為什麼「120 位使用者」不足以說明網站要承受多少流量
只知道網站要服務 120 位使用者,還看不出它在最忙的時候要承受多少工作。作者用一個虛構的入口網站舉例:15 分鐘內有 360 筆提交,平均每秒 0.4 筆;如果其中 90 筆集中在前 30 秒,這段時間平均每秒就有 3 筆。規劃測試時,還要先說清楚怎樣才算提交成功、流量會不會集中在開放或截止時間,以及使用者會注意到哪些失敗情況。提交筆數、同時連線數和 HTTP 請求速率是不同的測試資料。
只知道網站要服務 120 位使用者,還看不出它在最忙的時候要承受多少工作。作者用一個虛構的入口網站舉例:15 分鐘內有 360 筆提交,平均每秒 0.4 筆;如果其中 90 筆集中在前 30 秒,這段時間平均每秒就有 3 筆。規劃測試時,還要先說清楚怎樣才算提交成功、流量會不會集中在開放或截止時間,以及使用者會注意到哪些失敗情況。提交筆數、同時連線數和 HTTP 請求速率是不同的測試資料。
遙測資料越存越多,帳單可能跟著變高,但換工具前得先確認資料放在哪裡、日後怎麼維護。文章比較以 ClickHouse 儲存遙測資料的做法:SigNoz 是包含紀錄、指標、追蹤與儀錶板的平臺;ClickStack 則主要提供搜尋介面,也能連到既有的 ClickHouse。ClickHouse 可讓團隊自行控制儲存空間和保留時間,但要自己管理備份、升級與資料表設定,查詢速度也會受欄位和排序方式影響。作者建議先拿一週真實資料試存,再重跑常用查詢,確認費用和速度是否符合需求;文中沒有實測儲存能省下多少成本。
告警一直亮紅燈,可能是裝置卡住一次,也可能是中間恢復正常後又卡住好幾次;只看紅燈,分不出這些情況。作者改了告警旁的說明文字:安靜至少 2 分鐘,就算新的一次停頓;如果同一個慢動作被多次取樣,會先合併,避免把一次故障算成好幾次。實際紀錄中,08:00 到 08:11Z 出現 4 波停頓,最新一波在 08:11:51Z 結束;最久的一次停了 23.6 秒,但最高的 I/O 壓力出現在另一個較短的 14.9 秒停頓。這些資訊能幫人判斷該往哪裡查,紅燈本身和告警何時觸發則沒有改變。
自架大型語言模型時,常會遇到回覆太慢、GPU 費用太高,或尖峰時塞車的問題。這份面試指南說明怎麼看使用者等第一個字要多久、後續輸出多快,以及伺服器每秒能處理多少請求,再介紹如何用連續批次、切分長提示詞、KV cache 和量化來調整服務。它也提醒,增加同時處理的請求能提高總吞吐量,卻可能讓每個人的回覆變慢;因此要用接近實際流量的提示詞和請求速度測試,找出仍符合延遲目標的容量。
PDF 裡的答案不好找,用本機 LLM 問問題也不代表回答一定正確。這篇教學示範如何把 PDF 文字切成小段、轉成向量並搜尋,再把找到的內容交給本機 LLM 回答;每段也會保留檔名和頁碼,方便回頭核對。掃描版 PDF 要先用 OCR 讀出文字,並檢查結果;如果搜尋漏掉相關內容,或找到錯的段落,模型仍可能答錯,因此重要答案要對照原文。
真實地形匯進場址模型後,數字看起來合理,模型還是可能出錯,等到道路、排水或施工設計對不上才發現。這篇文章整理了六種常見問題,像是公尺和英尺弄混、不同資料的高度基準不一致、地形資料範圍不夠,以及編輯後分不清哪些是實際測量、哪些是設計修改。匯入時可以先量一段已知距離、確認高度基準、檢查網格和地形邊界,並把原始地面與設計修改分開儲存。比如,等高線在擋土牆旁突然變高,模型卻把它畫成平緩斜坡,設計就可能跟現場不符。把檢查和修改紀錄留下來,團隊才不會把看起來逼真的模型誤當成真實地面。
