) и фон хоста. Профили: p-a (spread, POST) 100…1100 req/s, p-b (hot, один чат) 50…400 req/s, p-c (read, GET истории limit=50) 200…3000 req/s; шаг 15 s, прогрев — отдельный прогон 30 s на первом темпе (в анализ не входит). Перед серией посторонние контейнеры хоста останавливаются (scripts/quiesce.sh, состояние фиксируется в манифестах), после — возвращаются. Конфигурации интерливятся по повторам, чтобы дрейф частот и фоновой нагрузки ложился на все точки одинаково.

Бюджет серии одинаков для всех конфигураций: API total 3.0 CPU / 1536 MiB (⇒ 3/N CPU и 1536/N MiB на реплику), PostgreSQL 1.5 CPU / 512 MiB, Redis 0.25 CPU / 128 MiB, HAProxy 0.25 CPU / 128 MiB, генератор 1.5 CPU / 256 MiB. Суммарный лимит RAM стенда — 2304 MiB при N=2 и 2560 MiB при N=4 (с генератором), host на момент серии — 8 логических CPU, ≈6.6 GiB доступной памяти, background остановлен.

Серия A: 1 / 2 / 4 реплики

Бюджет серии одинаков для всех конфигураций (API total 3.0 CPU / 1536 MiB, PostgreSQL 1.5 CPU, LB 0.25 CPU, генератор 1.5 CPU), поэтому реплика получает 3/N CPU и 1536/N MiB. Профиль p-a (24 чата, POST), 7 прогонов: N=1 и N=4 по два повтора, N=2 — три.

темп, req/s N=1: достигнуто (2 повтора) N=2: достигнуто (3 повтора) N=4: достигнуто (2 повтора)
100 100 / 100 100 / 100 / 100 100 / 100
200 200 / 200 200 / 200 / 200 200 / 200
300 300 / 300 300 / 300 / 300 300 / 300
400 400 / 400 400 / 400 / 400 399 / 400
550 550 / 550 550 / 550 / 550 541 / 550
700 700 / 700 700 / 690 / 692 696 / 653
900 754 / 807 (p95 432 / 360 ms) 650 / 538 / 614 (p95 474 / 693 / 502 ms) 637 / 587 (p95 964 / 851 ms)
1100 761 / 680 (p95 360 / 515 ms) 532 / 578 / 590 (p95 604 / 609 / 566 ms) 610 / 567 (p95 866 / 992 ms)

Наблюдения:

  • Точка сатурации у всех конфигураций — между 700 и 900 req/s, но потолок не растёт с числом реплик: N=1 держит ≈750–800 req/s, N=2 ≈540–650, N=4 ≈570–640. При фиксированном суммарном CPU выигрыша от реплик нет, а лучший результат даёт одна реплика с полным бюджетом.
  • Общий PostgreSQL при этом насыщен во всех конфигурациях: его пиковый CPU 153–156 % при лимите 1.5 CPU (150 %), xact/s 1224–1443, ожидания блокировок до 16, hit ratio 0.95. То есть ограничитель один и тот же, и добавление API-реплик его не расширяет (H1 подтверждена).
  • Реплики добавляют собственную накладную нагрузку: при N=4 квота 0.75 CPU на реплику удерживает p95 в районе 850–990 ms там, где N=1 с квотой 3.0 CPU даёт 360–515 ms при большем достигнутом RPS. Это и есть «цена масштабирования»: сублинейный (здесь — отрицательный) эффект при неизменном бюджете.
  • Генератор не был узким местом серии A: его пиковый CPU 36–74 % от квоты 1.5 CPU, dropped_iterations появляется только на шагах выше knee, а p95 там растёт монотонно — признак перегрузки сервера, а не нехватки VU (generator-vus.png).

