← Back
Openresty-Xray
从 AI 火焰图分析到经验证的修复:用 OpenResty XRay 驱动 Coding Agent 性能优化闭环
- 前提:目标机器上必须已安装 OpenResty XRay
- coding agent 缺的不是智力,是运行时视野
- 三轮优化:336 → 4,457 → 26,028 → 29,968 RPS
- Lua + C 双视角:为什么不要误优化 writev
- 常见问题

- 前提:目标机器上必须已安装 OpenResty XRay
- coding agent 缺的不是智力,是运行时视野
- 三轮优化:336 → 4,457 → 26,028 → 29,968 RPS
- Lua + C 双视角:为什么不要误优化 writev
- 常见问题
P99 延迟:为什么平均值会骗人,以及如何诊断最慢的 1%
- 什么是 P99 延迟?
- P50 vs P95 vs P99:每个百分位告诉你什么
- 为什么平均延迟会骗人
- P99 延迟为什么高?根因谱系
- 如何诊断高 P99 延迟
- 如何降低 P99 延迟:修你查出来的问题
- 小结
- 常见问题

- 什么是 P99 延迟?
- P50 vs P95 vs P99:每个百分位告诉你什么
- 为什么平均延迟会骗人
- P99 延迟为什么高?根因谱系
- 如何诊断高 P99 延迟
- 如何降低 P99 延迟:修你查出来的问题
- 小结
- 常见问题
火焰图详解:如何读懂 CPU 火焰图,找出烧掉 CPU 的代码
- 什么是火焰图:定义、坐标轴与四条读图规则
- 怎样读火焰图:plateau、tower、hair 形态与 self / total
- 三个真实案例:PHP preg_match、Go regexp.MustCompile、Erlang erts_pcre_exec
- 从 100% CPU 到罪魁代码行:四步排查流程与技术栈路由表
- 如何为你的技术栈生成火焰图
- Icicle graph、flame chart 与其他变体
- AI 能替你读火焰图吗?

- 什么是火焰图:定义、坐标轴与四条读图规则
- 怎样读火焰图:plateau、tower、hair 形态与 self / total
- 三个真实案例:PHP preg_match、Go regexp.MustCompile、Erlang erts_pcre_exec
- 从 100% CPU 到罪魁代码行:四步排查流程与技术栈路由表
- 如何为你的技术栈生成火焰图
- Icicle graph、flame chart 与其他变体
- AI 能替你读火焰图吗?
生产环境内存泄漏定位:从 RSS 飙升到源码行号的分层归因
- 症状:只升不降的内存曲线
- 内存泄漏还是内存占用高?
- 四类泄漏模式的真实根因链
- 看起来在涨,其实不是泄漏
- 如何定位泄漏:自顶向下的分层归因
- 传统工具为什么在生产环境里不够用
- 常见问题

- 症状:只升不降的内存曲线
- 内存泄漏还是内存占用高?
- 四类泄漏模式的真实根因链
- 看起来在涨,其实不是泄漏
- 如何定位泄漏:自顶向下的分层归因
- 传统工具为什么在生产环境里不够用
- 常见问题
Off-CPU 分析实战:CPU 使用率低但延迟高的四类根因与定位方法
- Off-CPU 时间是什么?
- 症状:CPU 使用率上不去,请求却在排队
- 四类 Off-CPU 根因的真实根因链
- 如何量化 Off-CPU 时间
- On-CPU + Off-CPU = 挂钟时间:全局视角与工具生态
- 常见问题

- Off-CPU 时间是什么?
- 症状:CPU 使用率上不去,请求却在排队
- 四类 Off-CPU 根因的真实根因链
- 如何量化 Off-CPU 时间
- On-CPU + Off-CPU = 挂钟时间:全局视角与工具生态
- 常见问题
OpenResty XRay AI 助手:让每一份分析数据都能开口说话
- 它和“把报告贴进 ChatGPT”有什么区别?
- 三个典型场景
- 常见问题:AI 能读懂火焰图吗?解读可靠吗?