使用共用儲存裝置時,每個磁碟區再多存幾份軟體副本,可能增加寫入工作和延遲。Portworx Kube Datastore 讓儲存池連同裡面的磁碟區一起移到另一個 Kubernetes 節點,資料副本則交由本身已有備援的儲存裝置負責。Portworx 在一個 OpenShift 測試環境中,讓執行中的 CentOS Stream 9 虛擬機器在 10 秒內完成移動,測試時沒有觀察到 I/O 中斷;節點突然斷電後,復原約花 51 秒。這項功能在 Portworx Enterprise 3.7.2 正式推出,適用條件包括 Red Hat OpenShift 和 Pure FlashArray,且每個動態儲存池只能放單一副本的磁碟區。已公佈的測試資料來自虛擬機器環境,沒有容器工作負載的測量結果。
換公司品牌時,大家以為只要換上新簽名檔就好,實際上卻花了一個月才讓 200 人完成。有人用手機收信,版面跑掉;有人電腦裡留著舊設定,讓新舊簽名疊在一起;共用信箱也還在用早已過時的內容。簽名檔看起來只是幾行字,卻牽涉不同裝置、郵件規則和職稱資料,還得由行銷、人資和 IT 一起處理。作者建議先找出郵件規則、測試大家實際使用的收信工具,並給兩週緩衝時間,讓人有時間慢慢改好。
部署指令碼第一次執行成功,不代表之後每次都會把新版本切上線。作者的系統原本用 ln -sf 更新 current 連結,但 current 已指向目錄時,ln 會把新連結放進舊版本的資料夾,服務重啟後仍跑著舊程式。作者改成先建立暫用連結,再用 mv -T 一次換掉舊連結,並在重啟後核對連結和服務回報的版本。這個例子提醒開發者,部署步驟要測第二次,並確認實際啟動的是預期版本。
想在 Windows 電腦上試用 n8n,不一定要先裝 Docker;但 Node.js 版本太舊時,安裝可能安靜地退回舊版。作者實測發現,Node 22.17.1 裝到的是 n8n 2.22.6,而當時最新版本是 2.48.6;目前版本需要 Node 24 或更新版本。文章也帶讀者用 npx n8n 啟動編輯器,說明第一次啟動要等資料庫更新完成,並把 .n8n 資料夾裡的設定檔和資料庫一起備份。本機工作流程可以執行,但外部服務無法直接連到 localhost 接收 webhook。
PHP2Shell 揭露後,作者原以為更新套件只要一個下午,實際上花了五天,因為團隊有七個服務,使用四種 PHP 版本,安裝方式也不一樣。作者提醒,套件顯示已更新,不代表正在執行的程式也已換成修補版;PHP-FPM 可能還沒重新啟動,容器或建置映像也可能仍用舊版。他列出檢查磁碟版本、執行中的程式、容器內版本和 Dockerfile 設定的方法,並建議更新後重啟服務,再測試真正重要的操作流程。文中提到的版本包含 8.2.35、8.4.27 和 8.3.36,但沒有說明漏洞影響或是否已有攻擊發生。
新推出的 SaaS 網站,就算外觀好看、跑得快,ChatGPT、Perplexity 或 Claude 也可能找不到,讓使用者問推薦時看不到它。作者整理出網站常見的技術問題,並建議檢查 6 個檔案:例如在 robots.txt 開放 AI 搜尋爬蟲讀取網站,再用 /llms.txt 提供產品與重要頁面的清楚索引。網站也可以加上 JSON-LD 資料,說明品牌、產品和常見問題。把這些資料整理好,AI 助理比較容易讀懂網站內容;付費追蹤工具則只能告訴你有沒有被提到,不能代替修正網站本身的問題。
