Merge branch 'feat/embudget-fix-embedding-request-amplifica' into dev
This commit is contained in:
AskaEth committed
commit
202cd8535e
8 files changed
+302
-56
No files matched your search
@@ -42,16 +42,27 @@ const (
|
||||
// budget.go 里**同一个不等式**推出 —— 单次请求的耗时上界不得超过超时的一半。
|
||||
// 改这一行就等于改了批次上限，反之亦然；两侧永远是配套的。
|
||||
//
|
||||
// 为什么每次调用必须有自己的上限：上层「入库前审查」的单条总预算是 20s
|
||||
// （memory.defaultReviewTimeout），embedding 只是它内部的第一步，后面还有 T1 灰区
|
||||
// 判定（8s）。一次卡死的 HTTP 不能把整条审查的 20s 都赌掉。真慢就**快速失败**，
|
||||
// 调用方按**既有语义**降级（审查降级到词项余弦并如实留痕 degraded），
|
||||
// **绝不静默丢记忆** —— 本常量只砍等待时间，不改任何判定规则。
|
||||
// 为什么每次调用必须有自己的上限：上层「入库前审查」的单条总预算是 90s
|
||||
// （memory.defaultReviewTimeout），而**一条召回链是几十个请求**（201 条 ÷ 8 条/片
|
||||
// = 26 个，见 budget.go 文件头的链路实测）—— 一次卡死的 HTTP 不能把整条审查的预算
|
||||
// 都赌掉：把它压在 5s，最坏是**这一片超时**；而 `Embed` 的语义是**任一片失败 ⇒
|
||||
// 整条调用失败**（其余分片已经算完的工作量一并丢弃），调用方据此按**既有语义**降级
|
||||
// （召回降级到词项余弦并如实留痕 degraded）——**记忆一条不丢、判定规则一字不改**，
|
||||
// 变的是这一条审查的召回质量。本常量只砍等待时间，不改任何判定规则。
|
||||
// （同一口径见 budget.go 文件头 ④ 末段。）
|
||||
//
|
||||
// 5s 保持不变的依据：本次故障（2026-10-13）的成因不是这个数太小，而是批次太大 ——
|
||||
// 64 条的实测耗时 7.5~8.5s 已经越过它，客户端放弃、服务端还在算，把整台本机
|
||||
// embedding 服务顶住，连带单条请求（写向量索引）也一起超时。所以修法是**把批次
|
||||
// 收进预算内**，而不是把预算放大到迁就批次（后者会让真挂死的请求也拖住整轮）。
|
||||
// 5s 保持不变的依据：本次故障（2026-10-13）的成因**不是**这个数太小（链条是
|
||||
// 「N 条 → ⌈N/批次⌉ 个请求」，链长超的是**调用方**预算），因此修法是把链条收短
|
||||
// （budget.go: 批上限 4 → 8）并**单独**抬高调用方预算（memory.defaultReviewTimeout
|
||||
// 20s → 90s），而不是把单次超时放大到迁就链条 —— 后者会让真挂死的请求也一起
|
||||
// 拖住整轮审查。
|
||||
//
|
||||
// ⚠️ 已知残余（见 budget.go 文件头 ④）：空闲窗口实测单请求最大 1.782s，但尖峰会越过
|
||||
// 本超时 —— **至少存在一个与批次无关的外部/争用分量**（实测 4 条/片也能到 7.139s）；
|
||||
// 越界的**频率**是否随批次上升，本组样本（1/40 vs 2/40）不足以判定，**归因未定**。
|
||||
// 后果：那一片超时 ⇒ **整条 `Embed` 失败**、其余分片已算完的工作量丢弃 ⇒ 调用方按
|
||||
// 既有语义降级（召回回落词项余弦 + 留痕 degraded）—— 记忆不丢、判定规则不改。
|
||||
// 真正要治的是链路对单点慢分片的韧性（重试/分片级容错），不在这里。
|
||||
//
|
||||
// 冷启动另有 warmupTimeout（见 budget.go），但它**只放宽本进程的第一个请求**、
|
||||
// 且一次性花掉：失败不会让它续期，因此「服务一直挂死」这件事**不会**变成
|
||||
@@ -161,6 +172,12 @@ func (e *APIEmbedder) Dim() int {
|
||||
// **自己切片**，分多次请求顺序发出，因此「一次请求的耗时 < 单次超时」这条不变式
|
||||
// 对任何调用方都成立 —— 调用方给多大的切片都不会把服务端顶住。中途任一段失败即
|
||||
// 整体失败（返回已发请求的错误），绝不半途改用混合表示。
|
||||
//
|
||||
// ⚠️ 代价在调用方那一侧：**一次 Embed(N) 是 ⌈N/条数上限⌉ 个请求**（改前 201 条 =
|
||||
// 51 个；改后 8 条/片 = 26 个），整条链的墙钟实测 ~21s（见 budget.go 文件头）。
|
||||
// 因此调用方的**总**预算必须按链长算，而不是按一次请求算 ——
|
||||
// memory.defaultReviewTimeout = 90s 就是这条口径（20s 的旧值比链长还短，
|
||||
// 让每一条候选数满额的审查都必然超时，且失败时不留痕）。
|
||||
func (e *APIEmbedder) Embed(ctx context.Context, texts []string) ([]Vector, error) {
|
||||
if len(texts) == 0 {
|
||||
return []Vector{}, nil
|
||||
|
||||
@@ -216,7 +216,12 @@ func TestAPIEmbedder_LoopbackAliasReachesIPv4OnlyServer(t *testing.T) {
|
||||
// 权威定义在 internal/runtime/memory/preinsert_config.go 的 defaultReviewTimeout。
|
||||
// 跨包的真实断言在 memory 包（preinsert_recall_test.go）里，这里钉住同一个口径，
|
||||
// 免得 embedding 侧悄悄把超时调到 ≥ 审查预算。
|
||||
const reviewBudgetRef = 20 * time.Second
|
||||
//
|
||||
// 2026-10-13 由 20s 改为 90s：审查的召回链是 201 条 ⇒ ⌈201/8⌉ = 26 个 embedding
|
||||
// 请求，整条链实测 21.4~21.6s（空闲）—— **20s 的旧值比链长还短**，于是每一条候选
