本文系统性拆解服务器容量测算的完整实操要点。
上个月一个客户在凌晨切量后十分钟,监控告警就响了:Nginx 的活跃连接数不算高,但 PHP-FPM 的进程池被打满,CPU 直接顶到百分之九十几,跳转判定开始出现几百毫秒的排队。他原本按「日均点击量除以一天秒数」估的 QPS,觉得四核八G绰绰有余。问题不在总量,在于他把斗篷系统的请求特征当成了普通静态站——每个访客请求都要过一遍规则链、读一次缓存、可能还要回源取版本映射。这篇就从这次翻车说起,把部署前的服务器容量测算和实施顺序讲清楚。
为什么按日活估容量一定会偏
普通落地页的请求是「一次到达、一次响应」,峰值和均值差距通常在三到五倍。斗篷系统的请求链路上多了判定环节:请求头解析、指纹采样、规则条件求值、缓存查键、版本映射返回。这些步骤单次开销不大,但它们把每个请求的 CPU 占用从「可忽略」抬到了「需要认真算」的量级。
更麻烦的是流量形态。广告投放的点击往往集中在几个时段,冷启动期尤其明显——预算刚放开,平台会在短时间内集中试探。我见过一个账户,日均点击只有一千二三,但放量那个小时的请求量能占到全天的一成五以上。如果按日均算容量,这个峰值会被完全抹平,上线首日必炸。
所以容量测算的第一步不是算均值,是先把峰值系数定下来。经验上,斗篷类系统的峰值系数按 8 到 12 倍取比较稳妥,冷启动期可以再往上留一档。
容量测算:从点击量到资源规格的换算路径
请求量口径怎么统一
先把三个数字对齐:日均点击、峰值小时占比、单请求平均耗时。日均点击从投放后台取,峰值小时占比从历史分时数据看,单请求平均耗时需要在预发环境压出来。
假设日均点击 5000,峰值小时占 18%,那么峰值小时请求量约 900,换算成 QPS 约 0.25。这个数字看着很小,但斗篷系统的判定逻辑如果单请求耗时 80ms,那并发占用就是 0.25 × 0.08 = 0.02 个并发度。看起来更小了。
问题出在冷启动和爬虫探测上。这两类请求不遵守正常的流量分布,往往在几分钟内堆出几百个并发。所以真正要预留的不是稳态并发,是突发并发。
CPU 与内存的余量比例
CPU 余量建议按稳态峰值的 3 倍预留。四核机器如果稳态峰值占用到 1.5 核,就接近需要扩容的边界了。这个比例偏保守,但斗篷系统的判定逻辑会随规则数量增长,上线时够用不代表两周后还够用。
内存主要看 PHP-FPM 的进程池。每个 worker 进程的基础内存占用在 30 到 50MB 之间,取决于加载的扩展和规则库大小。八G内存的机器,如果给 PHP-FPM 分 4G,按 40MB 一个进程算,进程池上限大概在 100 左右。这个数字要和 pm.max_children 对上,不能只改配置不看实际内存。
顺带说一句,规则库如果是从文件加载的,每次热更新会触发 opcache 失效,短时间内 CPU 会有个尖峰。这个尖峰在容量测算时容易被漏掉,建议在预发环境专门压一次热更新场景。
部署实施顺序与回滚点
容量算清楚之后,实施顺序决定上线当天的可控程度。推荐按这个节奏走:
- 基础环境就绪:Nginx、PHP-FPM、缓存服务先装好,只跑一个静态探针页,确认网络和端口通。这一步的验收项是健康检查接口返回 200,且响应时间稳定在 10ms 以内。
- 跳转插件装载但不生效:插件部署到位,规则库加载,但默认分支指向静态占位页。此时可以观察日志,确认请求能正常进入判定链路,不产生跳转动作。
- 小流量灰度:把投放侧的流量切 5% 进来,观察判定延迟和错误率。回滚点设在这一步——如果延迟超过阈值,直接切回全静态页,不影响投放。
- 逐步放量:按 5%、20%、50%、100% 四档推进,每档观察至少十五分钟。
回滚点的设置要和投放侧对齐。最怕的是技术侧回滚了,投放侧还在按原计划放量,两边节奏错开。建议在灰度阶段就把回滚指令和投放暂停操作绑在一起,谁触发回滚谁负责通知投放。
部署自检时如果遇到健康检查正常但判定异常的情况,可以参考部署自检异常排查里的分层核验路径,先隔离是环境问题还是规则问题。
验收项与上线避坑
上线验收不能只看「页面能打开」。斗篷系统的验收至少要覆盖三层:
- 链路层:请求进入、判定执行、版本映射返回、响应发出,四个节点在日志里都有时间戳,且总耗时在预算内。
- 判定层:用预置的测试请求跑一遍规则链,确认命中分支和预期一致。这一步建议做成脚本,每次规则变更后重跑。
- 资源层:CPU、内存、进程池占用在放量后十五分钟内保持平稳,没有持续爬升的趋势。
避坑方面,最常见的两个问题是进程池参数没跟着内存调,以及缓存服务没做连接数限制。前者导致内存耗尽被 OOM kill,后者导致缓存连接打满后判定全部回源。这两个坑在预发环境不容易暴露,因为预发的流量形态和线上差太远。
另一个容易忽略的点是日志落盘。判定日志如果全量写本地磁盘,高并发时 IO 等待会拖慢整个判定链路。建议上线前就配好日志采样和轮转,具体取舍可以参考规则链条件求值顺序调优里对判定链路开销的拆解思路,把日志开销算进单请求耗时预算里。
小结
服务器容量测算的核心不是算出一个精确数字,是给突发流量留出缓冲。按峰值系数估请求量,按稳态峰值的三倍留 CPU,按进程数反推内存,这三步做完基本能避开上线首日的资源打满。实施顺序上,灰度阶段一定要设明确的回滚点,并且和投放侧的操作绑在一起。验收时别只看页面能不能打开,链路、判定、资源三层都要过一遍。
常见问题
斗篷系统部署在几核几G的服务器上比较合适?
这个要看日均点击量和规则复杂度。日均点击在五千以内、规则链不深的场景,四核八G起步够用。如果冷启动期放量比较猛,或者规则条件有几十条,建议直接上八核十六G,省得上线后再迁移。
容量测算时峰值系数取多少比较安全?
一般取 8 到 12 倍。冷启动期或者刚换素材的时候,可以再往上留一档。说白了就是别拿日均去卡容量,投放的流量从来不是均匀分布的。
上线后发现 CPU 占用比预估高很多怎么办?
先看判定链路的日志耗时分布,定位是哪一步慢。常见的是缓存没命中导致回源增多,或者日志写入阻塞。临时办法是把非核心的日志采样关掉,长期还是要回到容量测算,看是不是规则复杂度超了预期。
部署顺序上先装插件还是先配环境?
先配环境。Nginx 和 PHP-FPM 跑通、健康检查能返回之后,再装插件。插件装载后先别让它生效,用静态占位页观察日志,确认请求能正常进判定链路再放量。
延伸阅读
容量算完、环境就绪之后,安全参数和请求校验的配置会直接影响判定稳定性,这篇讲得比较细:斗篷系统搭建安全参数配置指南。