我正在开发一款浏览器游戏,主题是1896年对坦干伊喀湖的科学探险。你在水下潜水,捕捉真实和杂交鱼类,描述物种,并出售你的发现。

所有内容都在服务器上运行:4 个 vCPU,8 GB RAM,PostgreSQL,Node.js,Redis,RabbitMQ。全部使用 Docker。

我使用 AI 代理编写了大部分代码。我花了整整两个周末的时间只完成一项任务——性能优化:

1. 找出到底是什么在消耗服务器资源

我原以为 Node.js 是瓶颈,结果错了。在负载下,Node.js 只使用了单核心的约 75%。PostgreSQL 使用了几乎 2 个核心(4 个中的 2 个)。

数据库的处理时间超过一半都花在一个小的 UI 元素上——“Almost There”提示。例如,“你只需要再捕捉 3 条鱼就能超过另一名玩家在排行榜上的成绩。”

这个块在每次探险结果页面都运行:8 ms × 581,000 次调用。

2. 修复问题并再次测量

优化后,查询执行时间从 16 ms 降至 1.6 ms,在 3,000 名玩家的情况下。

优化前后在负载下的表现:

  • 每秒请求数:280 → 303
  • 探险页面:83 ms → 约 40 ms(中位数)
  • 数据库 CPU 使用率:182% → 157%,而服务器处理的请求更多

3. 找出极限并亲自测试

在优化后,使用同时运行的机器人进行负载测试时,吞吐量不再提升,而延迟继续上升。

当前的极限大约是每秒 20 次探险。如果真实玩家每隔几分钟完成一次探险,相当于单台服务器上约 3,500 人在线。

当服务器达到极限时,我登录游戏自己玩。我测试了近岸的快速潜水、长途旅行以及最大深度。

我没有注意到任何卡顿。

本周末的主要收获是:找出真正需要修复的地方仍然由你来决定。你需要测量、分析数据,并认识到自己的假设可能是错误的。

我知道我下周末会做什么。但如果你找到了“用 AI 让它变快”的按钮,请告诉我。