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

山止川行行业资讯📡 BestBlogs·全站精选⭐ 922026-11-06480 阅读💛 224 收藏
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

#编程与工程# AI 编程# 代码助手# 视频# Cursor

文章评论(12)

蓝光10 天前

有没有更详细的教程,期待后续。

回复
晨沐雨10 天前

看标题就点进来了,内容果然没让人失望。

回复
雪知秋10 天前

看完了,收获满满,期待更多更新。

回复
拾贝者10 天前

楼主辛苦了,内容很有参考价值。

回复
崔欣怡10 天前

写得挺用心的,支持一下。

回复
星观澜10 天前

有没有更详细的教程,期待后续。

回复
龙文博10 天前

赞同,实践出真知。

回复
一个橘子10 天前

思路清晰,干货满满。

回复
林观澜10 天前

讲解得很细致,新手也能看懂。

回复
星观澜10 天前

这篇文章分析得很透彻,收藏了!

回复
漾漾其华10 天前

刚好最近在找这方面的资料,太及时了。

回复
邱文博10 天前

讲解得很细致,新手也能看懂。

回复