オンラインで Go コードパスのブロッキングスレッドを迅速に特定する方法（OpenResty XRay を使用）
- 問題: CPU 使用率が上がらない
- off-CPU 時間を最も占有する Go コードパスを特定
- 完全自動化された分析とレポート
- 問題: CPU 使用率が上がらない
- off-CPU 時間を最も占有する Go コードパスを特定
- 完全自動化された分析とレポート
オンラインで Go コードの CPU 使用率が最も高いパスを素早く特定する方法（OpenResty XRay を使用）
- 問題: 高 CPU 使用率
- 最も CPU 使用率の高い Go コードパスを特定
- 完全自動化された分析とレポート
- 問題: 高 CPU 使用率
- 最も CPU 使用率の高い Go コードパスを特定
- 完全自動化された分析とレポート
Ylang: eBPF、Stap+、GDB などのフレームワーク向け汎用言語（第3回、全4回）
- Ylang の文法（前回の続き）
- 文字列
- 組み込み正規表現サポート
- 完全な制御フロー機能のサポート
- 浮動小数点数のサポート
- オープンソースツールチェーンとの比較
- 明確なデバッグシンボルの手法
- デバッグシンボル：実行時のシステムオーバーヘッドなし
- 集中管理されたパッケージデータベース
- デバッグシンボルのファジーマッチング
- Ylang の文法（前回の続き）
- 文字列
- 組み込み正規表現サポート
- 完全な制御フロー機能のサポート
- 浮動小数点数のサポート
- オープンソースツールチェーンとの比較
- 明確なデバッグシンボルの手法
- デバッグシンボル：実行時のシステムオーバーヘッドなし
- 集中管理されたパッケージデータベース
- デバッグシンボルのファジーマッチング
Ylang: eBPF、Stap+、GDB などのフレームワーク向け汎用言語（第２回、全4回）
- 言語文法（前述の続き）
- マクロ拡張
- トレーサー空間とトレーシー空間
- プローブ
- 拡張変数型
- 言語文法（前述の続き）
- マクロ拡張
- トレーサー空間とトレーシー空間
- プローブ
- 拡張変数型
オンラインで Python コードパスのブロッキングスレッドを迅速に特定する方法（OpenResty XRay を使用）
- 問題: CPU 使用率が上がらない
- off-CPU 時間を最も占有する Python コードパスを特定
- 完全自動化された分析とレポート
- 問題: CPU 使用率が上がらない
- off-CPU 時間を最も占有する Python コードパスを特定
- 完全自動化された分析とレポート
OpenResty XRay を使用して Linux カーネルのトレースサブシステムにおける 2 つのバグを捕捉
- ユーザー空間メモリ読み取り時のカーネルデッドロック
- カーネル内の x86 ブレークポイント挿入におけるデータ競合
- ユーザー空間メモリ読み取り時のカーネルデッドロック
- カーネル内の x86 ブレークポイント挿入におけるデータ競合
オンラインで CPU 使用率が最も高い Perl コードパスを素早く特定する方法（OpenResty XRay を使用）
- 問題: 高 CPU 使用率
- 最も CPU 使用率の高い Perl コードパスを特定
- 完全自動化された分析とレポート
- 問題: 高 CPU 使用率
- 最も CPU 使用率の高い Perl コードパスを特定
- 完全自動化された分析とレポート
OpenResty XRay を使用してオンラインで CPU 負荷の高い Lua コードパスを素早く特定する方法
- 問題: 高 CPU 使用率
- 最も CPU 使用率の高い Lua コードパスを特定
- 完全自動化された分析とレポート
- 問題: 高 CPU 使用率
- 最も CPU 使用率の高い Lua コードパスを特定
- 完全自動化された分析とレポート
OpenResty XRay を使用して、カスタム Kong プラグインの Lua 例外による CPU ボトルネックを解決した方法
- 問題：Kong サーバーの高 CPU 使用率
- 分析とレポート
- 結果：パフォーマンスの向上と CPU 使用率の低下
- 問題：Kong サーバーの高 CPU 使用率
- 分析とレポート
- 結果：パフォーマンスの向上と CPU 使用率の低下
OpenResty XRay を使用して、オンラインの Kong サービスプロセス内のプラグインの CPU およびメモリ使用量をリアルタイムで統計化する方法
- サーバープロセス内のすべての Kong プラグインの CPU 使用状況
