付费求一个 go 项目程序优化方案，给系统提高并发

[LemonLeon]

这是一个开源的 chatgpt 接口转发系统，使用 Go 程序编写。

https://github.com/songquanpeng/one-api

在实际使用过程中，高并发已经达到极限，但是系统的资源利用率非常低。我需要一个工程师协助我，找出并发限制的瓶颈，加以优化。

背景参考：
centos 4h8g oneapi
实测并发量 2000 rpm 附近

提升系统性能可以有效增加并发量，另一个系统 6h8g 并发量可以达到 5000 rpm 。
但是高并发的时候，cpu 资源利用率并不高，不清楚限制的因素到底是什么。

-
大家的时间都很宝贵，我会为此付费。评论区留下你的联系方式

也欢迎各位佬在评论区提提建议！！

[ppto]

@LemonLeon 客户端的端口数占满了嘛？

[cosiner]

还不如先看日志，确定问题发生在哪个阶段

[liuzonghao]

https://github.com/uber-go/automaxprocs#performance 看看这个

[0x676e67]

vw50 算一卦

[dw2693734d]

io 的问题吧，用这个 pprof 一下: github.com/felixge/fgprof

[lasuar]

绝大部分项目最快遇到瓶颈的位置都是 IO （一般是上行带宽/DB ），其次是某个/些对象的锁竞争激烈，最后是第三方 API 频率限制，最最后是各种原因导致的 CPU/内存资源不足。

一种简单的定位方式是在对应 API 内可能耗时的调用位置前后添加 log 打印时间，观察耗时。

[waltcow]

@gongquanlin https://github.com/MartialBE/one-api/tree/new

最近看了下这个 fork 的重构，感觉还可以

[isSamle]

应该是项目做了限制吧，项目里面故意加锁避免高频用量？还没看源码随机猜的。

[LemonLeon]

@tonywangcn 空的，麻烦重新发一下

[LemonLeon]

@RockChinQ 不在上游，但是分布式后面是要考虑的

[LemonLeon]

@monsterxx03 你好，方便远程帮我排查一下吗

[LemonLeon]

这里统一感谢大家的回复！还没有找到优化方案，目前正在尝试增加机器性能。

如果你有时间远程协助我，可以添加我的联系方式 v：bitdark

[tonywangcn]

@LemonLeon base64 转下

[ryalu]

简单看了下，项目挺简单的，代码量也不多。直接找个有经验深点的重写下应该就行了

[kuanat]

信息有点少，最好能把部署环境、压测方式都贴上来，这样便于分析。

主要是 4c8G -> 6c8G 就能提升并发，这个现象很难解释。表面上只能判定说，内存不是瓶颈，与 GC 或者内存泄漏无关。

而且 2000/5000 rpm 的尺度是分钟，每秒也就是 30~80 的水平。这个数值过于低了，一般是业务逻辑造成的，而不是技术栈造成的。

另外关于 #19 讨论的锁，相关代码是 oneapi 向外发起链接的逻辑。虽然 net/transport 内部维护的连接池确实是有互斥锁的，但这里 race condition 非常弱。最差的情况等价于是退化到 openai 服务器不支持 keepalive ，每次都需要建立连接。而且每秒不到 100 的并发，基本不可能触发死锁。

[LemonLeon]

@kuanat 感谢回复，我调整了测试方法。以下是最新的情况：

1.1 ）部署环境：Centos7 Mysql8 nodev16.16.0 go1.20.2
1.2 ）测试方法：
Windows Python3.8.10 locust 1000 用户并发，测试结果稳定在 300qps 附近（单个 locust 终端）




2 ） 2c4g 4c8g 6c16g ，测出来的并发量都是 300 附近。内存，磁盘读写，带宽压力并不大

3 ）我推测的原因有两个，要么在 cpu ，要么在数据库。通过提高数据库的最大连接数，并发线程有一点提高。

4 ）当用户端发起超多请求时候，数据库提前打开连接等待，然后系统就超出 mysql 最大连接数，并发降低下来。这是我的推测。

如果是这样，那一定有一种方案，是把这些任务都放在内存中处理完了，最后再批量插入数据库中。

5 ）我看到有一些中转系统就是基于内存处理的，欢迎大家指正和指路

[LemonLeon]

@LemonLeon

[xabclink]

@LemonLeon 你说的是那个 https://proxyxai.com 吧 , 确实很强大

[unfurl]

看到用的是 locust… 我们内部是禁止使用该工具的，它自身存在性能问题，压不上去

[kuanat]

@LemonLeon #36

我做了个简单推理，可能需要你实际测试一下。

既然加 cpu 和内存不影响 rps 说明大概率瓶颈应该是在 IO 了。我大致看了一下处理流程，涉及到 IO 的操作就是日志相关的。

https://github.com/songquanpeng/one-api/blob/366b82128f89a328f096da6951cbafebb6b0060f/controller/relay-text.go#L410

这段代码主要功能是在请求结束后结算用量，然后记录。记录的内容本地文件有一份，数据库有一份。本地那一份肯定比数据库快，所以不考虑了。

数据库 IO 涉及三个操作：

https://imgur.com/a/OAPZXsl

如果是默认配置（ common.LogConsumeEnabled=true ），RecordConsumeLog 会产生一次插入操作；

默认 BATCH_UPDATE_ENABLED=false ，那么 UpdateUserUsedQuotaAndRequestCount 和 UpdateChannelUsedQuota 各自都会产生一次查找更新操作。

等于说每个请求都伴随三次数据库写操作。默认 SQL_MAX_OPEN_CONNS = 1000 ，理论并发在 333 左右，和实测比较接近。

当然前提是这三个数据库操作能够在 1s 之内完成（大概率是的）。这个事情不太容易确定，因为 locust 记录的是完成请求的总时间，并不知道中继请求和数据库操作的时间占比。

如果做个粗略估计的话，观察第响应时间的中位数，在测试刚刚开始的时候是 2s ，之后略低于 3s 。猜测当数据库 IO 达到瓶颈的时候，平均要多花接近 1s 等待。

要验证这个猜想，简单的方式是调整 BATCH_UPDATE_ENABLED 启用批量更新，单请求的数据库写入会降至 1 次。或者再提高 SQL_MAX_OPEN_CONNS 的数值。同时可以查看本地日志和 sql 服务器的日志，辅助确认 sql 服务器不是瓶颈。

假如上面的方法无效，那就要考虑 pprof 之类的方式来定位瓶颈了。