服务端开发博客 | 后端架构 · 高并发 · 性能优化 · 微服务实战 👋🏼

问题背景 在 Kubernetes 环境中，你是否遇到过这样的场景： Events: Type Reason Age From Message ---- ------ ---- ---- ------- Normal Scheduled 10s default-scheduler Successfully assigned myapp-xxx to node-xxx Normal Pulling 9s kubelet Pulling image "myapp:latest" Normal Pulled 5s kubelet Successfully pulled image "myapp:latest" in 4.2s Normal Created 5s kubelet Created container myapp Normal Started 5s kubelet Started container myapp Warning Unhealthy 0s kubelet Liveness probe failed: HTTP probe failed with statuscode:....

问题背景 在微服务架构中，链路追踪是排查问题的关键手段。通过 TraceID，我们可以将分布式系统中各个服务的日志串联起来，还原完整的请求链路。然而，当业务代码中存在异步调用时，你可能会遇到这样的问题： 2024-01-15 10:00:00.001 [http-nio-8080-exec-1] INFO OrderService - [traceId=abc-123] 创建订单成功 2024-01-15 10:00:00.050 [async-thread-1] INFO PaymentService - [traceId=null] 支付处理中 2024-01-15 10:00:00.100 [async-thread-2] INFO NotifyService - [traceId=null] 发送通知 可以看到，主线程中有 TraceID，但在异步线程中丢失了。这导致我们无法将整个链路的日志关联起来，排查问题时只能看到零散的日志片段。 为什么会丢失？ ThreadLocal 局限：MDC 底层使用 ThreadLocal 存储 TraceID，而 ThreadLocal 的....

一、问题背景：日志成为性能瓶颈 在一次压测中，我们发现了一个令人惊讶的现象： 基准测试结果： - 无日志模式：QPS = 15000，平均响应时间 = 25ms - 有日志模式：QPS = 8000，平均响应时间 = 48ms - 日志开销占比：约 48% 的响应时间 进一步分析发现： 同步 IO 阻塞：日志写入磁盘是同步操作，业务线程必须等待写入完成 磁盘 IO 瓶颈：高并发下磁盘写入成为瓶颈 磁盘满风险：日志文件持续增长，磁盘满后应用直接崩溃 GC 压力：大量日志字符串对象导致频繁 GC 这就是典型的日志拖慢业务问题。 二、核心概念：Logback 日志架构 2.1 同步日志的问题 ┌────────────────────────────────────────────────────────────────┐ │ 同步日志执行流程 │ ├────────────────────────────────────────────────────────────────┤ │ │ │ 业务线程 │ │ │ │ │ │ log.info("用户下单: orderId=1001"....

公司用 LibreOffice 做 Office 文件的在线预览——把 Word/Excel/PPT 转成 PDF，前端用 PDF.js 展示。平时用着没问题，但每个月财务批量导出报表的时候，几十个人同时点预览。LibreOffice 进程 fork 了十几个，其中一个转一个 50MB 的 Excel 文件卡了 10 分钟。这个卡住的进程占着 CPU 不干活，后面排队的请求全堵住了。运维 ssh 上去 kill -9 才恢复。 LibreOffice 的 --headless 模式是为单次使用设计的，不是为高并发设计的。今天聊聊怎么用 Docker 容器隔离每个转换任务、超时强杀、再加一个队列缓冲——让文件预览服务从"一卡俱卡"变成"各管各的"。 问题：共享的 LibreOffice 进程没有隔离 最简单的预览方案是在服务器上直接调 LibreOffice： soffice --headless --convert-to pdf input.docx 第一次调会 fork 一个 LibreOffice 后台进程。后续调用如果这个进程还在，就复用。如果这个进程卡死了——比如遇到了一....

在社交 App中，用户上传的照片被发现带有 GPS 坐标。一名用户通过下载其他用户的照片、提取 EXIF 信息，精确定位到了对方的家庭住址。事情闹大后，安全团队紧急处理——所有已上传的照片都没做 EXIF 处理，相机拍出来的每一张照片都带着 GPS 经纬度、设备型号、拍摄时间。 用户上传一张照片，本以为分享的是美景，实际上暴露了坐标、手机型号、拍摄参数。今天聊聊怎么在上传环节自动剥离 EXIF 信息，同时处理好照片的旋转问题。 EXIF 里藏着什么 一张 iPhone 拍的照片，EXIF 里可能包含： GPS 经纬度（GPSLatitude / GPSLongitude）—— 精确到米 设备信息（Make / Model）—— "iPhone 15 Pro" 拍摄时间（DateTimeOriginal） 旋转方向（Orientation）—— 手机横拍还是竖拍 前三个是隐私问题。最后一个是显示问题——手机竖着拍的照片，在电脑上可能横着显示，因为 Orientation 标记了旋转角度，但不是所有看图软件都会正确解析。 剥离 EXIF：转码后重新输出 最简单的方法：把图片用 I....

公司的用户上传 2GB 的视频文件到网盘，传了 80% 的时候网络断了。页面刷新后，上传列表里空空如也——前端状态丢失，后端也没记录哪些分片已经上传成功。用户只能从头再来。2GB 的文件，从头再传一遍，用户的耐心也从头归零。 分片上传天然支持断点续传——前提是你知道哪些分片已经上传成功了。不知道的话，就只能全量重传。今天聊聊怎么用 Redis 记录每个分片的上传状态，让网络断了之后从断点秒级续传，而不是从头开始。 分片上传的断点问题 分片上传的流程很简单：前端把大文件切成 N 片，逐片上传。后端每收到一片就存起来。 文件 2GB → 切 200 片 × 10MB → 逐片上传 如果第 150 片上传失败（网络断了、服务器卡了），最好的情况是从第 150 片继续传。但前端不知道自己传了哪些片——因为前端的进度存在内存里，页面一刷新就没了。 后端需要提供一个能力：告诉前端哪些分片已经上传成功了。 Redis 记录分片状态 给每个上传任务一个 uploadId（UUID），用 Redis 的 Set 记录已上传的分片编号： // 记录分片已上传 redis.sadd("upload:....

