ADDesk 分发压测报告 · 十场景 99,999,990 次请求

十个场景各 9,999,999 次真实 HTTP 请求打在 /v1/deliver/{appKey}/{envKey}, 端上分流跑编译产物 @addesk/core 的 applyTargeting,拓扑与素材取自 PostgreSQL。
每个场景打不同的代码路径 —— 不是同一套流量跑十遍。无 mock、无打桩、无内存替身。

总请求

99,999,990

自检项

21/21 通过

5xx

连接失败

峰值吞吐

95,621rps

服务端 P99 · 十场景最差

≤2.5ms

服务端均值

0.036ms

「自检项」是每个场景跑完后在全量结果上重新判定的断言(不是拼接分片结论)。 5xx 与连接失败是硬红线:分发路径只读内存快照,没有任何理由抛 5xx。
延迟分两行报:服务端 P99 / 均值取自服务自己的 ta_deliver_duration_seconds 直方图,是被测系统的真实耗时; 各场景里另有一行「客户端实测」,那条含 Node 压测器的排队,数值高一个量级 —— 瓶颈在压测器,不在服务。

01十个场景各打什么

同一套拓扑、同一个服务进程,变的是请求形状。每行点开有该场景的完整断言与数据。

01 基线车队 9,999,999 次 · 59,221 rps · P99 13.0ms 2 项全通过

真实流量配比的对照组:后面九个场景的所有偏差都相对它解释。

PASS 全部请求成功(200/304)

{"200":9999999}

PASS P99 < 50ms

12.97ms

HTTP 状态	次数	占比
`200`	9,999,999	100.0%

延迟来源	P50	P90	P99	P99.9	MAX	均值
客户端实测含 Node 压测器排队	6.16	7.52	12.97	16.05	43.83	—
服务端 handler Prometheus 直方图差值	≤0.5	—	≤0.5	≤1	—	0.024

吞吐 59,221 rps。两行差在压测器:单个 Node 客户端封顶约 25k rps,分片并行后排队体现在客户端那一行,服务端直方图才是被测系统的真实耗时。

02 全新设备洪峰 9,999,999 次 · 55,936 rps · P99 13.7ms 1 项全通过

每次请求都是没见过的 deviceId(装机潮/清缓存)。灰度与 A/B 分桶是 hash(设备),设备基数放大 20 倍才能暴露分桶偏斜。

PASS 同组变体无一被灰度拆散

16 个投放组 partial 全为 0

HTTP 状态	次数	占比
`200`	9,999,999	100.0%

延迟来源	P50	P90	P99	P99.9	MAX	均值
客户端实测含 Node 压测器排队	6.51	8.08	13.73	16.88	45.52	—
服务端 handler Prometheus 直方图差值	≤0.5	—	≤0.5	≤1	—	0.025

吞吐 55,936 rps。两行差在压测器:单个 Node 客户端封顶约 25k rps,分片并行后排队体现在客户端那一行,服务端直方图才是被测系统的真实耗时。

03 极窄设备集合 9,999,999 次 · 54,922 rps · P99 14.4ms 1 项全通过

只有 64 个 deviceId 反复请求(共享设备/测试机房)。同一设备必须永远拿到同一变体 —— 分流的确定性在这里才可证伪。

PASS 同设备同投放位变体恒定

3237 组 (设备,投放位) 无一翻转

HTTP 状态	次数	占比
`200`	9,999,999	100.0%

延迟来源	P50	P90	P99	P99.9	MAX	均值
客户端实测含 Node 压测器排队	6.53	8.61	14.40	18.88	42.41	—
服务端 handler Prometheus 直方图差值	≤0.5	—	≤0.5	≤1	—	0.026

吞吐 54,922 rps。两行差在压测器:单个 Node 客户端封顶约 25k rps,分片并行后排队体现在客户端那一行,服务端直方图才是被测系统的真实耗时。

04 ETag 重验证 9,999,999 次 · 69,300 rps · P99 12.8ms 3 项全通过

SDK 带 If-None-Match 回源。304 必须只在内容真的没变时返回;这里同时检验 304 与 200 的语义一致性。

PASS 确实走到 304 分支

304=7001184 200=2998815

PASS 无非预期状态码

{"200":2998815,"304":7001184}

PASS 304 与 200 内容一致(无过期缓存)

未发现 ETag 命中但内容不同

HTTP 状态	次数	占比
`304`	7,001,184	70.0%
`200`	2,998,815	30.0%

延迟来源	P50	P90	P99	P99.9	MAX	均值
客户端实测含 Node 压测器排队	4.99	8.28	12.76	18.16	72.48	—
服务端 handler Prometheus 直方图差值	≤0.5	—	≤0.5	≤2.5	—	0.031

