叨叨
赛题
赛题背景
基于公共云构建产品、系统和应用已经是当前最热门的技术趋势了，公共云不仅提供了非常丰富的基础设施资源类型，如服务器、网络、存储和数据库等资源，还为这些资源提供了极高的可靠性保证，综合性价比非常有竞争力，尤其是阿里云发布的第七代云服务器ECS，搭载最新一代英特尔®至强®可扩展处理器（代号Ice Lake）以及阿里云自研的第三代神龙架构，可以更好地满足各种类型的计算任务。本赛道将基于这款云服务器进行，希望通过此次比赛可以更具体更全面地展示其性能。
Web Services是各行业中最为常见的软件系统之一，本赛题探讨Web Service在云上部署的性能优化，希望参赛者通过代码撰写、操作系统与数据库选型、各种参数调优等手段，优化云端Web服务的性能和保障服务的高可用。
赛题描述
构建一个高性能、高稳定的Web Service，具体形式是实现一个在线实时聊天室Web Service。
该服务需要完成以下功能，下文将以部分API方式进行说明：
用户注册、用户登录等。
创建房间、查看房间等。
用户进入、退出实时聊天房间，每个用户只能进入一个聊天室，进入某个聊天室时，会自动退出上一个聊天室等。
用户发言和实时收取其他人的消息。
注：聊天室、消息和用户，三个数据必须持久化；在线人数无须持久化。
完整API Spec请参考这里。
复赛要求如下：
1.所有的数据持久化都必须是集群化(3台机器)的，任何一台机器宕机，其他的两台机器应该能继续对外提供完整的数据查询和插入服务。
2.在任何一台机器上登录和进入聊天室，其他的机器都应该有相同判断，即该用户登录以及进入聊天室。
3.程序在机器启动后，会收到请求/updateCluster的post请求，body是三台机器的ip的list,比如 [“192.0.0.1”,”192.0.0.2”,”192.0.0.3”]。
4.经过上面的步骤等待一分钟后，会收到/checkCluster的GET请求，需要返回http status 200，然后开始集群测试。
环境要求
操作系统：任意阿里云的官方镜像，任意Windows或Linux、OS。
编程语言：任意语言，Java/Go/Python/JS等。
数据库：任意数据库，MySQL/Redis等。但所有数据必须落盘，即使实例重启，也不允许丢任何数据。
提交说明
最终的产出以zip包形式(不得超过100M)提供，zip包里面需要包括以下内容：
可部署的二进制文件，或代码，如python。代码必须有一个良好的规范，建议参考所选编程语言的通用规范。
部署脚本。
环境配置，以资源编排ROS模板展示。
参考示例zip包结构。
评测系统收到提交的任务后，将会：
安全扫码，如发现病毒或可疑代码将直接取消比赛资格，作废任何已有成绩。
解压zip示例中的deploy_application.zip 。
使用ros json 模板进行ECS环境部署，参考注释，可能需要调整镜像ID。
系统自动将deploy_application.zip包下载并解压到目标目录。
调用deploy_application.zip里面的start.sh来启动service。
部署完成以后将会开始评测，请使用端口8080。
请参考示例git repo 2021-contest/demo/build下的zip包。
评判标准
评测分为两个阶段：分别为完成性验证阶段和性能测试阶段。
完成性验证阶段，需要满足综合任务描述与环境要求中提到的数据落盘、数据持久化等要求（复赛环节注意新增要求），否则最终得分为0。
性能测试阶段，通过接口完整性、API的QPS、API的延时情况，在选手提交zip包之后，计算性能测试的综合得分，其中：
1、接口功能越完整正确，得分越高。
2、综合API的QPS，QPS越高，得分越高。
3、综合API的延时，延时越低，得分越高。
计算性能测试的综合得分=n*10+50*(qps/10000)*k+50*n∗10+50∗(qps/10000)∗k+50∗(1/time_deplay)*m。∗m。
其中，n为评测的接口个数，k是需要进行评测qps的接口个数，m是需要评测的延时接口个数。
评测流程
参赛者提交的服务，最终将部署在搭载最新一代英特尔®至强®可扩展处理器（代号Ice Lake）阿里云第七代ECS实例，4核8G （规格）上。
评测系统将对该服务进行压测，压测时会使用多个场景进行压测，且场景可能会发生变化，但是都会是多个API的组合。
大赛更多细节，包括API Spec、Demo和zip包示例，请参考以下链接，将持续更新：
https://code.aliyun.com/ecs-contest-support/2021-contest/tree/master 。
解题思路（声明：以下所有的测试均在阿里云4c8g的ecs环境下进行）
- 先使用
spring-boot 快速写了一个baseline 的东东，把题目的样例都跑过了，结果：api是满分190，性能分数只有0分。然后拿wrk 压测发现tps=1K左右，然后就尝试写了一个返回字符串的方法去压测，最后拿到报告只有tps=5K 这样子。spring-boot 原来这就是你的极限了🐴，垃圾（小声BB，于是接下来就开始专注性能这块了。 - 我调研了一下，所有人都在吹
vert.x的性能有多好多好。fine！那就搞起吧，社畜狗一边加班一遍肝vert.x,终于在看了2天文档，写了个demo 出来。然后故技重施又：写了一个返回字符串的空方法去压测，发现效果喜人，直接将tps的值拉到一个新高度 tps=100000+，是的，xdm你没有听错，性能提高了接近20倍，这个还是在我辣鸡的macbook上面压测的结果，我尝试在阿里esc上面进行jvm预热后再压测，tps达到了恐怖的130000，就是这么强！！那妥了，天命人就是你了-vert.x！ - 啪啪啪，一顿拍完，效果还不错，
tps=100多分了，总分300+还可以了，换框架的收益可以说是十分明显。然后一看排行榜发现居然有大佬居然有700+分，看来还是有很大的提升空间， - 于是我开始尝试：
对查询的接口加上缓存，对查询的各个点进行优化，如果查询命中就放到缓存中，如果没命中就放入一个无效值，避免下次还去查询数据库，缓存使用guava 的 Chche实现，使用LRU策略淘汰。发现效果果然不错，总分冲击到了400+，查询的tps 查询也达到了100000+ - 接下来，查询的优化完毕，就开始优化插入的接口。借鉴批量处理的思维：
将数据库的插入操作，从单条插入修改成了多条异步插入，主要的设计思想呢：就是将需要插入的任务扔到队列里面，然后搞一个定时任务定时处理任务队列里的数据，进行批量插入。我设置的定时任务间隔是30ms，相当于实现了一个简单的生产消费模型，具体代码可以查看异步插入和定时任务消费，这边将tps 提升了几倍，最后测试数据库写入的接口tps达到了47000+ - 接下来就是对数据库参数进行调优，我这边数据库用的是
postgre-sql，然后发现对数据库参数调优其实没啥作用（还做了各种数据表分区，表sharding的处理，一顿操作猛如虎，2333）然于是到此分数就定格到了519.94，初赛14名，说实话不是什么出彩的好成绩，只是分享给大家看一乐呵 - 当然成功进入复赛，但是那段时间社畜需要996没时间搞比赛，所以复赛就没打了
- 就介样儿吧，拜拜
9208
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