公司的用户列表接口，每次返回 200 条用户数据，手机号、身份证号都要脱敏。原本接口响应时间在 50ms 左右，加上脱敏后变成了 200ms。排查发现瓶颈在 Jackson 序列化时做的脱敏——每条数据的每个字段都要反射一次拿注解、判断要不要脱敏、再反射一次执行脱敏逻辑。200 条数据、每条 3 个敏感字段 = 做了 1200 次反射操作。 脱敏是必要的，但反射是有代价的。问题不在脱敏本身，而在于"每次序列化都重新反射一遍"。今天聊聊怎么用字节码增强和静态缓存，让脱敏的性能损耗降到几乎为零。 为什么基于反射的脱敏慢 最常见的脱敏方案是用 Jackson 的 JsonSerializer： public class SensitiveSerializer extends JsonSerializer<String> { @Override public void serialize(String value, JsonGenerator gen, SerializerProvider provider) throws IOException { gen.writeStri....

公司的安全团队做了一次渗透测试，发现一个严重漏洞。订单详情接口 GET /api/order/detail?orderId=1001 没有校验当前用户是否拥有这个订单——把 orderId 改成 1002，就能看到别人的订单。测试人员用脚本遍历了 orderId 从 1 到 50000，抓取了所有订单数据——包括收货地址、手机号、购买记录。 这就是 IDOR（Insecure Direct Object Reference），中文叫"水平越权"。代码里只校验了用户有没有登录，没校验"当前用户是不是这个数据的主人"。同一个权限级别的用户之间，通过篡改 ID 就能看到对方的数据。 今天聊聊怎么用 AOP 在 Controller 层统一做归属校验——不用在每个接口里手写 if (userId != order.getUserId())，一个注解搞定。 问题出在哪 最典型的漏洞代码： @GetMapping("/api/order/detail") public Order detail(@RequestParam Long orderId) { Long userId = getCur....

公司的一个用户改了密码，但改了之后发现手机上的 App 还是登录状态，能正常操作。查了半天发现是 JWT 的问题——旧 Token 还没过期，拿着旧密码签发的 Token 照样能通过验证。用户以为改密码后旧设备上的登录会失效，实际上 JWT 根本不关心密码是否被改过。 这就是 JWT 无状态设计带来的副作用。服务端不存任何 Token 状态，所以也没法"让它失效"。今天聊聊怎么在保持 JWT 无状态优势的前提下，解决"主动失效"的需求。 问题：为什么旧 Token 还能用 JWT 的验证逻辑只看三样东西： Token 的签名是否正确（证明它没被篡改） Token 是否过期（exp 字段） Token 的签发者是否正确（iss 字段） 它不看"这个用户的密码有没有被改过"。因为 JWT 的哲学是"服务端不记状态"——Token 自包含所有信息，验证时不需要查数据库。 这意味着一旦 Token 签发出去，在它自然过期之前，没有任何办法让它失效——除非你再往里加一个"失效机制"。 方案一：Redis 黑名单（最直观） 把需要失效的 Token 放进 Redis 黑名单里，验证时先查....

公司的日报任务每天半夜 2 点跑，统计前一天所有订单的销售额。代码逻辑很简单——SELECT * FROM orders WHERE date = '2026-06-30'，然后 for 循环逐条累加。平时几万条订单没问题，大促那天 300 万条订单，SELECT * 把 300 万行全部加载到了 JVM 堆里，直接 OOM。运维半夜被电话叫醒，手动分批 SQL 跑了一个小时才完成。 批处理的 OOM 跟文件下载的 OOM 原因一样——把全部数据一把梭进内存。 数据库能存那么大的表，不代表你的 JVM 堆能装下它。今天聊聊三种让批处理不再 OOM 的方法：流式查询、分片处理、游标分批提交。 问题：JDBC 默认是一次性加载全部结果集 MySQL 的 JDBC 驱动默认行为是：执行 SELECT 后，把所有结果行都拉到客户端内存里。你的代码写的虽然是 while (rs.next())，但在 next() 之前，数据已经在内存里了。 JDBC 默认行为： → 执行 SELECT → 100 万行全部加载到 ResultSet（JVM 堆） → while (rs.next()) 遍历....

公司排查一个异步任务异常，在 ELK 里搜对应的 requestId，搜出来的日志只有主线程的。异步线程里的日志一条都没搜到——因为 MDC 里的 requestId 根本没有传到异步线程里。异步线程打出来的日志，requestId 是空的。一整条调用链在异步这个节点断掉了。 问题很直接：@Async 用一个线程池执行任务，但 MDC 是基于 ThreadLocal 的，ThreadLocal 不会自动从主线程传到子线程。异步线程里 MDC.get("requestId") 返回 null，日志里就少了这条 key。 今天聊聊怎么用 TransmittableThreadLocal（TTL）把主线程的上下文透传到异步线程里。 为什么 ThreadLocal 不行，TTL 就行 ThreadLocal 的一个基本特性：子线程拿不到父线程的值。 主线程里 MDC.put("requestId", "abc123")，然后 @Async 开一个新线程去执行，新线程里 MDC.get("requestId") 是 null。 一个直觉的解法是调用线程池时手动传参数。把 requestId ....