- サーバープロセス内のすべての Kong プラグインのメモリ使用状況
- サーバーへの追加負荷
- 今後の展開
- サーバープロセス内のすべての Kong プラグインの CPU 使用状況
- サーバープロセス内のすべての Kong プラグインのメモリ使用状況
- サーバーへの追加負荷
- 今後の展開
Ylang: eBPF、Stap+、GDB などのフレームワーク向け汎用言語（第1回、全4回）
- 動的トレーシングとは
- なぜ「Y」と名付けたのか
- はじめに
- 各種バックエンドとランタイム
- なぜ統一されたフロントエンド言語が必要なのか
- 言語の構文
- 続く
- 動的トレーシングとは
- なぜ「Y」と名付けたのか
- はじめに
- 各種バックエンドとランタイム
- なぜ統一されたフロントエンド言語が必要なのか
- 言語の構文
- 続く
オンラインリクエストの 200ms 追加遅延の自動診断
- 課題
- 分析プロセス
- 完全自動化された分析
- OpenResty XRay とは
- 課題
- 分析プロセス
- 完全自動化された分析
- OpenResty XRay とは
OpenResty XRay のコマンドラインツールを使用してメモリリークしている Lua テーブルを特定する
- LuaJIT のメモリ管理方法
- OpenResty XRay のコマンドラインツール
- リークの例
- 分析プロセス
- lj-gco-ref アナライザ
- 完全自動分析
- LuaJIT のメモリ管理方法
- OpenResty XRay のコマンドラインツール
- リークの例
- 分析プロセス
- lj-gco-ref アナライザ
- 完全自動分析
YSQL 言語を使用した Nginx プロセスのリアルタイムリクエスト数カウント
- run-ysql ツールのインストール方法
- リアルタイムの総リクエスト数の統計
- 特定のリクエストのフィルタリング
- Web コンソールでの YSQL の使用
- 真の非侵襲的トレーシング
- run-ysql ツールのインストール方法
- リアルタイムの総リクエスト数の統計
- 特定のリクエストのフィルタリング
- Web コンソールでの YSQL の使用
- 真の非侵襲的トレーシング
Microsoft Azure クラウド上に OpenResty XRay オンプレミス版をインストールする
- サブスクリプションとリソースグループの作成
- Azure Kubernetes サービスの作成
- 環境変数の準備
- コマンドラインから Azure にログイン\n* Kubernetes の namespace と secret の作成
- Azure ディスクの作成
- 永続ボリュームの設定ファイルの更新
- Kubernetes の設定ファイルの更新
- 永続ボリュームの作成
- Kubernetes サービスのデプロイ
- アプリケーションゲートウェイの設定
- サブスクリプションとリソースグループの作成
- Azure Kubernetes サービスの作成
- 環境変数の準備
- コマンドラインから Azure にログイン\n* Kubernetes の namespace と secret の作成
- Azure ディスクの作成
- 永続ボリュームの設定ファイルの更新
- Kubernetes の設定ファイルの更新
- 永続ボリュームの作成
- Kubernetes サービスのデプロイ
- アプリケーションゲートウェイの設定
Lua IPC パイプが OpenResty または Nginx イベントループをブロックする場合
- 問題点
- 分析
- 解決策
- 結果
- 問題点
- 分析
- 解決策
- 結果
巨大な Nginx 設定による メモリフラグメンテーションの最適化
- 課題
- 分析
- 解決策
- 結果
- 課題
- 分析
- 解決策
- 結果
OpenResty XRay についての FAQ
OpenResty XRay 製品のための「よくある質問」ドキュメントを作成
OpenResty XRay 製品のための「よくある質問」ドキュメントを作成
OpenResty XRay の自動分析レポート
- 過去
- 現在
- 将来
- 過去
- 現在
- 将来
OpenResty XRay による B 站（ビリビリ動画）の重大なオンライン障害の分析と解決
- 障害の説明
- 障害分析のプロセス
- 障害後の修復と強化
- OpenResty XRay の製品とサービス
- 障害の説明
- 障害分析のプロセス
- 障害後の修復と強化
- OpenResty XRay の製品とサービス
