Maude Lemaire 谈 Slack 和 GitHub 如何应对规模增长

📌 One-Sentence Summary
Maude Lemaire 回顾了 Slack 和 GitHub 如何借助数据迁移、贴近真实使用的压测和定向查询应对规模增长,也谈到 AI 如何帮助她排查 Cursor 的延迟。
📝 Summary
Lemaire 从 Slack 按工作区划分的数据架构讲起,解释大型企业客户带来的压力,以及如何用双写、回填和影子读降低迁移风险。50 万条 WebSocket 连接暴露了浏览器压测的成本和真实性问题。在 GitHub,跨分片查询限制了增加分片能带来的收益。她还以 Cursor 为例,说明 AI 可以帮助画出延迟路径,工程师仍要核实哪些步骤真正决定延迟。
💡 Main Points
迁移安全离不开回退能力
Slack 采用功能开关、双写、回填和读结果对比。一次内部侧边栏故障说明了保留旧读路径的价值。
负载测试要覆盖真实瓶颈
单靠 API 压测无法模拟活跃 WebSocket 连接和客户端行为。企业级负载下,无头 Chrome 的高成本促使团队改进模拟方法。
跨分片查询会抬高扩容成本
没有路由键的查询可能需要遍历多个分片。Lemaire 回忆,这个模式让她加入 GitHub 时很难直接增加分片。
AI 可以画出延迟路径,仍需人工核实
在 Cursor 的首个可见 token 延迟项目中,AI 生成的时序图有助于探索。人工复核发现,并行执行几个较短步骤解决不了主瓶颈。
💬 Key Quotes
事实证明,这可能非常难。
所有拉取请求和议题由 16 个分片承载。
📊 Article Meta
AI Screening: 92
Featured: Yes
Source: The Pragmatic Engineer
Author: The Pragmatic Engineer
Category: 软件编程
Language: 英文
Read Time: 61 min
Word Count: 15032
Tags:
编程与工程 , AI 编程 , 代码助手 , 视频 , Cursor
Play Full Video
有没有更详细的教程,期待后续。
看标题就点进来了,内容果然没让人失望。
看完了,收获满满,期待更多更新。
楼主辛苦了,内容很有参考价值。
写得挺用心的,支持一下。
有没有更详细的教程,期待后续。
赞同,实践出真知。
思路清晰,干货满满。
讲解得很细致,新手也能看懂。
这篇文章分析得很透彻,收藏了!
刚好最近在找这方面的资料,太及时了。
讲解得很细致,新手也能看懂。