架构生长实验室 · 第 2 阶段 · 资料核对 2026-11-11

顾客说页面慢:先找到真正堵住的地方

虚构小店的教学场景。规模、耗时和算例不是生产性能承诺;技术方案均需按实际部署核验。

  1. 同一句“很慢”,可能是四种不同故障
  2. 用三本记录,把一次请求的时间对起来
  3. 查询、排队与资源:找到原因后再选择改法

同一句“很慢”,可能是四种不同故障

青屿小店开业一段时间后,顾客小林反映:“点商品要等四秒,昨天还挺快。”店主第一反应是买一台更大的服务器。这个办法可能有用,但我们先回答一个更具体的问题:这四秒里,究竟是谁在工作,谁在等待?

页面加载并不是只有业务程序这一件事。浏览器找地址、建立连接、下载 HTML、运行脚本、请求商品数据、下载图片、解码和显示,都可能占时间。服务器 CPU 很忙是一种可能,顾客网络很慢也是一种可能。两者都表现为转圈,但不能用同一个改造解决。

部署没有变化:仍然只有一台业务服务器

顾客设备

浏览器:发请求、下载、运行页面脚本、显示

云服务器

Nginx:公网 HTTPS 入口
业务程序:本机内部端口
MySQL:本机授权连接
图片目录:本机磁盘文件

方框表示部署位置与包含关系,不表示所有请求都按方框顺序穿过。这里只有 Nginx 一个对外入口代理;数据库不是下一层网页网关。

先问“哪个东西慢”,再问“为什么慢”

小林说商品页慢,可能是页面上的文字很快出现,但大图迟迟不来;也可能文字与价格都在等接口;还可能所有数据早已下载,页面脚本却让手机卡住。让用户重复一次操作,观察最先停在哪里,比直接换机器更接近答案。

现场现象先看哪段不能直接得出的结论
网址迟迟连不上域名解析、连接、证书、网络不能直接说数据库慢
商品数据接口等待长入口、应用排队、应用执行和数据库等待不能直接说 CPU 不够
文字已出,图片下载长图片大小、出口、客户端网络不能直接说要加数据库内存
数据下载完,页面仍卡浏览器脚本、图片解码、设备负载不能直接说云服务器故障

“响应时间”和“CPU 时间”不是一个数

厨师用五秒准备食材、等烤箱两分钟,顾客等了两分多钟,但厨师并没有一直动手两分钟。程序也是这样:它发送数据库查询后可能等待结果,期间 CPU 可以给其他任务工作。浏览器看见的总耗时包含计算、网络、排队和等待。

这也是为什么有时服务器 CPU 只有 20%,用户仍然很慢:程序可能在等数据库连接、磁盘或外部接口。反过来,CPU 接近满载也不等于必须升级;它可能被错误的循环、重复计算或不必要的后台任务耗掉。

开始测量之前,先保留现场

记下发生时间、具体页面、请求路径、操作步骤,以及是所有顾客都慢还是某个地区、设备慢。对比相同请求在低峰和高峰的表现。只测试一次容易碰巧遇到冷缓存、连接首次建立或网络波动;要看一段时间内多次请求的分布。

本章的数字是为了讲清关系而设计的教学现场。真实项目应保留原始计时和日志证据,不把教材数字当成正常与异常的固定分界。

用三本记录,把一次请求的时间对起来

我们已经确认:慢的是商品数据接口,不是图片下载。下一步把观察位置放在三处:浏览器记录它实际等了多久,Nginx 记录入口处理过程,业务程序记录它在数据库等环节花了多少时间。数据库自己的记录再帮助解释查询内部发生了什么。

业务请求照常往返;测量只是记录,不增加新的请求网关
  1. 浏览器→Nginx

    GET /api/products/123;浏览器记录发送与接收时间

    ← 返回:状态码与商品数据
  2. Nginx→业务程序

    按 /api/ 转发,并记录可关联的请求编号和耗时

    ← 返回:业务响应;入口继续转交顾客
  3. 业务程序→MySQL

    查询商品记录;程序记录调用开始与结束

    ← 返回:查询结果或错误

每一行是一段调用,结果回给发起者。日志另外保存;这里没有“浏览器先经过监控服务器再查数据库”的结构。

第一本:浏览器的网络面板

浏览器开发工具通常能显示请求的连接、等待和接收过程。页面导航计时描述主页面;资源计时描述图片、脚本或接口等资源。不同工具的展示口径不同,跨域、安全限制及连接复用也影响能看到哪些细节。

如果请求发送后长时间没有首字节,问题可能在网络、服务器排队或执行;这仍然不能直接定位数据库。如果接收响应本身耗时很长,则要留意响应大小和网络速度。等待首字节不是纯粹的“程序执行耗时”。

第二本:入口记录

Nginx 可以记录完整请求时间,也可以记录它与后端程序连接、等待响应等信息。这里的“后端”只是相对 Nginx 而言,指它转发请求的目标。日志字段的计时边界必须查清:入口总时间与后端时间通常存在包含关系,不是两段可以随意相加的独立时间。

