5.6 KiB
Лабораторная 3
Автор / группа: Синюк Максим Павлович БПИ2301 Целевая оценка (3/4/5): 5 Трек 1, если заявлен: "Цена масштабирования"
Что реализовано и что перенесено: перенесены пользовательские тесты, валидация(перенастроена на пароль), роуты(перенастроены на защиту по токену сессии), модели ORM и работа с БД PostgreSQL, Redis кэширование Команды запуска из чистого clone: cd mtusi2026lab3 | docker compose -d --build | docker compose logs api --tail 50 Результаты проверок и ссылка на REPORT.md: https://gitea.privcloud.tech/Atelier77/mtusi2026lab3/src/branch/solution/БПИ2301-Синюк/REPORT.md Ограничения / известные ошибки: описано в REPORT.md Источники и использование ИИ: руками, составление прогонов конкурентности
Graceful Degradation: SIGTERM перестаёт принимать новые запросы, выполняет уже полученные в течение 30 секунд и останавливает процесс, встроенная функция сервера Uvicorn. Для проверки отказоустойчивости был использован скрипт scripts/failover_test.sh, который выполняет нагрузочное тестирование (tests/load.py) с помощью файла scripts/test_idempotency_failover.py и последовательно останавливает/восстанавливает(проверка на отказоустойчивость) реплики API. Результат описан в README.md и метрики представлены в results/failover_metrics.json. Идемпотентность при параллельных запросах с одинаковым idempotency-key проводилась с concurrency 4, duration 60s и при 2 репликах api с ограничениями cpus 0.5 и memory 512M. Cache Stampede при холодном запуске решается через Redis Lock на idempotency-key для конкретного запроса благодаря асинхронности запросов. Параллельные запросы с одним idempotent-key создают одну запись, response кэшируется и отдаётся без обращения к БД. Health/readiness и timeouts настроены в docker-compose.yml и nginx.conf, время обнаружения отказа инстанса ~20 сек. Миграции вынесены в отдельный сервис migrate в docker-compose.yml. Сервис api имеет зависимость depends_on: migrate (condition: service_completed_successfully). В виду этого миграции выполняются только один раз перед запуском реплик api. Реплики API только проверяют подключение к БД и инициализируют Redis.
В эксперименте проверена обработка насыщения пула соединений, при которой клиент поулчает статус ошибки 503 вместо выдачи общего 500 для retry запросов в скрипте python scripts/check_503_retry_after.py --n 64. Первые запросы занимают вес пул, а оставшиеся получают response 503 с extra_headers Retry-After. Все запросы корректны обработаны, ключ и тело запросов не менялись. Конкуренция: 64; wall time: 0.50s; реплик наблюдалось: 2 ['api-24fde5d9', 'api-df7eae98'] результат в results/check_overloaded_handler_503.log. Конфигурации с идентичным CPU API (2×1.0) и зафиксированным PostgreSQL (1.0): D_pool_starved: DB_POOL_SIZE=2, DB_MAX_OVERFLOW=0, DB_POOL_TIMEOUT=5. D_pool_normal: DB_POOL_SIZE=10, DB_MAX_OVERFLOW=20, DB_POOL_TIMEOUT=30. суммарный пул растёт как replicas × (pool_size + max_overflow). При 4 репликах × 30 = 120 потенциальных соединений против ёмкости одноядерной БД добавление реплик усиливает contention, а не пропускную способность. Рост реплик перестаёт увеличивать RPS. Диаграммы получены через scripts/plot_scaling.py и хранятся в results/scaling/*.png. Конкуренция в эксперименте проводилась с параметрами [8, 16, 32, 64]
- [+] Весь обязательный минимум текущей и предыдущих работ сохранён с объявленными переходами.
- [+] Контракт и публичные тесты не ослаблены.
- [+] make check и make test выполнены; приложен реальный вывод.
- [+] Сценарии отказов/безопасности своего уровня воспроизведены.
- [+] Все секреты и приватные ключи находятся вне Git; отчёт не содержит tokens.
- [+] README задания сохранён, REPORT.md содержит инструкцию именно моего решения.