紧急修复过载的服务器

一个外部监测工具会向你报告，在过去30分钟内，5个被监测的URL的平均响应时间增加了一倍。该项目运行在一个单一的物理服务器上，该服务器不在你的管理之下，在数据中心的某个地方运行。你通过SSH连接，启动htop，看到CPU负载为95%，内存早已溢出。

根据git，你知道大约一周前他们做了一个数据库迁移到一个新的表结构，一个同事在聊天中写道，他不得不连夜运行迁移，因为重新计算列和索引花了大约5个小时，在此期间几乎整个数据库都被锁定，INSERT和SELECT都不工作。

因此，性能问题可能是由于索引设计不当，重新设计的SQL查询不佳，或大的连接池。没有时间恢复，根据谷歌分析，网站上有7千名用户，中断5个小时意味着客户的声誉风险，并在这段时间内损失数万到数十万克朗（这很难估计，投影仪凑够了）。你意识到只在测试环境中测试功能是不够的，你还需要实施负载测试。

由于这是你最大客户的一个重要的电子商务商店，而且你预计情况可能会变得更糟，你有30秒的时间来做决定。

你如何进行？

1.你什么都不做。网站的速度会变慢，但只要服务器能够处理，我想就可以了...... 2.你会试着准备一个恢复DB结构的计划，并尽快运行它。 3.你把网站迁移到一个更强大的服务器上（但这意味着迅速向客户提高价格，然后等待可能6个小时才能完成迁移，因为你有数百GB的数据库表）。 4.你会发现哪些SQL查询和哪些页面花费的时间最多，并简单地禁用它们。 5.你运行Cloudflare，让它静态地检入它能检入的东西。 6.其他一些魔法（我认为没有什么可想的）...

Jan Barášek   Více o autorovi

Autor článku pracuje jako seniorní vývojář a software architekt v Praze. Navrhuje a spravuje velké webové aplikace, které znáte a používáte. Od roku 2009 nabral bohaté zkušenosti, které tímto webem předává dál.

Rád vám pomůžu:

Kontakt