|
||||
// 满额的审查都必然超时（这是「92% 的审查 recall_mode 为空」的根因）。本文件钉住的
|
||||
// 是同一个数，不是另一个数：embedding 侧任何一次调用的超时都必须严格小于它。
|
||||
const reviewBudgetRef = 90 * time.Second
|
||||
|
||||
// TestDefaultRequestTimeout 钉住单次 embedding 调用的超时值，并断言它**严格小于**
|
||||
// 审查总预算：否则一次卡死的 embedding 连接就能吃光整条审查的预算，排在后面的
|
||||
|
||||
@@ -12,36 +12,93 @@ import "time"
|
||||
//
|
||||
// requestOverhead + 一次请求的字符总量 × perCharBudget ≤ DefaultRequestTimeout / callBudgetShare
|
||||
//
|
||||
// 左半是**推演出来的耗时上界**，右半是该超时下允许用掉的一半（另一半是这台机器的
|
||||
// 抖动余量）。批次上限由解这个不等式得到（见 DefaultBatchLimit / DefaultBatchChars）。
|
||||
// 左半是**推演出来的耗时上界**，右半是该超时下允许用掉的一半。⚠️ 这条不等式的**地位**
|
||||
// 必须读准：它是**稳态、空闲机器上的建模拟合**，用途是**构造批形状**（批次上限由解它
|
||||
// 得到，见 DefaultBatchLimit / DefaultBatchChars），**不是**「单次请求 < 超时」的延迟
|
||||
// 保证 —— 文件头 ④ 的实测尖峰（4 条 7.139s / 8 条 9.711s）整段越过 5s，2.5s 的
|
||||
// 「另一半」装不下它。真正的兜底是三件东西、缺一不可：**调用方预算**
|
||||
// （memory.defaultReviewTimeout = 90s，按整条链而不是单片算）、**降级路径**
|
||||
// （任一片失败 ⇒ 调用方回落词项余弦 + 留痕 degraded，记忆不丢、规则不改），以及已登记
|
||||
// 的**链路韧性遗留**（一片失败丢整条 ⇒ 修法是重试/分片级容错，不在这里）。
|
||||
//
|
||||
// ⚠️ 这条不等式**只按稳态超时（DefaultRequestTimeout）推导，且只约束批次形状**；
|
||||
// 冷启动那次放宽（warmupTimeout）**不改批形状**，只放宽进程第一个请求的**截止
|
||||
// 时刻**，而且只发生一次（见 warmupTimeout 的说明）。批形状与超时仍然同源：
|
||||
// 无论第一个请求的截止多宽，它带的条数/字符数永远按稳态超时算出来。
|
||||
//
|
||||
// ## 实测依据（2026-10-13，本机 = AMD RX 6600 XT + llama.cpp b11371 +
|
||||
// Qwen3-Embedding-0.6B Q8_0，端点 127.0.0.1:11434，**服务器空闲**，正文取自活库
|
||||
// data/cyrene.db：短正文约 33 汉字、长正文约 168 汉字；每档 5~6 次取最坏）
|
||||
// ## 实测依据（2026-10-13，本机 = AMD RX 6600 XT + llama.cpp（PID 318144，起于
|
||||
// 10-07，**排除冷启动**）+ Qwen3-Embedding-0.6B Q8_0，端点 127.0.0.1:11434，
|
||||
// **服务器空闲**，正文取自活库 data/cyrene.db 的 cyrene/user 分区：本次样本
|
||||
// 201 条、均长 34.7 汉字、最长 75 汉字）
|
||||
//
|
||||
// n=1 短 0.066~0.185s 长 0.740s
|
||||
// n=8 短 0.86~1.11s
|
||||
// n=12 短 1.27s 长 5.47s
|
||||
// n=16 短 2.20~3.31s
|
||||
// n=64 短 7.49~8.49s（改前的批次上限）
|
||||
// ① 单次请求的**形状曲线**（隔离测量 = 一条请求发完算完，同档重复 2~3 次）：
|
||||
//
|
||||
// 拟合：单次请求耗时 ≈ 固定开销 + 字符总量 × 每字符成本；固定开销实测约 50ms，
|
||||
// 每字符成本实测 2.7~3.9ms。**同一批 n≥32 起出现过数倍放大**（8.97s / 26.6s），
|
||||
// 因此大批次的耗时不可预测 —— 这也是「余量取一半」而不是「卡着边界」的依据。
|
||||
// n=1 15 字 0.069 / 0.076 / 0.072 s
|
||||
// n=4 78 字 0.243 / 0.224 / 0.221 s
|
||||
// n=8 184 字 0.550 / 0.570 / 0.569 s
|
||||
// n=12 331 字 0.996 / 1.017 s
|
||||
// n=16 464 字 1.385 / 1.394 / 1.353 s
|
||||
// n=32 991 字 2.884 s
|
||||
// n=64 1997 字 6.872 s
|
||||
//
|
||||
// 拟合：耗时 ≈ 固定开销 + 条数 × 每条成本；固定开销实测约 50ms、每条成本
|
||||
// 70~110ms。64 条 6.9s **已越过单次超时 5s**（旧批次上限正落在这里）。
|
||||
//
|
||||
// ② **真实链路的墙钟与请求数**：把一条入库审查的召回链（201 条 = 新条 1 +
|
||||
// ScanLimit 200，preinsert_recall.go 的 embedReviewTexts）按批次形状整条发出：
|
||||
//
|
||||
// 形状 请求数 墙钟(s) 单请求均值(s) 单请求最大(s)
|
||||
// 4 条/片（改前） 51 23.070 / 21.860 0.452 / 0.429 1.449 / 1.052
|
||||
// 8 条/片（本次） 26 21.435 / 21.597 0.824 / 0.831 1.782 / 1.732
|
||||
// 16 条/片 / 480 字 16 21.477 → 49.433 1.342 → 3.089 2.119 → **11.043**
|
||||
// 16 条/片 / 不限字 13 21.012 / 21.904 1.616 / 1.685 2.313 / 2.582
|
||||
//
|
||||
// 三条结论 —— 本次修复的判断全部落在这里：
|