吞吐 69,300 rps。两行差在压测器:单个 Node 客户端封顶约 25k rps,分片并行后排队体现在客户端那一行,服务端直方图才是被测系统的真实耗时。

05 跨平台缓存键 9,999,999 次 · 75,203 rps · P99 11.5ms 1 项全通过

同一 URL、payload 走 X-TA-Payload 头,只有平台不同。响应随平台变化,那么 ETag / Vary 必须能区分,否则 CDN 会把 iOS 的包投给未知端。

PASS 同 ETag 的响应内容必须相同

9 个 ETag 分组内容自洽

HTTP 状态	次数	占比
`200`	9,999,999	100.0%

延迟来源	P50	P90	P99	P99.9	MAX	均值
客户端实测含 Node 压测器排队	4.58	7.73	11.51	16.89	45.39	—
服务端 handler Prometheus 直方图差值	≤0.5	—	≤0.5	≤1	—	0.013

吞吐 75,203 rps。两行差在压测器:单个 Node 客户端封顶约 25k rps,分片并行后排队体现在客户端那一行,服务端直方图才是被测系统的真实耗时。

06 按需入口投影 9,999,999 次 · 64,736 rps · P99 14.8ms 2 项全通过

SDK 常只要一两个入口(?entry=)。投影必须与整包子集完全一致,且 capacity 截断在投影下同样生效。

PASS 投影结果 ⊆ 全量结果且逐项相等

逐条比对通过

PASS 请求的入口一定出现在响应里(可为空数组)

形状契约成立

HTTP 状态	次数	占比
`200`	9,999,999	100.0%

延迟来源	P50	P90	P99	P99.9	MAX	均值
客户端实测含 Node 压测器排队	5.10	9.00	14.81	24.29	65.47	—
服务端 handler Prometheus 直方图差值	≤0.5	—	≤0.5	≤2.5	—	0.018

吞吐 64,736 rps。两行差在压测器:单个 Node 客户端封顶约 25k rps,分片并行后排队体现在客户端那一行,服务端直方图才是被测系统的真实耗时。

07 越界 limit 9,999,999 次 · 52,727 rps · P99 16.4ms 2 项全通过

limit 是客户端可控输入:负数、0、超大、非数字。必须被夹到 [1,MaxLimit],且永不突破入口 capacity。

PASS 从未突破入口 capacity

全部在容量内

PASS 异常 limit 不致 5xx

{"200":9999999}

HTTP 状态	次数	占比
`200`	9,999,999	100.0%

延迟来源	P50	P90	P99	P99.9	MAX	均值
客户端实测含 Node 压测器排队	6.63	9.79	16.35	23.74	65.94	—
服务端 handler Prometheus 直方图差值	≤0.5	—	≤0.5	≤2.5	—	0.028

吞吐 52,727 rps。两行差在压测器:单个 Node 客户端封顶约 25k rps,分片并行后排队体现在客户端那一行,服务端直方图才是被测系统的真实耗时。

08 恶意 / 畸形 payload 9,999,999 次 · 15,321 rps · P99 48.1ms 3 项全通过

公网入口。坏 base64、超长字段、注入字符、巨大 tags 数组都必须是 4xx 或安全降级,绝不 5xx、绝不拖垮 P99。

PASS 零 5xx

无服务端错误

PASS 零连接失败

连接全部正常

PASS 恶意流量下 P99 仍 < 80ms

48.10ms

HTTP 状态	次数	占比
`200`	8,199,615	82.0%
`400`	1,800,384	18.0%

延迟来源	P50	P90	P99	P99.9	MAX	均值
客户端实测含 Node 压测器排队	24.02	28.55	48.10	110.02	338.46	—
服务端 handler Prometheus 直方图差值	≤0.5	—	≤2.5	≤5	—	0.136

吞吐 15,321 rps。两行差在压测器:单个 Node 客户端封顶约 25k rps,分片并行后排队体现在客户端那一行,服务端直方图才是被测系统的真实耗时。

09 签名环境压力 9,999,999 次 · 53,925 rps · P99 14.9ms 3 项全通过

server 环境每次都要 HMAC 校验 + 时间窗。全量打签名环境,验证签名不是吞吐悬崖,并确认坏签名一律 401。

PASS 坏签名确实被拒

401=1499555

PASS 无一坏签名被放行

零绕过

PASS 无一好签名被误拒

零误杀

HTTP 状态	次数	占比
`200`	8,500,444	85.0%
`401`	1,499,555	15.0%

延迟来源	P50	P90	P99	P99.9	MAX	均值
客户端实测含 Node 压测器排队	6.59	9.09	14.88	19.88	44.44	—
服务端 handler Prometheus 直方图差值	≤0.5	—	≤0.5	≤2.5	—	0.032