- 它和“把报告贴进 ChatGPT”有什么区别?
- 三个典型场景
- 常见问题:AI 能读懂火焰图吗?解读可靠吗?
OpenResty 私有库:高性能 Lua 与 Nginx 模块
- 完整目录
- 按场景分类
- 许可方式
- 常见问题

- 完整目录
- 按场景分类
- 许可方式
- 常见问题
二进制漏洞扫描:识别 Backport 补丁,消除误报
- 为什么版本匹配漏洞扫描会失效:三类叠加代价
- OpenResty XRay 的二进制漏洞扫描如何工作:证据优先模型
- 实战案例:Rocky Linux 双版本 OpenSSL 场景下的二进制漏洞扫描
- 从告警疲劳到精准:可持续的漏洞扫描实践

- 为什么版本匹配漏洞扫描会失效:三类叠加代价
- OpenResty XRay 的二进制漏洞扫描如何工作:证据优先模型
- 实战案例:Rocky Linux 双版本 OpenSSL 场景下的二进制漏洞扫描
- 从告警疲劳到精准:可持续的漏洞扫描实践
不改代码、不重启服务:OpenResty XRay 如何对生产环境做全栈动态追踪
- 现有动态追踪框架的技术权衡与生产环境局限性
- OpenResty XRay 的动态追踪架构级突破
- 全栈火焰图
- 能力边界的持续扩展

- 现有动态追踪框架的技术权衡与生产环境局限性
- OpenResty XRay 的动态追踪架构级突破
- 全栈火焰图
- 能力边界的持续扩展
OpenResty XRay 是什么
- 以“零侵入”重构生产环境性能分析
- 将海量遥测数据转化为可执行的洞察
- 适应弹性架构的无感观测能力
- 赋能高可用架构的长期主义

- 以“零侵入”重构生产环境性能分析
- 将海量遥测数据转化为可执行的洞察
- 适应弹性架构的无感观测能力
- 赋能高可用架构的长期主义
一次无法重启的 Nginx 内存泄漏,我们是如何在生产环境把它抓出来的
- 一次生产环境内存泄漏的完整解剖
- 为什么这类问题几乎无解?
- 从“靠运气”到“可预测”
- 当性能问题超越“工具”范畴”

- 一次生产环境内存泄漏的完整解剖
- 为什么这类问题几乎无解?
- 从“靠运气”到“可预测”
- 当性能问题超越“工具”范畴”
Nginx 反向代理 QPS 暴跌 15 倍:upstream keepalive 缺失与 -O0 编译选项的根因定位
- Nginx 反向代理慢 15 倍,日志却零报错
- 火焰图暴露连接风暴:upstream keepalive 缺失
- 剩下的 10% 差距:基线对比指向编译器
- -O0 调试编译如何吃掉我们 10% 的性能
- 15 倍 QPS 差异的工程性复盘

- Nginx 反向代理慢 15 倍,日志却零报错
- 火焰图暴露连接风暴:upstream keepalive 缺失
- 剩下的 10% 差距:基线对比指向编译器
- -O0 调试编译如何吃掉我们 10% 的性能
- 15 倍 QPS 差异的工程性复盘
修复 OpenResty 中 LuaJIT RSS 内存泄漏:无需重启即可消除 OOM Kill
- 什么是 LuaJIT「伪内存泄漏」?
- 用真实生产数据诊断问题
- 为什么常规修复手段无效
- LuaJIT-plus 如何在分配器层面解决
- 上线后的生产收益

- 什么是 LuaJIT「伪内存泄漏」?
- 用真实生产数据诊断问题
- 为什么常规修复手段无效
- LuaJIT-plus 如何在分配器层面解决
- 上线后的生产收益
我们如何在一个 500k QPS 的 OpenResty 网关中定位 244 毫秒的性能异常
- 被健康平均值掩盖的延迟尖刺与 CPU 浪费
- 无需改代码、无需重启:OpenResty 延迟问题排查
- 优化结果:延迟毛刺消除,CPU 使用率下降 30%
- 常见问题

- 被健康平均值掩盖的延迟尖刺与 CPU 浪费
- 无需改代码、无需重启:OpenResty 延迟问题排查
- 优化结果:延迟毛刺消除,CPU 使用率下降 30%
- 常见问题
如何在生产环境中定位 Java 内存泄漏——无需堆转储、无需重启
- 为什么多次 Full GC 后堆内存仍未回落
- 如何在不导出堆转储的情况下定位生产环境的 Java 内存泄漏
- 如何定位 Java 内存泄漏:一套可复用的三步法
- 为什么用 OpenResty XRay 定位 Java 内存泄漏
- 常见问题

