8.1 KiB
Отчёт — лабораторная 3
- Автор, группа: Долда Кирилл, БПИ2301
- Целевая оценка; на 5, Трек 1 (Цена масштабирования)
- Commit/PR: TODO после публикации
- Использованные источники, библиотеки и помощь ИИ: FastAPI, SQLAlchemy, asyncpg, Alembic, passlib[bcrypt], redis, psycopg2-binary.
Запуск из чистого clone
Требования: Docker Desktop, Python 3.13 для локальных тестов.
Версии runtime/образов: python:3.13-slim postgres:16-alpine redis:7-alpine nginx:alpine
Python-пакеты: fastapi==0.115.0, uvicorn[standard]==0.52.4, pydantic==2.13.5, sqlalchemy[asyncio]==2.1.0, asyncpg==0.31.0, redis==6.2.0, passlib==1.7.4, bcrypt==4.1.2, alembic==1.14.0, psycopg2-binary, pytest==8.3.4
Создание локальных secrets/.env: cp .env.example .env
Сборка и запуск: docker compose up -d --build
Миграции (однократно, до запуска трафика): docker compose exec -w /app app1 alembic upgrade head
Тесты:
make check - offline-проверка структуры и синтаксиса make test - публичный smoke-тест контракта API make test-lab3 - собственные тесты лабы 3 (идемпотентность + общая сессия) make test-dependencies - тесты отказов зависимостей (БД -> 503, Redis -> 500) make failover - остановка app1 -> проверка, что сервис жив (app2) make failover-app2 - остановка app2 -> проверка, что сервис жив (app1) make rolling-load - нагрузка во время rolling update (в одном терминале) make rolling-update - поочерёдное обновление реплик (в другом терминале) make load - нагрузочный тест для Трека 1 (RPS, p50/p95/p99) docker stats - Проверка загруженности CPU/RAM при активном make load
Архитектура и решения
Схема процессов/хранилищ: Клиент -> Nginx (LB) -> API * 2 (app1, app2) -> PostgreSQL (источник истины) + Redis (сессии).
Источник истины: PostgreSQL. Пользователи, чаты, участники, сообщения.
Сессии: Redis. Токен secrets.token_urlsafe(32) с TTL. Персистентность Redis через --appendonly yes.
Транзакционные границы: Создание сообщения с Idempotency-Key: SET NX в Redis, застолбить ключ -> commit в БД, создать сообщение в postgre -> SET результата в Redis сохраняем.
Что перенесено из lab2: PostgreSQL, Redis для сессий, миграции, Bearer-токены.
Что изменено: Добавлены реплики app1/app2, Nginx (LB), X-Instance-Id, Idempotency-Key, лимиты CPU/RAM, failover-тесты, rolling update, least_conn в Nginx.
Доказательства критериев
| Критерий README | Команда/сценарий | Наблюдаемый результат | Файл доказательства |
|---|---|---|---|
| Публичный smoke | make test | PASS: lab3 public API scenario | |
| Собственные тесты | make test-lab3 | PASS (3/3): идемпотентность (тот же id), идемпотентность (409), общая сессия (≥2 разных x-instance-id) | evidence/test-lab3.txt |
| Тесты отказов зависимостей | make test-dependencies | PASS (2/2): БД -> 503, Redis -> 500 с Error | evidence/test-dependencies.txt |
| Failover app1 | make failover | Все 20 запросов 200, ни одного 502 | evidence/failover-app1.txt |
| Failover app2 | make failover-app2 | Все 20 запросов 200, ни одного 502 | evidence/failover-app2.txt |
| Rolling load | make rolling-load | Все 200, X-Instance-Id меняется | evidence/rolling-load.txt |
| Rolling update | make rolling-update | Без простоя | evidence/rolling-update.txt |
Эксперименты и отказы
Гипотеза (Трек 1):
При фиксированных суммарных ресурсах (2 CPU / 1 GB) рост числа реплик API даст прирост RPS, но упрётся в saturation point.
Методика: make load (POST /messages, 30 сек, 4 пользователя).
Конфигурации: 1, 2, 4, 6 реплик при суммарных 2 CPU / 1 GB. Замеряли RPS и p99.
Так же проводили замеры с 1 CPU / 512M. Результаты всех замеров зафиксированы в папке evidence.
| Реплик | RPS (среднее) | p99 (мс) | | 1 | ~250 | 23 | | 2 | ~255 | 31 | | 4 | ~260 | 26 | | 6 | 257 | - |
Корректные данные по результатам, график: evidence/scaling.png
Ограничения и следующие шаги
Что выдерживается: Отказ процесса (реплики), rolling update, общая сессия, идемпотентность, миграции однократно.
Подтверждённое улучшение: p99 снижен с 48.7 до 12.9 мс (CPU 0.5 → 1.0) — улучшение задержки. RPS не вырос — saturation point в общем ресурсе.
При фиксированных суммарных ресурсах 2 CPU и 1 GB и распределении их на 1, 2 и 4 реплики RPS составил 250, 255 и 260, что указывает на достижение saturation point именно на 4 репликах. При изначально меньших ресурсах - 0.5 CPU и 512 MB на реплику, сатурация наступала уже на 1 реплике, так как увеличение числа реплик не раскрывало потенциал из-за максимальной нагрузки на каждую из них. В качестве подтверждённого улучшения в этом сценарии доказано, что увеличение CPU на реплику с 0.5 до 1.0 подняло RPS с 234 до 254 и снизило p99 с 24 до 17 мс по результатам make load (4 пользователя отправляют в течении 30 секунд запросы на создание сообщений). Для полноценного эксперимента за пределами условий задания на 1, 2, 4 реплики был проведён замер на 6 репликах, который показал 257 RPS, подтвердив saturation point на 4 репликах и последующее снижение. Также доказано, что увеличение CPU с 1 до 2 на реплику, при втором тесте, даёт прирост скорости ответа p99 на 7–10% при распределении реплик, но не увеличивает RPS.