付款廠商每兩百筆結帳大約失敗一筆,大家知道怎麼重試,也熟悉客服教的處理方法。另一家廠商比較便宜,API 也更好,但沒人知道它會失敗幾次,所以開會時大家選擇留下舊廠商。這種心態也會出現在工程工作裡:熟悉的舊程式庫、偶爾出錯的測試,甚至得重開機的伺服器,雖然麻煩,卻讓人覺得比較能掌握。 要做決定,可以先想辦法量出新選項的表現,例如讓少量流量跑一週、問問兩位曾離開舊廠商的客戶,或用測試帳號和程式刻意製造失敗。量過之後,舊廠商還是可能比較好;只是選它的理由應該是實際表現,而不是因為我們不知道另一家的狀況。
電商網站常因為多加一個評論工具、放大商品圖片或加入追蹤程式,讓頁面慢慢變卡。團隊可以先訂好效能上限,再用 Lighthouse CI 檢查主要頁面;如果程式檔變得太大,就先擋下這次更新。像商品列表有很多圖片時,可以只載入畫面看得到的圖片,並依裝置提供合適大小。第三方工具也要定期檢查,確認還有沒有需要。這樣每次加功能,都能看清它會讓頁面變慢多少,再決定值不值得。
從網路下載影片時,常會遇到滿版廣告,Reddit 影片還可能因為聲音和畫面分開傳送,下載後變成無聲。作者因此打造 GetVideo,讓人不用帳號就能下載公開影片,也能取得字幕和文字稿。以 Reddit 影片為例,GetVideo 用 FFmpeg 把聲音和畫面合在一起,不必重新壓縮;作者說,合併一段 1080p、3 分鐘的影片不到 400 毫秒。下載連結 15 分鐘後失效,暫存影片也會定期清除。
網站部署顯示成功,使用者卻可能還是看到舊頁面。作者分享自家入口網站遇到的問題:建置檔案改成每次都能產生相同內容後,打包工具也把檔案時間固定在 1980 年;部署時,aws s3 sync 看到 index.html 大小沒變、時間也沒更新,就跳過了它。新版 JavaScript 檔名帶有內容雜湊,所以仍順利上傳,網頁卻繼續指向舊版本。作者後來讓解壓縮的檔案使用當下時間,並在每次部署時直接複製 index.html 等未帶雜湊的檔案,最後再從公開網址取回 index.html,和建置產物比對,確認新版真的上線。
升級 Prometheus 時,最怕新版本讓監控目標、警示規則或資料儲存出問題。這篇教學提供一套升級 Prometheus 3.x 的做法:先檢視 3.16.0 的變更,再用新版 promtool 檢查實際使用的設定和規則;接著用獨立資料目錄啟動旁路版本,並拿掉警示和遠端寫入,避免重複通知或送出重複資料。確認監控目標、規則和查詢結果都正常後,再備份正式資料並切換版本;若升級出問題,可用舊版本和備份回復。若目前使用 2.x,應先完成 3.0 遷移。
活動現場或攝影棚的 NDI 影像,想送到網路上的觀眾,常得先用另一套裝置轉成 RTMP 或 SRT,設定和維護都更麻煩。Ant Media Server Enterprise 3.1.0 起可直接接收 NDI 來源,找到同一個區域網路裡的攝影機或製作軟體後,就能把畫面用 WebRTC 送進瀏覽器,不必經過中間的轉檔裝置。 操作分成 5 步:開啟伺服器的來源搜尋、啟動 NDI 攝影機或其他來源、在控制台選擇要用的應用程式、把 NDI 來源加入直播,再用 WebRTC 播放。若伺服器和攝影機不在同一個網路,還要另外處理來源搜尋和影像傳輸的連線。
純文字 PDF 看起來應該很好壓縮,實際上卻不容易;這次測試的一份 10 頁 PDF,原本有 137,782 bytes。研究者用 qpdf 12.4.0 把多個原本沒壓縮的 PDF 物件打包成資料流,讓壓縮工具也能處理裡面的文字資料,檔案因此縮小 4.15%,變成 132,065 bytes。省下的空間主要來自字型設定資料;圖片本身已經壓縮,幾乎沒變小。 這種方法對圖片很多的 PDF 幫助很少,測試中的幾份圖片型 PDF 只縮小 0.02% 到 0.74%。所以,PDF 能省多少空間,得看裡面裝的是什麼:如果大多是圖片,通常沒多少可壓;如果有大量尚未壓縮的字型資料,才可能省得比較多。
