Files
mtusi2026lab6/evidence/forward-published/cost/method.md
T

5.9 KiB
Raw Blame History

Повтор трека после позднего переноса

Приложение и измеритель: bc1d7aa7713858acb5d65b61d07e69a640f1ee97. Образ/лимиты: ../runtime.json. Причина повторения — изменён путь auth/cache, используемый GET users/me; исторические серии evidence/track5 на bc0b162 остаются неизменными и не выдаются за результат нового кода.

Гипотеза: head 10% уменьшает ingest, теряя редкие события; tail сохраняет ошибки и slow, сокращая запись в Tempo, но сохраняет расходы SDK. Balanced: tail 5% обычных трасс, все ERROR и latency >=300 ms; период метрик 30 s вместо 10 s.

Команда каждой серии: scripts/lab6.sh python3 scripts/obs_cost.py --mode MODE --repeat N --duration 40 --rate 20 --output evidence/forward-published/cost/MODE-N.json. Порядок: off/on/head/tail/balanced, три круга. 20 прогревочных GET, 35 s ожидания экспорта; 40 s open-loop, 800 arrivals с периодом 50 ms, 64 клиентских потока. 768 обычных запросов, 16 контролируемых 503, 16 задержек 350 ms. Затем 35 s drain. finally возвращает обычный Collector, SDK on/ratio1/interval10s и отключает fault hook. Все серии идут последовательно, отдельные проверки и другие нагрузки этого агента одновременно не запускаются.

Latency измерена клиентом, schedule_lag записан отдельно. CPU — delta cgroup total_usage / время внешних Docker samples; RAM — usage−inactive_file. Это не SDK-метрики. Группы application (API, relay, worker), observability, business stores/LB раздельны. Окно CPU охватывает нагрузку, не последнюю работу tail sampler во время drain; RAM — пик наблюдаемых samples, не непрерывный максимум.

Ingest: Tempo/Loki received bytes и Prometheus appended samples; разные единицы не складываются. Окно включает drain и постоянный фон self-scrapes. SDK ended сравнивается с Collector accepted, export failures учитываются отдельно; для tail accepted−sent включает намеренную фильтрацию. Отбор server traces по уникальному префиксу каждой серии и категории, search limit5000 >800. Для head неизвестное число несозданных DB spans не оценивается вымышленным числом; наблюдается доля server roots. Off — отсутствие SDK, а не ошибка доставки.

Фон Docker/host записан в conditions-start и conditions-round-N, inventory дополнительно есть в каждом raw JSON. Host не эксклюзивен, поэтому малые различия latency/CPU не доказывают статистическую значимость. Три повтора дают наблюдаемый диапазон, не доверительный интервал. Workload HTTP/DB, worker ожидает заданий; массовая обработка изображений отдельно проверена в png-boundary.json. Tail decision_wait10s не доказывает полноту цепочек с очень поздними retry. Успешные завершённые серии сохраняются для финального аудита без автоматического повторного прогона.

Сводка: python3 scripts/obs_cost_summary.py evidence/forward-published/cost. Графики: uv run --no-project --with matplotlib==3.11.2 python tools/plot_observability.py evidence/forward-published/cost.

Пригодность серий и повтор двух прогонов

После двух первых кругов обнаружен разрыв настенных часов относительно монотонного таймера (вероятен сон host, причина не утверждается доказанной). В первоначальном on-3 окно от конца нагрузки до отчёта стало 932,714 s, в head-3 сама нагрузка по wall clock — 938,154 s, максимальный разрыв внешних samples — 900,354 s. HTTP PASS этих прогонов не означает пригодность CPU/ingest. Оба оригинала сохранены без изменения в invalid-time-gap, SHA-256 и решение — invalid-series.json; они исключены из сравнения. Остальные завершённые серии не перезапускаются.

Для оставшихся измерений включён ограниченный по времени caffeinate -i -s; повторяются только on-3 и head-3 с теми же параметрами и SHA, последовательно. Проверка пригодности всех включённых серий: finished−started 38..42 s, utc−finished 30..45 s (35 s drain плюс запросы/округление), max соседнего resource.at gap <5 s при периоде2 s. Результат — measurement-audit.json. Отдельные паузы до начала измеряемого окна не включаются в CPU/ingest и сами по себе не бракуют серию. Контекст общего host и фактический фон остаются ограничениями.