FastAPI接口P99从1.8s降到120ms:一次真实性能瓶颈定位与优化记录
一个日均调用量约200万的商品查询接口,上线后P99延迟长期在1.8s左右,高峰期偶发超时告警。本文记录我用py-spy和cProfile定位到同步阻塞和N+1查询两个瓶颈,再通过异步改造、索引优化和两级缓存把P99压到120ms的完整过程。涉及FastAPI 0.110.0、SQLAlchemy 2.0.29、Redis 7.2、PostgreSQL 15,附压测前后对比数据和可运行代码。

正在构建自己的技术知识体系。当前重点关注商业分析,通过用户体验优化、需求分析与方案设计持续提升能力;关注技术选择背后的成本与边界,并把过程整理成可复用的学习记录。
一个日均调用量约200万的商品查询接口,上线后P99延迟长期在1.8s左右,高峰期偶发超时告警。本文记录我用py-spy和cProfile定位到同步阻塞和N+1查询两个瓶颈,再通过异步改造、索引优化和两级缓存把P99压到120ms的完整过程。涉及FastAPI 0.110.0、SQLAlchemy 2.0.29、Redis 7.2、PostgreSQL 15,附压测前后对比数据和可运行代码。
网上讲LangChain Agent的文章很多,但大部分停留在`initialize_agent`一行代码的层面。真正在生产环境中跑起来,你会发现工具参数校验、记忆窗口溢出、LLM返回格式异常、循环死锁等问题一个接一个。本文不依赖LangChain的Agent封装,从零手写一个ReAct模式的AI Agent,完整实现工具注册与调用、基于滑动窗口的对话记忆管理、LLM输出解析失败的重试与降级、以及
本文记录了在单张RTX 3090(24GB)上使用LoRA/QLoRA微调Qwen2.5-7B-Instruct的完整过程。训练数据为12000条领域问答对,LoRA rank=16、alpha=32,QLoRA采用NF4量化后显存占用从18.6GB降至9.8GB,训练3个epoch耗时约4.5小时。文中给出了可直接运行的训练与推理代码、真实loss曲线走势(最终train loss 0.87,e
当团队从20人扩张到200人,Git分支管理混乱导致的合并冲突和发布事故激增300%。本文基于Git 2.39.1和GitLab 15.11,分享一套经过生产验证的分支策略(Trunk-based + Release Branch)与Code Review强制流程。通过配置`merge request`的`approval rule`与`CI pipeline`的`rules`语法,将主干合并平均