||||
//
|
||||
// - **链路墙钟由「条数 × 每条成本」主导，几乎与批次形状无关**：同样 201 条，
|
||||
// 4 条/片与 8 条/片的墙钟都是 ~21s。抬高批次上限买到的是**请求数减半**
|
||||
// （51 → 26）与其带来的服务端排队压力下降，**不是**链路变快。要让链路落回
|
||||
// 调用方预算，只有把预算抬到链长之上（审查侧 defaultReviewTimeout）。
|
||||
// - **8 条/片在空闲实测下不越界**：三轮最大单请求 1.782s，远在 5s 单次超时之内。
|
||||
// ⚠️ 但这**不是**延迟保证 —— 负载下仍偶发越界（见 ④），尖峰与批次的关系未定。
|
||||
// - **16 条/片会越界**：同一批正文、同一次会话里复现出单请求 **11.043s**
|
||||
// （那一轮整条链 49.4s）；③ 里真实代码路径 3 次有 2 次越过 5s。批上限取 8 而不是
|
||||
// 12/16，依据就是这两条**实测**（隔离测量里 16 条三次稳定在 1.35~1.39s ⇒ 这个形态
|
||||
// 方差极大，不能只看隔离值），**不依赖**任何关于尖峰成因的推断。
|
||||
//
|
||||
// ③ **真实代码路径**（不是直连端点：跑 APIEmbedder.Embed(201 条) 本身，用注入的
|
||||
// RoundTripper 数真实 HTTP 请求数）：
|
||||
//
|
||||
// 8 条/片 26 个请求 / 201 个向量，墙钟 21.489s、28.220s（两轮，均未触发单请求超时）
|
||||
// 16 条/片 直接 embedChunk：1.818s、**5.016s 超时**、**5.001s 超时**（3 次里 2 次越界）
|
||||
//
|
||||
// ④ **必须登记的残余（实测，不是推测）**：尖峰会越过 5s 单次超时 —— 交错对比
|
||||
// 40 次 4 条 + 40 次 8 条（同一批正文）：
|
||||
//
|
||||
// 4 条/片 p50 0.456s p90 1.008s 最大 **7.139s**（>5s 计 1/40）
|
||||
// 8 条/片 p50 0.848s p90 1.861s 最大 **9.711s**（>5s 计 2/40）
|
||||
//
|
||||
// 该窗口机器上确有别的负载（`tasklist` 可见多个 go/link 进程 = 塔里其它 worker 在
|
||||
// 编译；同窗后端也在跑群聊回合）；同一夜 review-m15 的独立窗口（24 次单请求：n=4
|
||||
// max 0.236s、n=8 max 1.097s）**一次尖峰都没有** ⇒ 尖峰强依赖窗口负载。因此这里只
|
||||
// 断言证据支持得住的那一层：**至少存在一个与批次无关的外部/争用分量**（4 条/片也能
|
||||
// 到 7.139s ⇒ 尖峰**不是**本次放大批次的后果）；**越界的频率是否随批次上升，1/40 与
|
||||
// 2/40 的样本不足以判定，归因未定**（方向反而更像「批次越大越容易越界」，但那需要带
|
||||
// 在飞计数的观测才能定论）。
|
||||
//
|
||||
// 另一件确定的事：因为「一个分片失败 ⇒ 整条 Embed 失败」，一次尖峰就丢掉其余分片
|
||||
// 已算完的工作量 —— 链路对单点慢分片的**韧性**是遗留问题，**调常量解决不了**
|
||||
//（修法是重试/分片级容错，不在本切片内）。
|
||||
//
|
||||
// 复跑命令（读活库正文、只连本机 embedding 服务、不写任何库）：
|
||||
//
|
||||
// python - <<'PY'
|
||||
// import json,sqlite3,time,urllib.request
|
||||
// URL="http://127.0.0.1:11434/v1/embeddings"; MODEL="<model id>"
|
||||
// t=[r[0] for r in sqlite3.connect("data/cyrene.db").execute(
|
||||
// "select content from memory_items order by id limit 64")]
|
||||
// for b in (t[:1],t[:8],t[:12],t[:16],t[:64]):
|
||||
// t=[r[0] for r in sqlite3.connect("file:data/cyrene.db?mode=ro",uri=True).execute(
|
||||
// "select content from memory_items where status='active' and persona_id='cyrene'"
|
||||
// " and scope='user' order by created_at desc, rowid desc limit 201")]
|
||||
// for b in (t[:1],t[:4],t[:8],t[:16],t[:64]):
|
||||
// body=json.dumps({"model":MODEL,"input":b}).encode()
|
||||
// r=urllib.request.Request(URL,data=body,headers={"Content-Type":"application/json"})
|
||||
// s=time.perf_counter(); urllib.request.urlopen(r,timeout=300).read()
|
||||
@@ -54,43 +111,78 @@ const (
|
||||
// perCharBudget 是**每字符**的墙钟预算上界（实测 2.7~3.9 ms/字符，取 5ms）。
|
||||
perCharBudget = 5 * time.Millisecond
|
||||
|
||||
// perItemBudget 是**每条文本**的墙钟预算上界：按活库里最长的正文（168 汉字，
|
||||
// 最坏摊销 0.456 s/条）向上取整到 500ms。
|
||||
perItemBudget = 500 * time.Millisecond
|
||||
// perItemBudget 是**每条文本**的墙钟预算上界：它守住「条数」那一维。
|
||||
//
|
||||
// 2026-10-13 由 500ms 降到 300ms —— 旧值是把条数上限压到 **4** 的那个约束项，
|
||||
// 而 4 条/片会把一次召回放大成 ⌈N/4⌉ 个 HTTP 请求（201 条的审查链 = 51 个请求，
|
||||
// 见文件头）。依据不是「拍一个更小的数」，而是**实测摊薄**：整条链里每条的平均
