2023：性能优化与可观测性——把 3 分钟压到 8 秒

这一年发生了什么

如果说 2022 年是「搭起来」，2023 年就是「跑得快、看得见」。平台数据量上来之后，去年埋下的所有性能债开始收利息。

技术上的变化

1. DAG 引擎重构：3 分钟 → 8 秒

把同步遍历重构为 CompletableFuture 异步计算流水线：无依赖的指标节点并行执行，依赖就绪即触发。配合线程池隔离与超时兜底，复杂指标计算耗时从 3 分钟优化到 8 秒，计算资源利用率提升 50%。

这次优化让我真正内化了两个词：关键路径（整体耗时取决于最长的依赖链）和并行度（不是开了线程池就并行了）。

2. 存储选型：没有银弹，只有场景

• 设备高频上报数据从 MySQL 迁到 TDengine：写入性能提升 10 倍，存储成本降低 60%；
• OLAP 聚合交给 Doris，做指标预计算，大屏接口从秒级降到 200ms 以内；
• 查询侧搭 Caffeine L1 + Redis L2 多级缓存。

3. 可观测性体系

SkyWalking 全链路追踪 + Prometheus/Grafana 监控告警。效果是残酷又真实的：线上故障定位从小时级降到分钟级。2021 年那个「先有度量再优化」的念头，终于闭环了。

4. 云原生

12 个微服务全部容器化，Jenkins Pipeline（提交 → 单测 → 镜像 → K8s 部署），部署耗时从 40 分钟降到 10 分钟。

个人感悟

优化的顺序应该是：先测量，再怀疑，最后动手。反过来做，几乎一定是白干。

这一年还悟到一点：性能优化最赚的往往不是换组件，而是消除等待。8 秒里的 7 分 52 秒，是线程在等 I/O，CPU 在等锁——换掉等待，而不是换掉机器。

也是在这一年，我开始写技术博客整理这些经验——教是最好的学。