Диагностика: горячий чат и путь чтения

Горячий чат (p-b, N=4, все записи в один чат). Потолок наступает раньше и падает: до 200 req/s достигнутый темп равен предложенному (p95 9–14 ms), на 250 — 189 req/s (p95 2.2 s), на 300–400 — 79–104 req/s при p95 3.3–4.3 s, генератор упирается в свои 200 VU, а сервер стоит в очереди за строкой чата. PostgreSQL в этом прогоне: 39 ожидающих блокировку сессий (против 16 в spread-профиле), 41 активная сессия, 356 xact/s (против 1224), hit ratio 0.85 (против 0.95), CPU БД 156 % (квота исчерпана), при этом API-реплики загружены на 29–40 % — они ждут блокировку, а не работают. Причина — якорь инвалидации кэша: UPDATE chats SET message_version = message_version + 1 в той же транзакции, что и вставка сообщения, сериализует всех писателей одного чата до COMMIT. Поэтому в профиле «один чат» добавление реплик не помогает вообще: H2 подтверждена, и именно этот профиль выбран для A/B улучшения.

Путь чтения (p-c, N=4, GET истории limit=50). Потолок ≈1300–1400 req/s, knee на 1500 req/s, p95 растёт с 24 ms (1000 req/s) до 241–379 ms. Два прогона с разным лимитом LB (LB_CPUS=0.25 и 1.0) дали одинаковый потолок (1419 против 1397 на 1500 req/s, 1268 против 1329 на 3000 req/s), а сам HAProxy за прогон использовал 8.3 % CPU в среднем и 13 % в пике, то есть около половины своей квоты 0.25 CPU: H3 отклонена — балансировщик в этом стенде не является ограничителем пути чтения. Ограничителями оказались общие компоненты: CPU PostgreSQL 155 % (квота 150 %) и генератор, чей пик 144 % при квоте 1.5 CPU (контингенция плана: p-c#gen2.0 — повтор с поднятой квотой генератора).

Серия роста ресурсов

Каждая точка отличается от базовой конфигурации (N=4: API total 3.0 CPU — 0.75 CPU на реплику, PostgreSQL 1.5 CPU, пул 10, LB 0.25 CPU) ровно одним ресурсом; темп — 560 req/s (80 % от колена) и 900 req/s (за плато, где базовая конфигурация уже перегружена). Базовые значения: при 550 req/s медиана серии A 545.5 req/s (p95 117 ms), при 900 req/s 611.8 req/s (587..637, p95 908 ms).

Точка темп, req/s достигнуто, req/s p95, ms dropped PG CPU пик, %
базовая 550 (лестница) 545.5 117 — 154
API ×2 (6.0 CPU) 560 557.9 99 130 151
PostgreSQL ×2 (3.0 CPU) 560 559.4 94 35 144
пул 5 (20 соединений) 560 559.3 98 45 145
пул 20 (80 соединений) 560 559.3 122 50 149
базовая 900 (лестница) 611.8 908 — 156
API ×2 900 530.5 899 22 173 156
PostgreSQL ×2 900 597.7 921 18 142 151
API ×2 + PostgreSQL ×2 900 581.0 658 19 142 153
пул 5 900 521.4 1143 22 725 156
пул 20 900 572.1 712 19 676 154

Выводы:

  • При 80 % от колена ни один из проверенных ресурсов не является ограничителем: все точки держат 99.6–99.9 % предложенного темпа при p95 94–122 ms. Разница с базовой строкой объясняется разным предложенным темпом (550 в лестнице против 560 в фиксированном прогоне), а не эффектом ресурса.
  • За плато ни один рычаг не поднимает потолок: удвоение CPU API (530), CPU PostgreSQL (598), обоих сразу (581) и пула до 20 (572) остаются в диапазоне разброса базовой конфигурации 587..637, а p95 держится на 658–1143 ms. Система в этом режиме перегружена: генератор фиксирует 18–23 тыс. отброшенных итераций, а PostgreSQL во всех точках стоит у квоты (151–156 %).
  • H4 (пул) отклонена в проверенном диапазоне: 20/40/80 соединений (5/10/20 на реплику) не меняют ни потолок, ни p95 значимо.
  • Калибровочные прогоны p-a#n1-vu900 и p-a#n4-vu900 (900 VU, генератор 2.0 CPU) показывают, что измеренный потолок — серверный, а не потолок генератора: достигнуто 680 req/s при N=1 против 616 при N=4 при том же предложенном темпе 900. Порядок «одна реплика с полным бюджетом лучше четырёх с четвертью» сохраняется.