|
||||
// 成本 70~103ms（8 条/片轮次 0.824s ÷ 8 ≈ 103ms；64 条档最坏 6.872s ÷ 64 ≈
|
||||
// 107ms），300ms 仍是实测的约 **3 倍**。按不变式反解，它把条数上限放到 8：
|
||||
// (5s/2 − 100ms) / 300ms = 8 —— 恰好用满「超时的一半」（另一半按建模拟合留给现场
|
||||
// 抖动；它是**建模口径**、不是延迟保证，见文件头的不变式一节）。
|
||||
//
|
||||
// 为什么不再大：条数上限 12 需要 perItemBudget ≤ 200ms（只剩实测的 1.9 倍），
|
||||
// 16 需要 ≤ 150ms（1.4 倍）—— 而 16 条/片本次已复现出**单请求 11.043s**
|
||||
// （> 单次超时 5s，见文件头）。批次越靠近那条界，单请求越可能「客户端先放弃、
|
||||
// 服务端还在算」（级联堆积的起点）。取 8：**请求数减半，且建模上界对实测摊销仍留
|
||||
// 约 3 倍**（这是建模余量，不是单请求一定不越界的保证 —— 见文件头 ④）。
|
||||
perItemBudget = 300 * time.Millisecond
|
||||
|
||||
// callBudgetShare 表示一次请求最多用掉超时的 1/2：另一半是抖动余量
|
||||
// （见上面 n≥32 的数倍放大）。调大它 = 余量变小，必须连带复核实测。
|
||||
// callBudgetShare 表示一次请求最多用掉超时的 1/2。它是**建模口径**（一半给建模拟合、
|
||||
// 一半留给现场抖动），**不是**延迟保证 —— 文件头 ④ 的尖峰整段越过单次超时。调大它
|
||||
// = 建模上界更紧，必须连带复核实测。
|
||||
callBudgetShare = 2
|
||||
|
||||
// DefaultBatchLimit 是单次请求的**条数**上限，由上面三个常量推出来（唯一推演）：
|
||||
// (5s/2 − 100ms) / 500ms = 4。
|
||||
// (5s/2 − 100ms) / 300ms = 8。
|
||||
DefaultBatchLimit = (int(DefaultRequestTimeout/callBudgetShare) - int(requestOverhead)) / int(perItemBudget)
|
||||
|
||||
// DefaultBatchChars 是单次请求的**字符总量**上限，同一个不等式换成每字符预算：
|
||||
// (5s/2 − 100ms) / 5ms = 480。它防的是「条数很少但每条很长」：
|
||||
// 4 条 × 168 汉字 = 672 字符已越过它，会被再切一刀。
|
||||
// (5s/2 − 100ms) / 5ms = 480。它防的是「条数很少但每条很长」。
|
||||
//
|
||||
// 本次**不动**它（每字符成本实测 2.7~3.9ms，5ms 仍是上界），因此两道界的分工
|
||||
// 是：8 条 × 均长 35 字（280 字）走**条数界**；8 条 × 长正文（如 168 字 = 1344 字）
|
||||
// 被它再切一刀，落到 2 条/片。两维都必须成立，缺哪一维都会有请求越界。
|
||||
DefaultBatchChars = (int(DefaultRequestTimeout/callBudgetShare) - int(requestOverhead)) / int(perCharBudget)
|
||||
|
||||
// maxSafeBatchLimit 是条数上限的**实测外沿**（12），它守的是与上面那条不等式
|
||||
// **不同**的一层：不等式管的是**建模成本**（requestOverhead + 批次 × perItemBudget
|
||||
// ≤ 超时的一半），它管的是**实测形状** —— 文件头里 16 条/片复现出 11.043s 的单
|
||||
// 请求（> 5s 超时），8 条/片三轮最大 1.782s，隔离测量 12 条 0.996~1.017s 仍在界内。
|
||||
// 两层必须同时成立：把批次放到 12 需要**同时**把 perItemBudget 压到 ≤ 200ms
|
||||
// （只剩实测摊销的 1.9 倍，且算式上 100ms + 12×200ms = 2.5s 已顶到边界）；
|
||||
// 越过 12 则已进入「实测已知会出界」的区间 —— 由下面那条编译期断言拦住。
|
||||
maxSafeBatchLimit = 12
|
||||
|
||||
// warmupTimeout 是**一次性的**冷启动放宽：本 embedder 生命周期里的**第一个**
|
||||
// 请求可以拿到这个截止（模型加载 / GPU 缓冲分配还没发生过），此后**每一个**
|
||||
// 请求（含刚失败的那个之后的下一个）一律回到 DefaultRequestTimeout。
|
||||
//
|
||||
// 🔴 它**不是**「只要还没成功过就一直放宽」—— 那个口径会在服务挂死时把
|
||||
// fail-fast 变成 fail-slow（每次都等 warmupTimeout），并把审查的 20s 预算、
|
||||
// fail-fast 变成 fail-slow（每次都等 warmupTimeout），并把审查单条预算、
|
||||
// 索引写入的 5s 预算整段吃掉。一次性 + 8s 两条一起才是有界的：
|
||||
// - 一次性：放宽最多花掉**一个**请求的时长，最坏情形之后立刻回到 5s；
|
||||
// - 8s：与常态 5s **同一量级**（1.6×），且严格小于审查单条总预算 20s
|
||||
// （memory.defaultReviewTimeout）⇒ 一次冷启动不可能吃光整轮审查，
|
||||
// - 8s：与常态 5s **同一量级**（1.6×），且严格小于审查单条总预算
|
||||
// （memory.defaultReviewTimeout = 90s）⇒ 一次冷启动不可能吃光整轮审查，
|
||||
// 后面的 T1 灰区判定（8s）仍有预算。这条不等式由测试守住
|
||||
// （api_url_test.go 的 TestDefaultRequestTimeout）。
|
||||
//
|
||||
// 依据：2026-10-13 部署后第一分钟的生产日志里有一条
|
||||
// `vector embed for index failed ... embed 1 texts ... context deadline exceeded`
|
||||
// —— 模型还没热时 5s 不够；而稳态实测单条只要 0.03~0.19s（见上面的曲线），