- 为什么多次 Full GC 后堆内存仍未回落
- 如何在不导出堆转储的情况下定位生产环境的 Java 内存泄漏
- 如何定位 Java 内存泄漏:一套可复用的三步法
- 为什么用 OpenResty XRay 定位 Java 内存泄漏
- 常见问题
当”黑盒”插件吃掉 45% CPU,我们如何在无源码情况下定位到 Lua 第 93 行
- 当 perf 遇到“黑盒”
- 从采样到全栈动态追踪
- 拿到证据链
- 从“发生了什么”到“为什么”

- 当 perf 遇到“黑盒”
- 从采样到全栈动态追踪
- 拿到证据链
- 从“发生了什么”到“为什么”
Gzip CPU 占用过高的根因:压缩级别 6 吃掉了 54% 的 CPU
- Gzip 压缩如何在生产环境中吃掉了 54% 的 CPU
- Gzip CPU 占用为何如此之高:配置级根因诊断
- 量化 Gzip 与 Brotli 的 CPU 开销
- 从凭感觉到数据驱动的压缩调优

- Gzip 压缩如何在生产环境中吃掉了 54% 的 CPU
- Gzip CPU 占用为何如此之高:配置级根因诊断
- 量化 Gzip 与 Brotli 的 CPU 开销
- 从凭感觉到数据驱动的压缩调优
Nginx C++ 模块内存泄漏:生产环境不重启定位根因
- 生产环境难题:无法用 GDB 调试的 C++ 模块内存泄漏
- 火焰图如何锁定 ngx_dubbo_module 中的泄漏函数
- 从被动应对到主动赋能:XRay 带来的排障新闭环
- 总结

- 生产环境难题:无法用 GDB 调试的 C++ 模块内存泄漏
- 火焰图如何锁定 ngx_dubbo_module 中的泄漏函数
- 从被动应对到主动赋能:XRay 带来的排障新闭环
- 总结
无侵入式 Java 探针:生产环境无 Java Agent 捕获方法参数
- 为什么无侵入式 Java 探针在生产环境很重要
- 实战演示:在生产环境捕获 Java 方法参数
- OpenResty XRay 与常见 Java Profiler 的差异
- 常见问题

- 为什么无侵入式 Java 探针在生产环境很重要
- 实战演示:在生产环境捕获 Java 方法参数
- OpenResty XRay 与常见 Java Profiler 的差异
- 常见问题
自动根因分析:OpenResty XRay 如何将故障精确定位到代码行
- 为什么“更多可观测性数据”不等于“更快的根因分析”
- XRay 的自动根因分析与传统监控有何不同?
- 自动根因分析实战:三个生产环境案例
- 常见问题 FAQ

- 为什么“更多可观测性数据”不等于“更快的根因分析”
- XRay 的自动根因分析与传统监控有何不同?
- 自动根因分析实战:三个生产环境案例
- 常见问题 FAQ
Perl 内存泄漏排查案例:数 GB 降至 60MB,一张火焰图定位根因
- 精准定位内存泄漏根因
- 显著的优化成效
- 延展阅读
- 总结

- 精准定位内存泄漏根因
- 显著的优化成效
- 延展阅读
- 总结
Node.js 函数探针:不改代码捕获运行中函数的实参
- 为什么要在不修改代码的前提下追踪 Node.js 函数?
- 如何不改代码捕获 Node.js 函数实参
- 团队如何在生产环境使用无侵入式 Node.js 探针

- 为什么要在不修改代码的前提下追踪 Node.js 函数?
- 如何不改代码捕获 Node.js 函数实参
- 团队如何在生产环境使用无侵入式 Node.js 探针
Nginx Worker 进程 RPS 上不去:追踪到 75 毫秒的事件循环阻塞
- 负载很高却没干活:缺失 worker_cpu_affinity 导致的 CPU 争抢
- 阻塞的 Lua IO 操作如何拖停 Nginx 事件循环
- 量化文件 IO 延时:单次最高 1.5 毫秒
- Nginx 事件循环阻塞有多严重?43952 个样本、最大 75 毫秒
- 常见问题

- 负载很高却没干活:缺失 worker_cpu_affinity 导致的 CPU 争抢
- 阻塞的 Lua IO 操作如何拖停 Nginx 事件循环
- 量化文件 IO 延时:单次最高 1.5 毫秒
- Nginx 事件循环阻塞有多严重?43952 个样本、最大 75 毫秒
- 常见问题
双重瓶颈并发?OpenResty XRay 多维分析破解性能难题
- 整体 CPU 使用分析
- 深入模块内部分析
- 压缩策略深度分析
- 分析结论
- 优化解决方案