A/B улучшения

Профиль p-b (все записи в один чат), N=4, бюджет прежний; A — сборка из коммита C1 (8 SQL-обращений на путь записи, явная транзакция), B — коммит C2 (один оператор). Прогоны интерливились: A,B,A,B,A,B — по три повтора на сторону, между сторонами менялся только образ API (всё остальное, включая образцы генератора, одинаково). Генератору дано 1200 VU и 1 GiB: на стороне A очередь за строкой чата раздувает число одновременных запросов, и при 512 MiB k6 убивался OOM (exit 137).

темп, req/s A: RPS (min..max) p95 A, ms B: RPS (min..max) p95 B, ms Δ, % вывод
50 50.0 (50.0..50.07) 9.5 50.07 (50.0..50.07) 7.9 +0.1 не подтверждено
100 100.07 (100.0..100.07) 9.4 100.0 (100.0..100.07) 6.7 −0.1 не подтверждено
150 150.07 (150.07..150.07) 10.1 150.07 (150.0..150.07) 7.1 0.0 не подтверждено
200 200.07 (200.07..200.07) 9.7 200.0 (198.93..200.07) 7.8 −0.0 не подтверждено
250 250.07 (250.07..250.07) 11.2 250.07 (250.0..250.07) 7.5 0.0 не подтверждено
300 257.8 (243.87..261.87) 5200.9 300.07 (300.07..300.07) 8.2 +16.4 подтверждено
350 188.33 (187.93..210.07) 10 991.9 348.6 (348.13..350.07) 29.3 +85.1 подтверждено
400 171.73 (167.07..226.73) 10 816.3 400.07 (399.93..400.07) 24.4 +133.0 подтверждено

Потолок: A ≈ 258 req/s, B ≥ 400 req/s (правило подтверждения: медиана меняется ≥5 % и диапазоны min/max повторов не перекрываются; ниже 300 req/s обе стороны работают без насыщения, поэтому различие там и не должно было проявиться).

До насыщения обе версии одинаковы (различие ≤0.1 %): один оператор не меняет семантику, он меняет только время удержания блокировки строки чата и число круглых поездок. После насыщения разница радикальна: у A очередь за строкой чата даёт p95 5–11 секунд и падение пропускной способности до 172 req/s на 400 req/s предложенных, у B на 400 req/s p95 равен 24 ms, а отброшенных итераций 29 на 18 000. Это и есть подтверждённое улучшение трека 1: сокращение критической секции (вместо проверки чата, BEGIN, claim, проверки членства, INSERT, UPDATE версии, store и COMMIT — один оператор, который делает всё то же самое атомарно).

Расширенная лестница для стороны B (400, 500, 600, 800 req/s, прогрев 30 s) показывает новый потолок горячего чата: 400→400 (p95 65 ms), 500→495 (p95 276 ms), 600→559 (p95 1205 ms), 800→529 (p95 3113 ms), то есть ≈560–600 req/s против ≈258 req/s у A — рост более чем в 2 раза при том же бюджете ресурсов (evidence/track1/raw/p-b#after-ext.*).

Проверка «8 → 1 обращение» подтверждается счётчиками SQL-меток в /internal/metrics (в прогонах A присутствуют messages.checkMembership, messages.insert, messages.incrementVersion, idempotency.* по отдельности, в прогонах B — один messages.createIdempotent); в evidence/track1/summary-runs.md по прогонам видно и падение числа sql-меток на запрос.

Таблица отказов

Воздействие Что ожидаем Что наблюдали Время восстановления / потеря данных
SIGTERM одной API-реплике (scripts/stop-one.sh, docker stop --time 10) LB исключает узел, клиент продолжает работать; подтверждённые записи целы HAProxy: UP → 1/2 → DOWN (L7STS) → MAINT (resolution) ≈1 s после начала остановки; k6 держит 200 req/s без dropped и ошибок; проба клиента: 0 ошибок, 0 дублей, 0 потерь (295/295 и 293/293 подтверждены) реплика возвращается за ≈3 s (scripts/start-replica.sh); потерь нет
Рестарт всего стенда (scripts/restart.sh) данные и сессии сохраняются, повторный вход не нужен make test-persistence PASS; StartedAt всех контейнеровобновились, токен и сообщения живы ≈8 s до /health/ready; потерь нет
Rolling update под нагрузкой (замена реплик по одной) нет 5xx, миграции не перезапускаются 0 ответов 5xx из 884 попыток при 200 req/s; BUILD_ID меняется по шагам; migrate StartedAt не изменился реплика поднимается за ≈8 s, стенд не теряет запросы
Отказ Redis (docker compose stop redis) ограниченный 503, без 500 и без утечки деталей драйвера; анонимный запрос остаётся 401 make test-dependencies PASS зависимость возвращается за ≈2 s, сессия сохраняется (AOF)
Отказ PostgreSQL (docker compose stop postgres) то же; после возврата данные целы PASS, подтверждённые сообщения и сессия на месте ≈6 s до /health/ready