|
||||
// 所以放宽只需要覆盖「进程的第一个请求」这一刻。
|
||||
// —— 模型还没热时 5s 不够；而本次实测稳态单条只要 0.069~0.076s（见文件头的
|
||||
// 形状曲线），所以放宽只需要覆盖「进程的第一个请求」这一刻。
|
||||
warmupTimeout = 8 * time.Second
|
||||
)
|
||||
|
||||
// 编译期不变式（2026-10-13）：条数上限一旦越过**实测划出来的外沿**
|
||||
// （maxSafeBatchLimit）—— 例如把 perItemBudget 压到 150ms（⇒ 16）、或把
|
||||
// callBudgetShare / requestOverhead 往「放宽」的方向调 —— 下面这行常量表达式
|
||||
// 会变成负数、uint 溢出 ⇒ **编译失败**。与 tidy_config.go 里那条「整理侧批上限
|
||||
// 不许超过 embedding 推出来的值」同一手法：把实测承诺交给编译器守，而不是只写在
|
||||
// 注释里。反方向的漂移（perItemBudget 调大 ⇒ 批上限变小 ⇒ 报错变多）由
|
||||
// budget_test.go 的钉值断言抓。
|
||||
const _ = uint(maxSafeBatchLimit - DefaultBatchLimit)
|
||||
|
||||
// callBudget 返回在 timeout 这个单次超时下，一次请求允许用掉的墙钟预算。
|
||||
func callBudget(timeout time.Duration) time.Duration {
|
||||
if timeout <= 0 {
|
||||
|
||||
@@ -19,16 +19,21 @@ import (
|
||||
// - 「批内耗时 < 超时」⇒ 不降级：DerivedBatchCompletesWithinTimeout；
|
||||
// - 「批内耗时 ≥ 超时」⇒ 超时（本次故障形态）：LegacyBatchOf64TimesOut；
|
||||
//
|
||||
// 以及**变异自证**：把批上限调回旧值 64（或把推演调松）会让哪条测试红，
|
||||
// 见 TestBatchBudget_InvariantHolds 与 TestAPIEmbedder_LegacyBatchOf64TimesOut。
|
||||
// 以及**变异自证**：把批上限调回旧值（4 或 64）会让哪条测试红，见
|
||||
// TestBatchBudget_InvariantHolds（钉值 + 两层上界）与
|
||||
// TestAPIEmbedder_LegacyBatchOf64TimesOut。
|
||||
//
|
||||
// 假客户端用的是**实测曲线**（不是随口编的常数）：单次请求耗时
|
||||
// ≈ measuredOverhead + 字符总量 × measuredPerChar，取值见下面两个常量
|
||||
// （2026-10-13 本机实测：固定开销 ~50ms、每字符 2.7~3.9ms，此处取上界）。
|
||||
// （2026-10-13 本机实测：固定开销 ~50ms、每字符 3.4ms，此处取上界）。
|
||||
const (
|
||||
measuredOverhead = 50 * time.Millisecond
|
||||
measuredPerChar = 4 * time.Millisecond
|
||||
latencyModelChars = 33 // 活库短正文的平均长度（实测 33 汉字）
|
||||
latencyModelChars = 33 // 活库短正文的平均长度（实测 33~35 汉字）
|
||||
// measuredPathologicalItems 是**实测**已经出界的批次形状（文件头：单请求
|
||||
// 11.043s > 5s 超时）。它只用于说明「上界不该往哪边放」，不是断言对象 ——
|
||||
// 断言对象是推出来的 DefaultBatchLimit 与它必须落在的 maxSafeBatchLimit 之内。
|
||||
measuredPathologicalItems = 16
|
||||
)
|
||||
|
||||
// latencyTripper 是一个按上面那条曲线**真的睡够时间**的 RoundTripper：
|
||||
@@ -115,7 +120,18 @@ func shortTexts(n int) []string {
|
||||
// TestBatchBudget_InvariantHolds 是**推演本身**的断言（不连任何网络）：
|
||||
// 由超时推出来的一对上限，必须使「一次请求的耗时上界 ≤ 超时的一半」成立。
|
||||
//
|
||||
// 变异自证：把 DefaultBatchLimit 的推演改成旧口径（条数写回 64）⇒ 第一条断言红；
|
||||
// 四层，各自的语义不同（改坏任一层都必须是红的）：
|
||||
//
|
||||
// 1. **钉值**：推出来的条数上限必须是 8、字符上限必须是 480。它是「常量变了必须
|
||||
// 连带复核链长/病态区」的那根 tripwire —— 例如把 perItemBudget 调回 500ms
|
||||
// （⇒ 4）或 200ms（⇒ 12）都会让这一条红，而不是静默改掉整条链的请求数。
|
||||
// 2. **不变式（条数维）**：requestOverhead + 批次 × perItemBudget ≤ 超时的一半。
|
||||
// 3. **不变式（字符维）**：requestOverhead + 字符上限 × perCharBudget ≤ 超时的一半。
|
||||
// 4. **实测外沿**：条数上限必须 ≤ maxSafeBatchLimit（12），且**实测已知出界的形状**
|
||||
// （16 条/片，单请求 11.043s）在推演下必须仍然判为越界 —— 即推演不许松到
|
||||
// 把 16 条当成一个批次。
|
||||
//
|
||||
// 变异自证：把 DefaultBatchLimit 的推演改成旧口径（条数写回 64）⇒ 第 1 层红；
|
||||
// 若改成「把超时放大到盖住 64 条」⇒ 最后一条断言红（旧配对必须仍是越界的）。
|
||||
func TestBatchBudget_InvariantHolds(t *testing.T) {
|
||||
t.Parallel()
|
||||
@@ -123,19 +139,42 @@ func TestBatchBudget_InvariantHolds(t *testing.T) {
|
||||
if DefaultBatchLimit < 1 || DefaultBatchChars < 1 {
