OpenResty 1.27.1.2 正式釋出
- 重點變更
- 完整變更日誌
- 反饋
- 重點變更
- 完整變更日誌
- 反饋
精選文章
藉助 OpenResty XRay，顯著最佳化效能，CPU 使用率立減
90%
藉助 OpenResty XRay，顯著最佳化效能，CPU 使用率立減 90%
最新文章
深入動態追蹤技術：OpenResty XRay 如何徹底改變問題診斷方式
- 動態追蹤：解決複雜系統問題的利器
- 為甚麼選擇 OpenResty XRay？
- 產品聚焦：XRay 在真實場景中的應用案例
- 常見誤區與 FAQ
- 動態追蹤：解決複雜系統問題的利器
- 為甚麼選擇 OpenResty XRay？
- 產品聚焦：XRay 在真實場景中的應用案例
- 常見誤區與 FAQ
日誌、埋點、A/B 測試都不夠用了？你該瞭解”動態追蹤”
- 傳統方法 vs 動態追蹤：效率與控制力的革命
- 動態追蹤：系統的“透視眼”
- 從火焰圖到系統全景
- 為甚麼選擇 OpenResty XRay？
- 動態追蹤的新邊界
- 傳統方法 vs 動態追蹤：效率與控制力的革命
- 動態追蹤：系統的“透視眼”
- 從火焰圖到系統全景
- 為甚麼選擇 OpenResty XRay？
- 動態追蹤的新邊界
可觀測性的下一站：OpenResty XRay 如何重新定義問題排查
- 現代軟體架構下的問題排查為何越來越難？
- 趨勢洞察：可觀測技術的未來
- 動態追蹤技術是如何打通抽象層的
- 實戰案例：線上上 Kong 服務中實時統計外掛資源消耗
- 現代軟體架構下的問題排查為何越來越難？
- 趨勢洞察：可觀測技術的未來
- 動態追蹤技術是如何打通抽象層的
- 實戰案例：線上上 Kong 服務中實時統計外掛資源消耗
為甚麼動態追蹤落地難？OpenResty XRay 如何破局？
- 動態追蹤技術的落地痛點
- OpenResty XRay：新一代動態追蹤解決方案
- 動態追蹤的未來
- 動態追蹤技術的落地痛點
- OpenResty XRay：新一代動態追蹤解決方案
- 動態追蹤的未來
從黑盒到白盒：OpenResty XRay 讓系統問題無所遁形
- OpenResty XRay：黑盒變白盒的動態追蹤利器
- 全方位多角度的分析能力
- 實際案例分享
- 產品願景
- OpenResty XRay：黑盒變白盒的動態追蹤利器
- 全方位多角度的分析能力
- 實際案例分享
- 產品願景
OpenResty XRay 助力 LLVM clang 效能最佳化實踐
- 甚麼是 LLVM/clang
- OpenResty XRay 分析過程
- 最佳化實施與成果
- 甚麼是 LLVM/clang
- OpenResty XRay 分析過程
- 最佳化實施與成果
自我最佳化：OpenResty XRay 的效能蛻變
- 顯著的最佳化成果
- Ylang 語言：動態追蹤的理想工具
- 技術協同的典範
- 顯著的最佳化成果
- Ylang 語言：動態追蹤的理想工具
- 技術協同的典範
OpenResty XRay 助力指令碼效能提升 44 倍
- 真實案例：從發現瓶頸到顯著提速
- OpenResty XRay 的工作原理
- 最佳化效果
- 支適用場景與實踐建議
- 真實案例：從發現瓶頸到顯著提速
- OpenResty XRay 的工作原理
- 最佳化效果
- 支適用場景與實踐建議
跨介質資料結構漂移：OpenResty XRay 助力效能提升 20 倍
- 效能挑戰與突破
- 20 倍效能提升的實際意義
- 未來展望
- 效能挑戰與突破
- 20 倍效能提升的實際意義
- 未來展望
從 OOM 到 O(1)：OpenResty 流式 JSON 解析器的實現之道
- JSONL 格式與傳統 JSON 的區別
- 解決方案
- 技術驗證
- 持續最佳化
- 技術啟示
- JSONL 格式與傳統 JSON 的區別
- 解決方案
- 技術驗證
- 持續最佳化