- 整体 CPU 使用分析
- 深入模块内部分析
- 压缩策略深度分析
- 分析结论
- 优化解决方案
零侵入 Node.js CPU 性能分析:火焰图实战
- Node.js 应用中的高 CPU 使用率问题
- Node.js 应用中的 CPU 阻塞问题
- 支持的 Node.js 版本和操作系统
- 性能影响和额外负担
- 下一步的计划

- Node.js 应用中的高 CPU 使用率问题
- Node.js 应用中的 CPU 阻塞问题
- 支持的 Node.js 版本和操作系统
- 性能影响和额外负担
- 下一步的计划
从崩溃到根因:OpenResty XRay 如何将 Nginx 内存踩踏问题分析得明明白白
- 案例背景:日志无法解释的 Nginx worker 进程频繁崩溃
- 分析录制文件:把崩溃过程回放回“第一现场”
- 根因:Nginx 连接生命周期中的 Use-After-Free
- 常见问题(FAQ)

- 案例背景:日志无法解释的 Nginx worker 进程频繁崩溃
- 分析录制文件:把崩溃过程回放回“第一现场”
- 根因:Nginx 连接生命周期中的 Use-After-Free
- 常见问题(FAQ)
UDB + OpenResty XRay:解锁 OpenResty 应用性能之谜
- OpenResty XRay 如何协同 UDB 增效
- 实战:使用 UDB 与 OpenResty XRay 分析 OpenResty 应用的 Lua 代码调用栈
- 时间旅行调试的优势

- OpenResty XRay 如何协同 UDB 增效
- 实战:使用 UDB 与 OpenResty XRay 分析 OpenResty 应用的 Lua 代码调用栈
- 时间旅行调试的优势
UDB 与 OpenResty XRay 如何让你看透 Perl 代码执行全过程
- UDB 是什么?
- 实战:使用 OpenResty XRay 与 UDB 分析 Perl 应用的代码调用栈
- 为什么越来越多开发者选择 UDB?

- UDB 是什么?
- 实战:使用 OpenResty XRay 与 UDB 分析 Perl 应用的代码调用栈
- 为什么越来越多开发者选择 UDB?
如何用时间旅行调用栈调试 Java 文件 I/O
- IDE 断点和 coredump 在 Java 文件 I/O 排查中的短板
- 从 native write() 系统调用重建完整的 Java 调用栈
- 用时间旅行回放一步步调试 Java 文件 I/O
- 常见问题

- IDE 断点和 coredump 在 Java 文件 I/O 排查中的短板
- 从 native write() 系统调用重建完整的 Java 调用栈
- 用时间旅行回放一步步调试 Java 文件 I/O
- 常见问题
结合 UDB 的时间旅行功能,揭秘 Python 代码执行过程
- UDB 在 Python 调试中的独特价值
- 结合 OpenResty XRay 增强调试能力
- 实战案例:分析 Python 网络请求的调用栈
- 总结

- UDB 在 Python 调试中的独特价值
- 结合 OpenResty XRay 增强调试能力
- 实战案例:分析 Python 网络请求的调用栈
- 总结
追踪 OpenResty 中 LRU 缓存引发的内存泄漏 —— 根因竟是缓存的 SSL 证书
- 为什么一个低流量的 OpenResty 应用会持续泄漏内存
- 一步步追踪 LRU 缓存内存泄漏的完整过程
- 最终结果:从无限增长到内存平稳

- 为什么一个低流量的 OpenResty 应用会持续泄漏内存
- 一步步追踪 LRU 缓存内存泄漏的完整过程
- 最终结果:从无限增长到内存平稳
Nginx Worker CPU 占用不均:定位未启用 reuseport 与 cjson 解析瓶颈
- 症状:部分 Nginx Worker 进程 CPU 打满,其余接近空闲
- OpenResty XRay 如何定位根因
- 修复:三项优化与各自的实测收益
- 总结:OpenResty XRay 几分钟内的发现
- 常见问题

- 症状:部分 Nginx Worker 进程 CPU 打满,其余接近空闲
- OpenResty XRay 如何定位根因
- 修复:三项优化与各自的实测收益
- 总结:OpenResty XRay 几分钟内的发现
- 常见问题
动态追踪的瑞士军刀:Y 语言如何让动态追踪不再复杂
- 行业痛点:为什么我们迫切需要一门全新的追踪语言?
- 技术硬实力:Y 语言凭什么敢说“革命性”?
- Y 语言语法:熟悉的 C,更强大的追踪能力
- 杀手级应用场景:解决传统工具无法解决的问题
- 全平台支持:没有 Y 语言到不了的地方