吞吐 53,925 rps。两行差在压测器:单个 Node 客户端封顶约 25k rps,分片并行后排队体现在客户端那一行,服务端直方图才是被测系统的真实耗时。

10 单 IP 限流 9,999,999 次 · 95,621 rps · P99 8.4ms 3 项全通过

前九个场景每设备一个 IP,刻意绕开限流以测业务逻辑。这一轮反过来:全部流量挤同一批 IP,验证限流器真的兜得住,且 429 带 Retry-After。

PASS 限流确实触发

429=9957375 (99.6%)

PASS 每个 429 都带 Retry-After

全部合规

PASS 限流下无 5xx / 无断连

{"200":42624,"429":9957375}

HTTP 状态	次数	占比
`429`	9,957,375	99.6%
`200`	42,624	0.4%

延迟来源	P50	P90	P99	P99.9	MAX	均值
客户端实测含 Node 压测器排队	3.70	5.31	8.37	12.43	46.01	—
服务端 handler Prometheus 直方图差值	≤0.5	—	≤0.5	≤2.5	—	0.075

吞吐 95,621 rps。两行差在压测器:单个 Node 客户端封顶约 25k rps,分片并行后排队体现在客户端那一行,服务端直方图才是被测系统的真实耗时。

02灰度曝光率:十个场景横向对照

每格是该场景实测曝光率,判定用二项分布 ±2σ 容差(曝光率是伯努利采样,样本越大容差越窄)。只统计 percent 这一档 —— 用 excluded 中 reason === 'percent' 精确定位, 不把 tags / version 的淘汰混进来。
横着读能回答一件事:灰度比例是否与流量形状无关。设备全新、设备极窄、投影请求……都不该改变它。

投放组	配置	01	02	03	04	05	06	07	08	09	10
新春主视觉 A/B 手机点歌	100%	100.0	100.0	100.0	100.0	100.0	100.0	100.0	100.0	100.0	100.0
唱后推荐 · 三素材灰度手机点歌	50%	50.0	50.0	50.0	50.1	—	50.0	50.0	50.0	50.0	49.9
播前贴片 A/B 家庭 VOD	60%	60.0	60.0	59.3	60.1	—	59.8	60.0	60.0	—	61.0
门店大促 A/B 线下 KTV	100%	100.0	100.0	100.0	100.0	—	100.0	100.0	100.0	—	100.0
车载首页热歌榜 A/B 车载	80%	80.0	80.0	76.5	80.0	—	79.9	80.0	80.0	79.9	79.9

03A/B 分流:十个场景横向对照

条形是实测分流比,数字是配置权重。有两个场景按设计就不该等于配置值,它们是对照而不是缺陷:
· 03 极窄设备集合 全场只有 64 个设备,一个设备对一个投放组只掷一次骰子 —— 样本是 64 不是千万,单臂偏几十个百分点是正常抖动;
· 07 越界 limit 会随机发 limit=1,服务端按 sort 截断,排在前面的变体必然被多取(实测平均下发 2.60 条/请求,基线是 3.00)。
其余八个场景必须落在配置比例上。

新春主视觉 A/B · 手机点歌 · 配置 60% / 40%

场景	A	B	实测分布	样本	判定
01 基线车队	59.9%	40.1%	60%40%	1,230,902	✓ 与配置一致
02 全新设备洪峰	60.0%	40.0%	60%40%	1,231,716	✓ 与配置一致
03 极窄设备集合	46.9%	53.1%	47%53%	1,229,350	按设计偏离
04 ETag 重验证	60.1%	39.9%	60%40%	369,482	✓ 与配置一致
06 按需入口投影	60.0%	40.0%	60%40%	307,951	✓ 与配置一致
07 越界 limit	68.0%	32.0%	68%32%	1,229,503	按设计偏离
10 单 IP 限流	59.5%	40.5%	59%41%	5,298	✓ 与配置一致