|
||||
t.Fatalf("推出来的上限必须 ≥ 1：条数=%d 字符=%d", DefaultBatchLimit, DefaultBatchChars)
|
||||
}
|
||||
// 1. 钉值：值变了就必须连带复核「审查链请求数」与「病态区上界」两件事。
|
||||
if DefaultBatchLimit != 8 {
|
||||
t.Fatalf("DefaultBatchLimit = %d, want 8（值变了要连带复核审查链请求数 ⌈201/批次⌉ 与 maxSafeBatchLimit）",
|
||||
DefaultBatchLimit)
|
||||
}
|
||||
if DefaultBatchChars != 480 {
|
||||
t.Fatalf("DefaultBatchChars = %d, want 480（字符维本次刻意未动；改了要复核长正文分片）",
|
||||
DefaultBatchChars)
|
||||
}
|
||||
share := DefaultRequestTimeout / callBudgetShare
|
||||
// 2. 条数维：批次上限 × 每条预算 + 固定开销 ≤ 超时的一半。
|
||||
byItems := requestOverhead + time.Duration(DefaultBatchLimit)*perItemBudget
|
||||
if byItems > share {
|
||||
t.Fatalf("条数上限 %d 的耗时上界 %s 超过超时的一半 %s（推演被调松了）",
|
||||
DefaultBatchLimit, byItems, share)
|
||||
}
|
||||
// 3. 字符维：同一个不等式换成每字符预算。
|
||||
byChars := requestOverhead + time.Duration(DefaultBatchChars)*perCharBudget
|
||||
if byChars > share {
|
||||
t.Fatalf("字符上限 %d 的耗时上界 %s 超过超时的一半 %s（推演被调松了）",
|
||||
DefaultBatchChars, byChars, share)
|
||||
}
|
||||
// 4. 实测外沿：条数上限不得越过实测划出来的那条线（12），而且**实测已出界的
|
||||
// 形状**（16 条/片）在推演下必须仍是越界的 —— 否则说明推演松到把已知的病态
|
||||
// 形状也当成合法批次了。
|
||||
if DefaultBatchLimit > maxSafeBatchLimit {
|
||||
t.Fatalf("条数上限 %d 越过实测外沿 %d（16 条/片实测单请求 11.043s > 单次超时 %s）",
|
||||
DefaultBatchLimit, maxSafeBatchLimit, DefaultRequestTimeout)
|
||||
}
|
||||
if pathological := requestOverhead + time.Duration(measuredPathologicalItems)*perItemBudget; pathological <= share {
|
||||
t.Fatalf("%d 条/片的耗时上界 %s 竟落在超时的一半 %s 之内 —— "+
|
||||
"推演已经松到把这个实测出界的形状当成合法批次了",
|
||||
measuredPathologicalItems, pathological, share)
|
||||
}
|
||||
// 旧配对（批次 64 + 5s 超时）必须仍被判为越界 —— 那正是 2026-10-13 的故障形态：
|
||||
// 实测 64 条 7.5~8.5s > 5s。这里用同一套预算常量复核它仍然出界。
|
||||
// 实测 64 条 6.872s > 5s。这里用同一套预算常量复核它仍然出界。
|
||||
legacy := requestOverhead + 64*perItemBudget
|
||||
if legacy <= DefaultRequestTimeout {
|
||||
t.Fatalf("旧配对（64 条）的耗时上界 %s 竟然落在单次超时 %s 之内 —— "+
|
||||
|
||||
@@ -19,7 +19,39 @@ const (
|
||||
// defaultReviewScanLimit 是每次审查在同一分区内最多比对的既有条目数。
|
||||
defaultReviewScanLimit = 200
|
||||
// defaultReviewTimeout 是单条审查的墙钟上限。
|
||||
defaultReviewTimeout = 20 * time.Second
|
||||
//
|
||||
// 🔴 2026-10-13 由 20s 抬到 90s。依据是**实测的链长**，不是感觉：
|
||||
// 单条审查的召回链是「新条 1 + ScanLimit 200 = 201 条文本」，而 embedding 侧
|
||||
// 一次请求只吃 DefaultBatchLimit 条（改前 4、改后 8，见 embedding/budget.go 的
|
||||
// 文件头实测）⇒ 链长 = ⌈201/批次⌉ 个请求：
|
||||
//
|
||||
// 改前（4 条/片）51 个请求：整条链 **23.070 / 21.860 s**（空闲机器，两轮实测）
|
||||
// 改后（8 条/片）26 个请求：整条链 **21.435 / 21.597 s**（同上两轮）
|
||||
// 另有一次**并发整理链**时测到的同一条链 = **56.7 s**（M14 只读勘测报告）
|
||||
//
|
||||
// ⇒ 旧值 20s **比链长还短**：即使机器空闲，一条候选数满额（200）的审查也跑不完
|
||||
// 它的 embedding，于是父 ctx 到期 ⇒ 整条审查失败、**一行留痕都不写**（7 天内
|
||||
// 92.1% 的审查 `recall_mode` 为空，其中超时降级 2274 条，正是这条链的后果）。
|
||||
//
|
||||
// 取 90s 的推导：预算必须 > 链长 + 本层后面的 T1 灰区判定（defaultT1Timeout 8s）。
|
||||
// 空闲实测 21.6s ⇒ 4.2 倍余量；并发实测 56.7s + 8s = 64.7s ⇒ 仍有 1.4 倍余量。
|
||||
//
|
||||
// 为什么**不再更大**（例如 180s / 300s）：
|
||||
// - 审查是**异步、单 worker、有界队列**（QueueSize 256，preinsert.go 的
|
||||
// `go r.worker`）。worker 的最坏占用 = 一条审查的预算 ⇒ 队列 256 条的最坏