ROCm 分析工具處理紀錄時,背景工作可能同時新增資料,讓正在讀取資料的程式遇到問題而當機。這次修改會先把待處理的紀錄分批取出,再放開鎖來分類和處理;處理期間新來的紀錄會留到下一次處理或清理時再讀。修改也保留共用緩衝區的事件數量限制,並加入檢查這些情況的測試。不過,這項作法不保證每筆同時送來的紀錄都會被處理;新測試也尚未在 CI 工作中執行。
資安分析師要快速看到警示、裝置狀況和漏洞資料,但每次都從資料庫重新計算,可能讓系統變慢;資料放太久又可能把已修好的漏洞顯示成還沒修好。這套做法把工作分成三層:先定時算好常用的統計,再用 Redis 快速提供結果;遇到快取沒有資料,或有人要求最新資料時,才即時查詢,並把結果存起來供下次使用。 系統也會標示資料算到什麼時候,並限制查詢時間和同時執行的數量。資料庫故障時,仍可提供稍舊的資料;Redis 故障時,則改用受控的即時查詢。這樣能讓分析師知道資料有多新,也減少資料庫負擔,讓資安平臺在出狀況時仍能繼續運作。
不同雲端的 Kubernetes 叢集需要互相傳資料,但把它們接成一張大網,可能讓一個叢集出問題時拖累其他叢集。文章建議先列出真正需要的服務連線,再讓流量只經過專用閘道;每個叢集保留自己的網路和服務搜尋,並用工作負載身分確認誰能呼叫哪項服務。新連線要經過審查,也要測試某個叢集停機或遭入侵時,其他服務是否仍被隔開。這種做法能限制故障擴散,也讓跨雲流量更容易追蹤。
檔案明明放在 S3,卻沒有出現在 Knowledge Base 裡,可能是資料來源設定的字首和檔案實際路徑不一樣。S3 看起來像資料夾的路徑,其實是物件鍵的一部分;Amazon Bedrock Knowledge Bases 會依納入字首挑選要匯入的檔案。作者以 Daara Media 的品牌指南、指令碼、字幕和提案為例,說明字首要和物件鍵開頭相符,並建議加上結尾斜線,避免誤選相似路徑。上傳檔案後還要同步資料來源;字首只決定匯入範圍,不能取代 IAM 許可權設定。
ACH 轉帳失敗時,退回程式碼會說明原因;不同原因要用不同方法處理。像 R01 是帳戶餘額不足,可以等一段時間再試;R03 代表找不到帳戶,就該請收款人確認銀行資料,別一直重試。遇到 R10 這類未經同意的交易爭議,則需要聯絡客服或客戶處理。 文章也示範如何依程式碼安排重試、通知收款人或交由人工檢視;若原本的轉帳方式行不通,也可以檢查是否有其他銀行帳戶或改用其他付款管道。ACH 退回可能要等 2–5 個工作天才會收到,因此這段期間付款狀態應標為處理中,收到退回後再更新帳目並採取相應處理。
作者的 Mac 突然卡住,暫存資料夾裡還出現一個 288 GB 的文字檔。原因是整理檢查結果的迴圈,輸出檔也符合輸入檔的搜尋條件;macOS 的 cat 讀到自己正在寫的檔案後,就不斷把內容加回檔案。Linux 上的 GNU cat 會偵測這種情況並跳過,macOS 隨附的 BSD cat 則不會。Claude Code 的指令逾時後轉到背景,後續檢查又多次讀取大檔案,讓磁碟持續忙碌。作者建議把輸出檔放到搜尋範圍外、設定檔案大小上限,並用 ls -l 或 stat 檢視大小,避免為了計算檔案大小而讀完整個檔案。
把別人的遊戲放進自己的網頁,有時玩家只會看到一片空白,原因可能不在你的程式。對方網站可能不允許遊戲嵌入,瀏覽器或外掛可能擋掉第三方 Cookie 或遊戲程式,也可能是玩家的瀏覽器還留著舊檔案。尤其舊檔案問題常隻影響少數玩家,可能在對方更新後持續幾個小時。支援頁面應先問玩家使用哪種瀏覽器和裝置,再說明哪些狀況能自行排除、哪些得由遊戲原本的網站處理,才不會讓玩家一直白忙。