唱后推荐 · 三素材灰度 · 手机点歌 · 配置 50% / 30% / 20%

场景	A	B	C	实测分布	样本	判定
01 基线车队	50.1%	30.0%	19.9%	50%30%20%	2,050,933	✓ 与配置一致
02 全新设备洪峰	50.0%	30.0%	20.0%	50%30%20%	2,050,138	✓ 与配置一致
03 极窄设备集合	81.2%	0.0%	18.8%	81%19%	2,051,553	按设计偏离
04 ETag 重验证	50.1%	30.0%	19.9%	50%30%20%	616,415	✓ 与配置一致
06 按需入口投影	50.0%	30.0%	19.9%	50%30%20%	513,464	✓ 与配置一致
07 越界 limit	60.1%	24.0%	15.9%	60%24%16%	2,049,390	按设计偏离
08 恶意 / 畸形 payload	50.0%	29.9%	20.1%	50%30%20%	1,682,809	✓ 与配置一致
09 签名环境压力	49.7%	29.8%	20.5%	50%30%21%	2,126,602	✓ 与配置一致
10 单 IP 限流	50.4%	29.9%	19.7%	50%30%20%	8,672	✓ 与配置一致

播前贴片 A/B · 家庭 VOD · 配置 70% / 30%

场景	A	B	实测分布	样本	判定
01 基线车队	69.9%	30.1%	70%30%	359,949	✓ 与配置一致
02 全新设备洪峰	70.0%	30.0%	70%30%	359,284	✓ 与配置一致
03 极窄设备集合	97.4%	2.6%	97%	355,505	按设计偏离
04 ETag 重验证	70.0%	30.0%	70%30%	107,961	✓ 与配置一致
06 按需入口投影	70.1%	29.9%	70%30%	119,429	✓ 与配置一致
07 越界 limit	76.0%	24.0%	76%24%	359,481	按设计偏离
08 恶意 / 畸形 payload	70.1%	29.9%	70%30%	295,411	✓ 与配置一致
10 单 IP 限流	69.9%	30.1%	70%30%	1,546	✓ 与配置一致

门店大促 A/B · 线下 KTV · 配置 50% / 50%

场景	A	B	实测分布	样本	判定
01 基线车队	49.9%	50.1%	50%50%	2,400,513	✓ 与配置一致
02 全新设备洪峰	50.0%	50.0%	50%50%	2,400,015	✓ 与配置一致
03 极窄设备集合	53.1%	46.9%	53%47%	2,400,113	按设计偏离
04 ETag 重验证	49.9%	50.1%	50%50%	719,555	✓ 与配置一致
06 按需入口投影	50.0%	50.0%	50%50%	799,892	✓ 与配置一致
07 越界 limit	50.6%	49.4%	51%49%	1,947,921	按设计偏离
08 恶意 / 畸形 payload	50.0%	50.0%	50%50%	1,967,733	✓ 与配置一致
10 单 IP 限流	49.6%	50.4%	50%50%	10,302	✓ 与配置一致

车载首页热歌榜 A/B · 车载 · 配置 65% / 35%

场景	A	B	实测分布	样本	判定
01 基线车队	64.9%	35.1%	65%35%	879,824	✓ 与配置一致
02 全新设备洪峰	65.0%	35.0%	65%35%	879,812	✓ 与配置一致
03 极窄设备集合	63.3%	36.7%	63%37%	841,724	按设计偏离
04 ETag 重验证	64.8%	35.2%	65%35%	263,302	✓ 与配置一致
06 按需入口投影	64.7%	35.3%	65%35%	292,436	✓ 与配置一致
07 越界 limit	64.9%	35.1%	65%35%	705,225	按设计偏离
08 恶意 / 畸形 payload	65.1%	34.9%	65%35%	721,682	✓ 与配置一致
09 签名环境压力	64.9%	35.1%	65%35%	3,396,929	✓ 与配置一致
10 单 IP 限流	64.6%	35.4%	65%35%	3,672	✓ 与配置一致

04端上分流排除原因(十场景合计)

服务端下发 309,338,242 条,端上最终留下 158,651,558 条。服务端只做授权 / 启停 / 排序 / 平台粗筛 / 容量截断,精细控制在端上按 platform → version → tags → percent → A/B → weight 顺序裁剪。

原因	含义	次数	占比
`ab`	A/B 分流:同组只保留命中的那个变体	53,328,098	35.4%
`tags`	标签不匹配 payload.tags	52,082,049	34.6%
`percent`	灰度未命中	45,276,537	30.0%

05全场景 HTTP 状态汇总

状态	语义	次数	占比
`200`	正常下发	79,741,492	79.7%
`429`	单 IP 限流(场景 10)	9,957,375	10.0%
`304`	内容未变,命中客户端缓存	7,001,184	7.0%
`400`	畸形 payload 被拒(场景 08)	1,800,384	1.8%
`401`	签名缺失 / 错误 / 过期(场景 09)	1,499,555	1.5%

数据来源:/tmp/addesk-sim/runs/*.json · 采集脚本:scripts/simulate/run-scenario.mjs + scripts/simulate/scenarios.mjs · 服务端 bin/thunder-addesk + PostgreSQL · 端上分流 packages/core/dist