|
||||
// 积压 = 256 × 90s ≈ **6.4 小时**（180s 就是 12.8 小时）。预算再大，等于把
|
||||
// 「worker 被一条慢审查占住」的时间线性放大。
|
||||
// - 90s 已经是 embedding 单次超时（5s）的 **18 倍**、T1 自身超时（8s）的 11 倍。
|
||||
// embedding 服务**真挂死**时这条预算根本用不到 —— 第一片请求在 5s 就失败，
|
||||
// 召回立刻降级到词项余弦、审查照常跑完（这一点是结构性事实，见
|
||||
// preinsert_recall.go 的降级路径）⇒ 预算只对「慢但在推进」的链有意义。
|
||||
// 那种形态说明 embedding 服务本身退化了，该修的是服务，不是继续等。
|
||||
// - 审查超时后的失败形态目前**不写留痕**（preinsert.go 的 `ctx.Err()` 分支，
|
||||
// 不属本次改动范围）⇒ 预算越长，「静默停摆」的窗口越长、面板越看不出来。
|
||||
//
|
||||
// 🔴 与设计稿的对齐（如实登记）：design/23 §15 那一行原写 `Timeout=20s`（本次改动
|
||||
// **之前**的口径），已按上面实测同步为 `Timeout=90s`。
|
||||
defaultReviewTimeout = 90 * time.Second
|
||||
// reviewAuditWho / reviewAuditVerb 是审查留痕的审计口径：它是**系统任务**，
|
||||
// 不是任何角色（design §4.1 C 的同一理由）。
|
||||
reviewAuditWho = "system/memoryreview"
|
||||
|
||||
@@ -82,6 +82,18 @@ func reviewPairs(items []MemoryItem, threshold float64, sim func(i, j int) float
|
||||
// embedReviewTexts 分批把条目向量化（批次上限复用整理侧的 tidyEmbedBatch：
|
||||
// 不把整个分区的文本一次性交给远端 embedding API）。单批失败即整体失败，
|
||||
// 由调用方决定降级还是上报，绝不半途改用混合表示。
|
||||
//
|
||||
// 🔴 链长就是**调用方预算的输入**（2026-10-13 实测，见 embedding/budget.go 文件头）：
|
||||
// 条数是「新条 1 + cfg.ScanLimit（默认 200）」= 201，因此一次召回发出的 HTTP 请求数
|
||||
// = ⌈201 / tidyEmbedBatch⌉（tidyEmbedBatch = embedding.DefaultBatchLimit）：
|
||||
//
|
||||
// 批次 4（改前）= 51 个请求 ⇒ 整条链 23.070 / 21.860 s
|
||||
// 批次 8（改后）= 26 个请求 ⇒ 整条链 21.435 / 21.597 s
|
||||
//
|
||||
// 两点必须一起读：① 请求数减半是本改动**唯一**买到的收益 —— 链路墙钟由
|
||||
// 「条数 × 每条成本」主导，两个批次形状都是 ~21s；② 所以单条审查的预算
|
||||
// （memory.defaultReviewTimeout）必须按**整条链**算，20s 的旧值比链长还短，
|
||||
// 会让每一条候选满额的审查都超时（这正是「92% 的审查 recall_mode 为空」的根因）。
|
||||
func embedReviewTexts(ctx context.Context, emb embedding.Embedder, items []MemoryItem) ([]embedding.Vector, error) {
|
||||
out := make([]embedding.Vector, 0, len(items))
|
||||
for start := 0; start < len(items); start += tidyEmbedBatch {
|
||||
|
||||
@@ -2,18 +2,46 @@ package memory
|
||||
|
||||
import (
|
||||
"testing"
|
||||
"time"
|
||||
|
||||
"git.yeij.top/AskaEth/Cyrene_v2/internal/runtime/embedding"
|
||||
)
|
||||
|
||||
// TestEmbeddingTimeoutFitsReviewBudget 钉住一条**跨包**口径：embedding 单次调用的
|
||||
// 独立超时必须严格小于入库前审查的单条总预算（defaultReviewTimeout = 20s）。
|
||||
// measuredReviewChain* 是**实测参照值**（2026-10-13，本机空闲；正文取自活库
|
||||
// cyrene/user 分区 201 条，均长 34.7 汉字；完整曲线与复跑命令见
|
||||
// internal/runtime/embedding/budget.go 的文件头）。它们只用于本文件的断言 ——
|
||||
// 与 embedding 侧 api_url_test.go 的 reviewBudgetRef 同一手法：把「拿实测数字做的
|
||||
// 决定」留成可复核的常量，而不是消失在注释里。
|
||||
//
|
||||
// 这不是风格问题：2026-10-07 实测的故障形态就是「端点主机写成 localhost → 先试
|
||||
// IPv6 ::1 → 连接等系统超时（Windows 上约 21s）」，一次 embedding 失败正好吃光 20s
|
||||
// 预算，整条审查超时（`memory/review: context deadline exceeded`），排在后面的 T1
|
||||
// 链的形状 = ⌈(ScanLimit + 1) / embedding.DefaultBatchLimit⌉ 个请求：
|
||||
//
|
||||
// 改前 4 条/片：51 个请求 ⇒ 墙钟 23.070 / 21.860 s
|
||||
// 改后 8 条/片：26 个请求 ⇒ 墙钟 21.435 / 21.597 s
|
||||
//
|
||||
// loaded 那一档取自 M14 只读勘测报告（同一条链与整理链并发时测得 56.7s）——
|
||||
// 它是按**改前**的 4 条/片形状测的；链路墙钟由「条数 × 每条成本」主导、与批次
|
||||
// 形状几乎无关，因此拿它当改后代码的最坏参照是**偏保守**的一侧。
|
||||
const (
|
||||
