数据驱动增长：客户端工程师的传媒网站分布式事务优化实践

　　两个月之前，客户端那帮人非要搞什么“数据驱动增长”，说是要优化传媒网站的分布式事务。我当时就翻了个白眼——数据驱动？不就是老板拍脑袋要看的报表吗？结果他们还真拉着我开了三次会，会议室空调坏了，热得我后颈全是汗，老张还一直擦他那副金丝眼镜，擦得镜片反光，晃得我眼睛疼。

　　他们说，原来的分布式事务处理太慢，用户发评论、点赞、分享这些操作，经常卡在事务提交环节，导致数据不一致。比如用户A点了赞，但B看不到，或者反过来。我原以为这是后端数据库的问题，结果他们说，是客户端和后端的事务协调机制有问题——客户端发起请求后，后端要等好几个服务都确认了才提交，中间任何一个环节卡住，整个事务就废了。我说那你们优化啊，他们说“得用数据驱动”。

文章配图，仅供参考

　　但最让我无语的是，他们优化完事务，老板又说要加“实时数据看板”，说要看每个操作的延迟、成功率、失败原因。我说这不是重复了吗？他们说“数据驱动增长，得让老板看到效果”。结果老张带着团队熬了三个通宵，把看板做出来了，老板看了两眼说：“这数据怎么和上周的报表对不上？”老张擦着汗解释：“上周的报表是T+1，这个是实时，所以……”老板打断他：“我要的是能指导增长的数据，不是解释差异的数据。”我当时差点笑出声——这不就是典型的“指标打架”吗？

　　不过话说回来，他们这次优化，确实解决了几个老问题。比如之前用户发评论，偶尔会卡在“正在提交”的界面，优化后这种情况几乎没了。我原以为是因为事务处理快了，结果他们说，是因为客户端加了超时重试机制——如果后端没响应，客户端就自动重发一次，但只重发一次，避免重复提交。我说这不就是“失败重试”吗？他们说：“对，但以前没数据支撑，不敢随便加，怕重试太多导致后端崩溃。”现在有了数据，知道重试一次的成功率能提升15%，就敢加了。

　　但最让我后怕的是，他们优化完事务后，发现有个隐藏的bug——如果用户在网络极差的情况下发评论，事务管理器会卡住，导致后续所有操作都失败。这个bug在测试环境没复现，因为测试环境的网络是模拟的，不够真实。上线后，有个用户反馈说“发评论后，其他功能都不能用了”，他们查日志才发现这个问题。老张当时脸都白了，说：“这要是没数据监控，根本发现不了。”后来他们加了更细粒度的监控，连事务管理器的队列长度都监控，才避免了大面积故障。

　　现在回头看，他们这次优化，能站得住的地方确实是“优胜劣汰”——用数据说话，把原来模糊的“感觉”变成了具体的数字。比如事务提交成功率、操作延迟、失败原因分布，这些数据一摆出来，谁也反驳不了。但我也得吐槽一句：数据驱动增长？不就是用数据给优化找借口吗？不过话说回来，有数据总比没数据强——至少出了问题，能知道是哪里的问题，而不是互相甩锅。

　　下一步他们说要优化“跨端事务”，比如用户在手机端点赞，在PC端取消，数据要同步。我说这更难吧？他们说：“没事，我们有数据，能测出来哪里慢。”我摇摇头，心想：这帮人，真是被数据绑架了。但转念一想，至少他们知道自己在干什么，不像有些团队，改个按钮颜色都要开三天会。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!