6.4 大规模主机清单性能调优实验

6.4 大规模主机清单性能调优实验

本节摘要：一场完整记录的性能实验：一百二十台主机的清单、一份中等密度的基线剧本，从基线测量起步，按单变量原则依次验证管道加速、并发提升、事实缓存、任务合并、策略调整五个杠杆的效果。所有数字来自同一环境的对照运行，方法比结论更值得带走。

实验环境与方法

先交代环境，因为脱离环境的数字没有意义。控制机：八核虚拟机，与目标机同机房内网。目标机：一百二十台同规格虚拟机，系统一致，SSH 配置一致。实验剧本：一个标准基线剧本，二十四个任务（两个模板渲染、五个包操作、八个文件操作、九个服务与命令类动作），全部幂等且处于已收敛状态——这一点很关键，收敛状态意味着每个任务都走"检查后发现已满足"的快路径，测的是引擎开销而非模块工作量，正适合做性能归因。

方法上的三条纪律来自 6.2 节的工作流：每次实验前重置环境到收敛状态；每轮只动一个变量；每轮跑三遍取中位数（单次运行受网络抖动影响，三遍取中位是成本与可信度的平衡）。

基线：默认参数下的表现

第一轮，一切默认（forks 为 5，管道关闭，无事实缓存，线性策略）：

第 1 轮 · 基线配置
  运行 1: 17 分 52 秒    运行 2: 18 分 06 秒    运行 3: 17 分 48 秒
  中位数: 17 分 52 秒
  RECAP 汇总: ok=2880  changed=0  failed=0
​

接近十八分钟。计时回调的分组统计显示：单个任务的平均主机耗时约三点五秒，其中纯连接往返约两秒八，模块检查约零点七秒——连接开销占八成，印证了 6.2 节"任务密集剧本的主要矛盾在连接段"的判断。

第二轮：打开 SSH 管道

只改一处：pipelining 设为 True。

第 2 轮 · pipelining = True
  中位数: 11 分 21 秒    （较基线 -36%）
​

效果显著且无副作用——现代发行版默认不强制 requiretty，一次通过。这一轮的启示是杠杆的性价比排序：管道是所有杠杆里"一行配置换三分之一时长"的最划算项，任何规模的环境都该首先检查它有没有开。

第三轮：并发拉高

管道保持开启，forks 从 5 逐级调到 20、50、80：

第 3 轮 · forks 对比（管道开启）
  forks=20 : 6 分 44 秒   （较上轮 -41%）
  forks=50 : 4 分 58 秒   （较 20 再 -26%）
  forks=80 : 4 分 51 秒   （几乎无增益）
​

拐点出现在 50 到 80 之间：控制机 CPU 在 forks 为 80 时接近饱和，连接建立期的加密握手成为瓶颈。结论：本环境下 forks 定在 50。注意这个数字不可直接外推——控制机规格不同，拐点位置不同，"逐级试出拐点"这个动作本身才是可复用的。

第四轮：事实缓存

基线剧本 gather_facts 开启，启用 jsonfile 缓存（超时窗口一天）：

第 4 轮 · jsonfile 事实缓存（forks=50）
  中位数: 4 分 41 秒   （较上轮 -6%）
​

只有六个百分点的改善——正如 6.2 节预判，任务密集剧本里采集占比小。这项杠杆在短剧本场景才显著：实验组加测了一个只有三个任务的修补剧本，缓存开关让时长从 41 秒降到 19 秒，降幅过半。结论固化：长剧本缓存收益小、短剧本收益大；开着没有坏处，按场景预期效果。

第五轮：任务合并

把八个连续的文件类动作合并为两个模板渲染加一个循环文件操作，往返次数从八次降到三次：

第 5 轮 · 任务合并（forks=50，缓存开）
  中位数: 3 分 49 秒   （较上轮 -19%）
​

写法层面杠杆的威力：没有动任何参数，纯靠减少往返。这也是五个杠杆里唯一"免费"的——它同时让剧本更短更清晰。合并的边界仍然要守：合并的前提是动作确实操作同一类资源，为合并而把不相关动作塞进 shell 是倒退（违反幂等纪律）。

第六轮：策略与批次

最后验证 free 策略与 serial 批次的组合。基线剧本的机器间性能差异不大（同规格虚拟机），free 相对线性只快了约四个百分点——快慢等待在这批机器上本就不严重。serial 批次实验则显示清晰的风险换速度关系：serial 为 40 时总时长 3 分 40 秒，serial 为 10 时 4 分 55 秒，但后者单批爆炸半径只有前者的四分之一。结论：该剧本保持线性加业务可接受的批次，不为四个百分点扩大爆炸半径。

实验结果总览

图 6-4：六轮实验的时长对比

实验带走的方法论

数字不能搬走，方法可以。第一，收敛态测量：性能实验要把"引擎开销"与"模块工作量"分离，收敛态（全部 ok）测的是前者。第二，单变量原则：六个杠杆如果一轮全上，你永远不会知道哪三个有效、哪两个无效、哪一个有害。第三，警惕外推：forks 的拐点、缓存的收益、free 的增益全部依赖环境，别人家的结论只能当假设来自己的环境验证。第四，有些"慢"不该修：serial 缩小批次换来的那五分钟，买的是爆炸半径，值。

实验设计的三个对照组

六轮主实验之外，三组补充对照能堵住结论的漏洞，实验报告里应当出现它们的身影。对照一，收敛态与变更态：主实验全部在收敛态（全 ok）测量引擎开销，补一组强制变更态（比如把一处配置回退再跑），看模块真实工作量下的各杠杆增益是否依然成立——结论是管道与并发的增益比例基本不变，因为两者的优化对象（往返次数与并发度）与模块工作量无关，这正是它们稳居前两位的原因。对照二，冷缓存与热缓存：事实缓存的六个百分点是热缓存数字，首次运行（冷缓存）必然无收益，把两个数字都写进结论，防止读者拿着热缓存数据期待冷启动收益。对照三，网络抖动日重跑：主实验集中在一天完成存在偏差风险，关键档位（基线与最终配置）隔日在不同时段重跑，中位数偏差在百分之三以内才算结论稳定。三组对照的共同精神是给结论标注适用域——实验的价值不在数字本身，在数字后面的边界说明，这一点与 7.2 节选型矩阵"先定权重再读分数"是同一种严谨。