- 行业痛点:为什么我们迫切需要一门全新的追踪语言?
- 技术硬实力:Y 语言凭什么敢说“革命性”?
- Y 语言语法:熟悉的 C,更强大的追踪能力
- 杀手级应用场景:解决传统工具无法解决的问题
- 全平台支持:没有 Y 语言到不了的地方
OpenResty XRay 重要突破:无侵入分析 Java 应用内存与 Envoy Lua 性能
- 无需侵入,彻底洞察 Java 应用内存
- 首次打通 Envoy 内 Lua 性能黑盒

- 无需侵入,彻底洞察 Java 应用内存
- 首次打通 Envoy 内 Lua 性能黑盒
为什么动态追踪才是生产环境调试的未来
- 现代软件中看不见的危机
- 传统工具为何会失效?
- 故障排除的新范式:动态追踪
- OpenResty XRay 的独特之处

- 现代软件中看不见的危机
- 传统工具为何会失效?
- 故障排除的新范式:动态追踪
- OpenResty XRay 的独特之处
深入动态追踪技术:OpenResty XRay 如何彻底改变问题诊断方式
- 动态追踪:解决复杂系统问题的利器
- 为什么选择 OpenResty XRay?
- 产品聚焦:XRay 在真实场景中的应用案例
- 常见误区与 FAQ

- 动态追踪:解决复杂系统问题的利器
- 为什么选择 OpenResty XRay?
- 产品聚焦:XRay 在真实场景中的应用案例
- 常见误区与 FAQ
日志、埋点、A/B 测试都不够用了?你该了解”动态追踪”
- 传统方法 vs 动态追踪:效率与控制力的革命
- 动态追踪:系统的“透视眼”
- 从火焰图到系统全景
- 为什么选择 OpenResty XRay?
- 动态追踪的新边界

- 传统方法 vs 动态追踪:效率与控制力的革命
- 动态追踪:系统的“透视眼”
- 从火焰图到系统全景
- 为什么选择 OpenResty XRay?
- 动态追踪的新边界
为什么动态追踪落地难?OpenResty XRay 如何破局?
- 动态追踪技术的落地痛点
- OpenResty XRay:新一代动态追踪解决方案
- 动态追踪的未来

- 动态追踪技术的落地痛点
- OpenResty XRay:新一代动态追踪解决方案
- 动态追踪的未来
可观测性的下一站:OpenResty XRay 如何重新定义问题排查
- 现代软件架构下的问题排查为何越来越难?
- 趋势洞察:可观测技术的未来
- 动态追踪技术是如何打通抽象层的
- 实战案例:在线上 Kong 服务中实时统计插件资源消耗

- 现代软件架构下的问题排查为何越来越难?
- 趋势洞察:可观测技术的未来
- 动态追踪技术是如何打通抽象层的
- 实战案例:在线上 Kong 服务中实时统计插件资源消耗
从黑盒到白盒:OpenResty XRay 让系统问题无所遁形
- OpenResty XRay:黑盒变白盒的动态追踪利器
- 全方位多角度的分析能力
- 实际案例分享
- 产品愿景

- OpenResty XRay:黑盒变白盒的动态追踪利器
- 全方位多角度的分析能力
- 实际案例分享
- 产品愿景
OpenResty XRay 助力 LLVM clang 性能优化实践
- 什么是 LLVM/clang
- OpenResty XRay 分析过程
- 优化实施与成果

- 什么是 LLVM/clang
- OpenResty XRay 分析过程
- 优化实施与成果
自我优化:OpenResty XRay 的性能蜕变
- 显著的优化成果
- Ylang 语言:动态追踪的理想工具
- 技术协同的典范

- 显著的优化成果
- Ylang 语言:动态追踪的理想工具
- 技术协同的典范
OpenResty XRay 助力脚本性能提升 44 倍
- 真实案例:从发现瓶颈到显著提速
- OpenResty XRay 的工作原理
- 优化效果
- 支适用场景与实践建议

- 真实案例:从发现瓶颈到显著提速
- OpenResty XRay 的工作原理
- 优化效果
- 支适用场景与实践建议
跨介质数据结构漂移:OpenResty XRay 助力性能提升 20 倍
- 性能挑战与突破
- 20 倍性能提升的实际意义
- 未来展望

- 性能挑战与突破
- 20 倍性能提升的实际意义
- 未来展望