measuredReviewChainIdle = 22 * time.Second
|
||||
measuredReviewChainLoaded = 57 * time.Second
|
||||
)
|
||||
|
||||
// TestEmbeddingTimeoutFitsReviewBudget 钉住两条**跨包**口径：
|
||||
//
|
||||
// 1. embedding 单次调用的独立超时必须严格小于入库前审查的单条总预算；
|
||||
// 2. 反过来，审查的单条总预算必须严格大于「实测最坏召回链长 + T1 自己的超时」。
|
||||
//
|
||||
// 第 1 条的理由（2026-10-07 实测的故障形态）：端点主机写成 localhost → 先试 IPv6
|
||||
// ::1 → 连接等系统超时（Windows 上约 21s），一次 embedding 失败正好吃光预算，
|
||||
// 整条审查超时（`memory/review: context deadline exceeded`），排在后面的 T1
|
||||
// 灰区判定连执行机会都没有。地址规范化（embedding.normalizeEndpointURL）治的是根，
|
||||
// 本断言守的是「就算再有新的卡死来源，也得先把预算留给后续步骤」。
|
||||
// 第 1 条守的是「就算再有新的卡死来源，也得先把预算留给后续步骤」。
|
||||
//
|
||||
// 第 2 条是本次修复（2026-10-13）的核心断言，**变异自证**：把 defaultReviewTimeout
|
||||
// 调回 20s ⇒ 这一条必红。它守的是「预算 ≥ 链长 + T1」这条不可让步的下界 ——
|
||||
// 链长随 ScanLimit / 批上限漂移，T1 超时随 defaultT1Timeout 漂移，任一侧动到把
|
||||
// 预算吃掉都会被它抓到。旧值 20s 正是踩在这条线上的：实测链长 21~23s（空闲），
|
||||
// 于是每一条候选满额的审查都必然超时，7 天里 2274 条审查因此降级为空 recall_mode。
|
||||
//
|
||||
// embedding 侧同一口径也有一条钉值测试（api_url_test.go），两边互为护栏。
|
||||
func TestEmbeddingTimeoutFitsReviewBudget(t *testing.T) {
|
||||
@@ -26,4 +54,17 @@ func TestEmbeddingTimeoutFitsReviewBudget(t *testing.T) {
|
||||
t.Fatalf("embedding 单次超时 %s 必须严格小于审查总预算 %s",
|
||||
embedding.DefaultRequestTimeout, defaultReviewTimeout)
|
||||
}
|
||||
// 第 2 条：预算必须盖得住实测最坏链长，还要留得下 T1 那一步自己的超时
|
||||
// （T1 在召回**之后**跑，同一条 ctx）。空闲余量倍数由 budget.go 的注释列明，
|
||||
// 这里只钉住「盖得住」这条下界。
|
||||
worst := measuredReviewChainLoaded + defaultT1Timeout
|
||||
if defaultReviewTimeout <= worst {
|
||||
t.Fatalf("审查单条预算 %s 必须严格大于「实测最坏召回链 %s + T1 超时 %s = %s」—— "+
|
||||
"否则链还没跑完预算就用光（2026-10-13 的 2274 条超时降级正是这条）",
|
||||
defaultReviewTimeout, measuredReviewChainLoaded, defaultT1Timeout, worst)
|
||||
}
|
||||
if measuredReviewChainIdle >= defaultReviewTimeout {
|
||||
t.Fatalf("空闲实测链长 %s 已不小于审查预算 %s（余量必须为正）",
|
||||
measuredReviewChainIdle, defaultReviewTimeout)
|
||||
}
|
||||
}
|
||||
@@ -78,10 +78,18 @@ const (
|
||||
//
|
||||
// 🔴 它**不是**拍出来的数字，而是 internal/runtime/embedding 里**同一条推演**
|
||||
// 的结果（budget.go：一次请求的耗时上界 ≤ 单次超时的一半 ⇒ 批上限 = 超时的一半
|
||||
// ÷ 单条预算上界）。2026-10-13：旧值 64 的实测耗时 7.5~8.5s 已越过客户端 5s
|
||||
// 单次超时 ⇒ 客户端放弃、服务端继续算 ⇒ 本机 embedding 服务被顶住，单条请求
|
||||
// （写向量索引）也跟着超时。把批上限与超时绑到同一条推演上，就不会再出现
|
||||
// 「只调一侧、另一侧静默失效」。
|
||||
// ÷ 单条预算上界）。2026-10-13 的实测沿革：
|
||||
// - 旧值 64：单请求实测 6.872s（对比超时 5s）⇒ 客户端放弃、服务端继续算 ⇒
|
||||
// 本机 embedding 服务被顶住，单条请求（写向量索引）也跟着超时；
|
||||
// - 先收到 4：单请求落回界内，但把**一次调用**放大成 ⌈N/4⌉ 个请求 ——
|
||||
// user 分区一轮（CompareLimit 2000 条）就是 500 个请求、审查链 51 个请求；
|
||||
// - 本次放到 **8**（= embedding.DefaultBatchLimit，`perItemBudget` 500ms→300ms）：
|
||||
// 同样的分区 500 → **250** 个请求、审查链 51 → **26** 个请求，而单请求实测最大
|
||||
// 1.782s，仍在 5s 之内（16 条/片已复现出 11.043s 的越界单请求，故不取更大）。
|
||||
//
|
||||
// ⚠️ 但它**不缩短整理轮的墙钟**：链路耗时由「条数 × 每条成本」主导，批次只改请求
|
||||
// 数（实测 201 条在 4 条/片与 8 条/片下都是 ~21s）。「整理轮每轮把整个分区重新
|
||||
// 向量化」这个**放大源仍然存在**（user 分区一轮 250 个请求），本切片不动它。
|
||||
//
|
||||
// 批上限在 embedder 内部**还有一道强制**（Embed 自己切片），因此这里即使被改大
|
||||
// 也不会把服务端顶住；这一行只是让调用方别去构造注定被切开的超大切片。
|
||||
|
||||
Reference in new issue
Block a user