PostgreSQL 資料庫遇到大量重疊的資料列鎖時,MultiXact 成員空間可能快速增加;即使升級,也不代表舊空間會自動回收。作者在 PostgreSQL 18.7 和 19.0 重做測試,發現 19 移除了 2^32 個成員的停止點,但 MultiXact ID 仍有 2^31 上限。回收要等所有資料庫處理到足夠新的位置,template0 也算在內;另一個資料庫裡閒置且持有資料列鎖的交易,也可能卡住整個叢集。測試中,把子資料列分批寫入、縮短交易內的等待時間、分散熱門資料列,都能降低每筆資料造成的成員數。作者也指出,升級到 19 會重寫並縮小保留的 MultiXact 成員資料。
軟體常在網路穩定、工作時間固定的環境裡做好,到了當地才發現阿拉伯文要從右往左讀、資料得留在國內,或店裡根本沒有訊號。作者分享的做法是先把這些生活條件放進設計:例如沙烏地阿拉伯的平臺從一開始就做好阿拉伯文與英文版面,並讓資料留在境內;運動場地預約平臺則把齋戒月、家庭時段和女性專用時段直接排進預約系統。這個平臺的場地使用率提高了 20 到 25%,重複預約和排程錯誤減少了 65%。先照使用者真正生活的地方來設計,軟體上線後才不必花更多時間重做。
把分析資料搬到資料湖,常會擔心查詢變慢;作者用一個會讀取 CRM 和會計資料、回答業務問題的 AI 助理,從頭測試整段流程。資料湖一開始比較慢,主要卡在 Trino 每次查詢都要跨網路詢問資料目錄,而不是讀取資料本身。作者把表格位置存進本機的 Postgres,並先整理好較複雜的會計資料,再讓引擎、應用程式靠近資料所在位置。實測顯示,完整回答可以和 Azure SQL 的速度相近;作者也提醒,測試時要計算 AI 助理整個回答花多久,不能只看單次查詢。
大型程式專案裡,讓雲端模型處理每件小事很花錢,本機模型也還不適合獨自改動整個程式庫。作者把兩者分工:本機模型先替 GitHub 待辦事項分類和排序,再由 Factory 把選中的工作交給專用主機上的 Claude Code,建立獨立工作區、修改程式並送出 PR。自動模式會等測試通過、變更合併後清理工作區,再接著處理下一項。作者認為,這能把重複工作交給背景流程,自己則保留架構研究和程式審查。
CI 測試寄出郵件後,就算結果顯示成功,也可能讀到舊信,或讓不同次測試共用同一個信箱,出了問題還找不到原因。作者示範用 Terraform 設定測試信箱的識別方式和保留時間,並把讀信憑證限制在單次執行,測試結束後撤銷許可權。測試也可以分別記錄郵件是否送出、送達、被讀取,以及連結是否使用,方便找出卡住的步驟;記錄中不應放入信件內容或憑證。
網路一斷,餐廳或商店的收銀系統可能就無法接單;要讓 React 網頁離線也能工作,資料得先存在瀏覽器裡。這篇教學先介紹用 IndexedDB 搭配 idb 做簡單快取,再說明資料有關聯、需要即時更新和與伺服器雙向同步時,怎麼用 WatermelonDB 管理。作者也整理同步時伺服器該怎麼追蹤新增、修改和刪除,以及遇到衝突時如何處理。瀏覽器資料可能被清除,因此仍要定期同步,不能把本機資料當成唯一備份。
系統顯示的狀態可能沒有算錯,卻會讓人誤會原因。作者遇到兩種情況:別的部署改寫了檔案,檢查畫面卻只說「遺失」;房間只是很久沒有動靜,畫面卻把活動資料的時間標成「攝影機過舊」,看起來像裝置故障。作者保留舊的「遺失」訊息,另外補上是哪個部署改了檔案、該怎麼處理;也把「攝影機」改成「活動」,並說清楚時間是從哪筆活動資料算起。這提醒我們,狀態畫面除了顯示數字,也要說明它量的是什麼、時間從哪裡算,才不會讓人找錯問題。