示意日志(数值虚构,字段名称在本例中用于说明):
request_id=demo-123 path=/api/products/123 status=200
入口观察约 3.2 秒,后端响应约 3.0 秒

下一步:沿 demo-123 找业务程序记录,
而不是把 3.2 + 3.0 算成 6.2 秒。

第三本:程序中的分段记录

程序收到请求后,分别记录身份判断、业务计算、等待连接池、数据库调用以及响应整理等环节。请求编号是一张关联票据,不是登录凭证。可以由可信入口生成并传递,或由程序生成;外部传入的值要验证长度和格式,不能无条件信任。

这条请求的教学账本

程序总时间 3000 ms:等待数据库可用连接 600 ms,数据库调用往返 2300 ms,其他程序处理 100 ms。这里三项被定义为互不重叠,才可以相加。数据库调用内部又可能包含网络、执行和结果传输。

入口的 3200 ms 已经包含等待程序的 3000 ms;浏览器看到的时间还可能包含连接与公网传输。不同机器时钟也可能有偏差,不能随手相减两个机器的日志时间戳就断言网络用了多少。

日志本身也需要节制

不要把密码、完整 Cookie、令牌或顾客个人信息直接写入日志。常态记录需要采样、保留期限和权限管理,详细排查也应有时间范围。日志持续增长可能先占满磁盘,反而导致业务写入失败。

现在我们知道程序主要在等数据库连接和查询。还不能得出“数据库机器必须加大”的结论。下一页继续拆开这两段等待。

查询、排队与资源:找到原因后再选择改法

连接池为什么会排队?

连接池是一组可重复使用的数据库连接。程序要查库,先借一条连接,用完归还。数量设得太少,任务会等;设得过大,数据库可能承受过多并发,CPU、内存或磁盘更忙,查询反而更慢。它不是越大越好。

假设池里有十条连接,每个查询占用两秒。即使忽略其他限制,平均每秒完成的查询也只有约五次。进入速度持续超过完成速度,等待就会增加。解决方式可能是缩短查询占用、限制不必要请求,或在数据库有余量时调整连接数。盲目扩大连接池可能把“程序排队”变成“数据库内部排队”。

只找一件商品,为什么数据库检查了那么多记录?

数据库表像结构化账簿。索引是按某些字段组织的查找结构,帮助缩小需要检查的范围。是否使用索引、使用哪个、检查多少记录,取决于查询写法、数据分布、统计信息和优化器决策。并不是建立一个索引就一定变快。

EXPLAIN 是让数据库解释它计划怎样执行查询的工具。某些数据库版本还支持实际执行并报告运行信息的形式,例如 MySQL 的 EXPLAIN ANALYZE;“实际执行”就意味着会消耗资源,不能不看语句和环境就拿生产系统做实验。

业务意图:只展示“允许上架”的商品,按最近更新排列。
可能的问题:每次读取大量记录后再排序,只返回其中十条。
要检查:过滤与排序条件、实际检查行数、索引和结果是否正确。
不能只做:看到慢就给所有字段各加一个索引。

索引也要随新增和修改记录维护,消耗存储和写入资源。优化前后需要核对查询结果一致、写入影响可接受,而不仅看一次读取更快。返回不需要的大量字段、重复查询同一记录,也可能比换机器更值得先改。

什么时候升级单机是正确的下一步?

查询和程序已经合理,真实负载下处理器仍持续紧张,可以评估更高计算能力;内存明显不足且无法通过控制进程或修复泄漏解决,可评估更多内存;磁盘延迟与读写压力突出,应评估存储性能及访问方式;出口被图片占满,则看带宽、文件体积与缓存。

选择适合解决留下的限制
优化程序或查询不必要计算、扫描和重复工作需要验证正确性;有些工作本身就昂贵
升级单机规格确认不足的计算、内存等资源费用、规格上限;单机故障范围仍在
调整并发与连接池不合理排队或过载不会创造数据库处理能力
减少图片体积或改善出口传输量与带宽瓶颈不能修复慢查询或程序错误

如何证明改造不是碰巧有效?

用相近的数据和请求组合,对比改造前后的吞吐、错误率和耗时分布。吞吐是单位时间实际完成多少请求;响应时间是一个请求等待多久。平均数可能很好看,但少数长请求仍让顾客痛苦,因此还要看较慢的一批请求和超时。

测试也要有安全边界:先在隔离环境准备合理数据,再逐步提高负载。一次只改变明确因素,记录版本和配置。不要为了跑出漂亮数字省去权限验证或使用与真实业务无关的超小响应。

这章为什么暂时没有引入新网关?

问题是我们不知道时间花在哪里,解决方法先是观测与测量。数据流仍是“浏览器 → Nginx → 程序 → 数据库”,结果反向返回。机器是否升级由证据决定;如果后来证实程序与数据库长期抢资源,再进入数据库独立部署这一章。

带着三个判断离开

响应慢不等于 CPU 忙;磁盘有空间不等于读写快;入口、程序和数据库的计时可能相互包含。先画清楚等待关系,再选择改造对象,才能避免“每个部件都升级了一点,顾客仍旧很慢”。