- 技術啟示
從數天到數小時：OpenResty XRay 如何讓 Linux shred 工具提速幾十倍
- 問題分析
- XRay 實戰效果
- 最佳化過程
- 應用價值
- 總結與展望
- 問題分析
- XRay 實戰效果
- 最佳化過程
- 應用價值
- 總結與展望
實戰分享：OpenResty XRay 讓 Ylang 編譯器效能翻倍
- 顯著的最佳化成果
- Ylang 語言：動態追蹤的理想工具
- 技術協同的典範
- 顯著的最佳化成果
- Ylang 語言：動態追蹤的理想工具
- 技術協同的典範
OpenResty 1.27.1.1 正式釋出
- 重點變更
- 完整變更日誌
- 反饋
- 重點變更
- 完整變更日誌
- 反饋
Java Tomcat 響應慢：用單請求 PCAP 精準定位慢請求
- 診斷 Tomcat 響應慢，精準捕獲慢請求
- 選擇性抓包：按響應時間、狀態碼、路徑過濾
- 每個慢請求單獨下載對應 PCAP 包
- 區分服務端延遲與網路延遲
- 支援 Spring Boot 內嵌 Tomcat 場景
- 診斷 Tomcat 響應慢，精準捕獲慢請求
- 選擇性抓包：按響應時間、狀態碼、路徑過濾
- 每個慢請求單獨下載對應 PCAP 包
- 區分服務端延遲與網路延遲
- 支援 Spring Boot 內嵌 Tomcat 場景
Java 應用效能剖析：CPU、Off-CPU 與磁碟 I/O 分析（無 Safepoint 偏差）
- 用火焰圖剖析 Java CPU 熱點
- Off-CPU Java 效能分析：鎖等待與阻塞診斷
- Java 磁碟 I/O 剖析：追蹤檔案與套接字寫入
- 支援 OpenJDK 8/11/17/21 應用剖析
- 自動化取樣與專家分析
- 效能影響與開銷
- 常見問題
- 用火焰圖剖析 Java CPU 熱點
- Off-CPU Java 效能分析：鎖等待與阻塞診斷
- Java 磁碟 I/O 剖析：追蹤檔案與套接字寫入
- 支援 OpenJDK 8/11/17/21 應用剖析
- 自動化取樣與專家分析
- 效能影響與開銷
- 常見問題
OpenResty XRay Web 控制檯：自動分析報告、實時儀表盤與引導式根因診斷
- Insights 頁面能看到甚麼
- 如何解讀分析報告
- Dashboard 展示哪些實時指標
- 用 Guided Analysis 診斷高 CPU 佔用
- 配置 OpenResty XRay 的 Agent
- 甚麼是 OpenResty XRay
- Insights 頁面能看到甚麼
- 如何解讀分析報告
- Dashboard 展示哪些實時指標
- 用 Guided Analysis 診斷高 CPU 佔用
- 配置 OpenResty XRay 的 Agent
- 甚麼是 OpenResty XRay
使用 XRay 診斷 Python 應用的硬碟 I/O 高問題
- 定位硬碟 I/O 高的 Python 程序
- 使用火焰圖追蹤 Python 磁碟讀寫程式碼路徑
- 自動磁碟 I/O 分析報告
- 常見問題
- 定位硬碟 I/O 高的 Python 程序
- 使用火焰圖追蹤 Python 磁碟讀寫程式碼路徑
- 自動磁碟 I/O 分析報告
- 常見問題
生產環境如何追蹤 PHP 異常（無需重啟應用）
- 使用引導式分析功能分析 PHP 應用中的程式異常
- 全自動分析報告
- 常見問題
- 使用引導式分析功能分析 PHP 應用中的程式異常
- 全自動分析報告
- 常見問題
在 Kubernetes 叢集上安裝 OpenResty XRay 的 Agent
- 登入控制檯
- 在 Kubernetes 叢集上安裝 Agent
- 配置和檢測應用
- 啟動分析器和檢視分析結果
- 安裝另一個 Agent
- 登入控制檯
- 在 Kubernetes 叢集上安裝 Agent
- 配置和檢測應用
- 啟動分析器和檢視分析結果
- 安裝另一個 Agent