Ограничения и следующие шаги

Что стенд выдерживает (проверено, evidence/level3 и evidence/level4):

  • Остановку любой одной API-реплики: LB исключает её за ≈1 s (проб 500 ms, fall 2), клиент продолжает работу без ошибок, дублей и потерь; окно дреина (3 s) длиннее обнаружения, поэтому начатые запросы успевают завершиться.
  • Рестарт всего стенда: данные PostgreSQL и сессии в Redis (AOF) сохраняются, повторный вход не нужен.
  • Rolling update: поочерёдная замена реплик под нагрузкой без ответов 5xx.
  • Отказ Redis и PostgreSQL: ограниченный 503 unavailable с request_id, без 500 и без деталей драйвера; анонимный запрос остаётся 401; после возврата зависимости подтверждённые данные и сессия целы.

Что не выдерживает:

  • Отказ docker-хоста целиком: узел один (это трек 2).
  • Потерю единственного экземпляра PostgreSQL, Redis или балансировщика: они не реплицированы, у LB нет второго экземпляра — падение БД означает отказ записи и чтения истории, падение LB — потерю точки входа.
  • Потерю тома PostgreSQL: резервных копий в стенде нет.

Границы измерения:

  • Один хост (8 логических CPU, ≈6.6 GiB свободной памяти на момент серии). Конфигурации интерливятся по повторам, посторонние контейнеры остановлены (scripts/quiesce.sh), но разброс повторов на насыщении достигает ±5–8 % (в отчёте публикуются min/max). Поэтому однократные точки роста за плато не доказывают различия меньше этого разброса — это прямо отражено в выводах.
  • Путь чтения: генератор упирался в свой пул VU (200) на шагах ≥1500 req/s (Insufficient VUs), поэтому измеренный потолок 1300–1400 req/s — нижняя оценка; вопрос «кто ограничивает чтение» отдельным экспериментом не закрыт (LB проверен и отклонён как ограничитель).
  • Серверные перцентили берутся из /internal/metrics (буфер 4096 последних запросов на процесс), клиентские — из k6; при N реплик счётчики суммируются, а перцентили снимаются по репликам.
  • Redis работает с maxmemory 96mb и volatile-lru: при исчерпании памяти теоретически возможно вытеснение наименее используемой сессии (учебное упрощение); в измеренных профилях объём ключей на порядки меньше лимита.
  • Генератор нагрузки ограничен контейнером (CPU/RAM/VU); для ключевых выводов проведена калибровка (прогоны с 900 VU и 2.0 CPU), чтобы потолок не был потолком k6.

Что подтверждено измерением: сокращение пути записи до одного оператора (коммит C2) поднимает потолок горячего чата с ≈258 до ≥400 req/s и снижает p95 с 5–11 s до 8–29 ms при том же бюджете ресурсов (A/B, 3+3 повтора, evidence/track1/summary-ab.md). Остальные гипотезы подтверждены или отклонены как указано в разделах выше (H1 — подтверждена, H2 — подтверждена, H3 — отклонена, H4 — отклонена в проверенном диапазоне, H5 — подтверждена). Что осталось гипотезой: механизм «потолок задаёт связка квота CPU на реплику + общий PostgreSQL + сериализация на строке чата» подтверждён косвенно (серия A, диагностика горячего чата, серия роста), но отдельного эксперимента «тот же суммарный бюджет, другое распределение» с достаточным числом повторов не проводилось; эффекты за плато меньше разброса измерений.

Следующие шаги: (1) повторить серию A с ≥3 повторами и прогревом 60 s, чтобы различать эффекты меньше 8 %; (2) повторить путь чтения с большим пулом VU генератора; (3) вынести PostgreSQL и LB на отдельные узлы и проверить перенос (трек 2); (4) добавить бэкап тома PostgreSQL и проверку восстановления.