找廠商幫忙時,如果公司把整件事都交出去,等廠商離開後,自己可能還是不會操作、維修或解決問題。作者以 Oracle、Splunk、AppDynamics 和 AWS 等合作經驗分享做法:先讓公司內部的人一起訂目標,再請廠商用公司最棘手的狀況實際示範,內部團隊也要邊做邊學。 例如,作者和 Oracle 合作設定 GoldenGate 資料同步時,仔細學會每個設定的作用,後來公司能自己設計和排除問題,省下七位數金額。重點是請廠商帶來專業,也要把知識留在團隊裡,讓大家在合作結束後仍能自己把工作做好。
想微調小型模型、跑定時爬資料的程式,或架設簡單的 AI 服務,不一定得先付 VPS 或 GPU 月租。文章整理 4 種免費算力:Kaggle 每週有 30 小時免費 GPU,不用信用卡;Cloudflare Workers AI 每天提供 10,000 Neurons,也免信用卡;Oracle Cloud Always Free 提供最多 4 個 ARM 核心、24GB 記憶體,但申請時要用本人信用卡或金融卡;Google Cloud 則有 $300、90 天的試用額度。 例如,Google Cloud 的試用額度用完或滿 90 天後,會停止計費,不會自動從驗證用的卡扣款;Oracle Cloud 則要小心別超出免費範圍。這些方案能省下雲端費用,但各自的申請條件和使用上限不同,開始前要先看清楚。
把一件工作交給多個 AI 助理接力時,前一個助理的想法不一定會完整傳到下一個手上。作者分享一套由三個 AI 助理組成的流程:一個把需求寫成規格,一個負責研究,另一個依研究結果寫程式、測試並部署。它們不共用記憶或工作內容,只透過收件匣中的 JSON 檔案交接;每一步約等 5 分鐘,讓人有時間寫清楚真正重要的事。作者也提到,交接可能漏掉細節,助理故障時工作可能悄悄停住,因此接下來要加上狀態回報,並檢查交接資料是否符合規格。
比 AI Gateway 的價格,光看每個 token 的單價不夠,還要把服務費和實際用量一起算進去。同一個模型,走不同服務可能花不同的錢;自己架設則省下平臺費,但要花時間維護。以每月 40M 輸入、10M 輸出 tokens 為例,直接呼叫模型要 $78,按比例收費的路由服務約 $81.90–82.29,固定月費方案要 $127,自己架設則是 $78,另加維護時間。比較時也要算進快取折扣、備援模型的價格和換服務所花的工夫,才知道哪種方式適合自己的用量。
使用者要求刪除健康資料後,資料庫裡的紀錄消失了,原始圖片或縮圖卻可能還留在儲存空間。這篇指南建議把檔案放在私有物件儲存空間,由後端工作程式製作縮圖,資料庫則記下每個檔案的位置、刪除期限和清理進度;清理完成前保留紀錄,工作中斷或重複執行時才能接著處理。下載時可發出限時連結,範例設定為 15 分鐘。文章也說明 Infrai 適合哪些情況,以及它不支援永久公開圖片、物件版本還原和一天內的儲存生命週期清理等限制。
監控畫面可能還顯示綠燈,但負責收集或轉送資料的工作早已停掉,讓人誤以為系統正常。作者分享維護轉送工具時遇到的問題:除了檢查有沒有資料卡住,還要確認排程計時器正在運作,並檢視最近一次服務執行是否失敗;查不到狀態時,應標成「未知」,不能當成健康。文章也說明,兩個工作同時更新遊標可能讓訊息重複轉送,可以用檔案鎖和只往前更新的合併方式處理;測量等待時間時,門檻也不能只接受剛好為零,否則短暫但真實的等待會被漏掉。