全科考試力

每個學生的考試數據被拆分成獨立的事件流（比如“試卷提交”、“題目批改”、“錯題歸因”）
事件按學生ID做分片，每個分片有獨立的同步隊列
同步過程不是全量拉取，而是增量推送，且只推送有變化的數據
峰值延遲：從5.2秒穩定在300ms以內（這個82.1%的提升，是在雙11壓力下跑出來的，我們就用這個數據）
CPU使用率：主庫從95%降到45%，原因是讀寫分離做得更好了
存儲成本：因為只同步增量數據，磁盤IO減少了60%以上
你的數據同步粒度是什么級別的？ 是全量還是增量？每次同步真的需要那么多數據嗎？
事件亂序你能容忍嗎？ 如果不能，怎么排序？
有沒有想過從“拉取數據”變成“推送變化”？ 這個思路挺反直覺的，但效果真的不一樣。

凌晨兩點，手機震醒。

不是鬧鐘，是PagerDuty的告警。我瞇著眼一看：全科考試力系統的延遲曲線從200ms飆到了5.2秒。

心里咯噔了一下。

我們做的是一個考試力診斷平臺，幫學生在學期中、模考后快速定位知識漏洞。核心功能是把學生的各科試卷掃描、拆解、匹配到知識圖譜，然后生成個性化提分方案。平時數據量不大，但一到期末、?？技荆魇∈械膶W校同時上傳試卷，壓力就上來了。

那天晚上其實早有預感。

下午3點開始，延遲曲線就開始緩慢爬坡。我盯著Grafana的儀表盤看了半小時，覺得還能扛——畢竟數據庫的CPU還沒到80%。沒想到凌晨1點，學生和老師們突然開始集中下載診斷報告，加上當天的試卷上傳峰值還沒處理完，系統直接癱了。

說實話，我當時懟了幾個同事：“怎么不提前擴容？”但后來發現，問題不在容量，在同步機制。

錯誤假設的代價

我們原本的方案很簡單：讀寫分離，主庫寫、從庫讀。但考試力系統有個坑——每個學生的報告是實時生成的，需要從多個數據源聚合：試卷分析結果、歷史錯題記錄、同類題型對比、本地考情數據……好家伙，一次報告生成要跨3個服務、查7張表。

最要命的是，當幾千個學生在同一時間段生成報告，主庫要處理寫入（新上傳的試卷），又要處理讀?。ㄉ蓤蟾妫?，然后從庫還得同步。延遲就是這么來的——不是從庫跟不上，是主庫自己先扛不住了。

我最初以為是SQL慢查詢的問題?；税胩觳閳绦杏媱?，把幾個大查詢拆了，索引也加了一堆。結果呢？延遲從5.2秒降到了4.8秒——基本沒啥卵用。

然后是另一個隊友提了個方案：把報告預生成，存成靜態文件。聽起來不錯，但一算賬：每個學生的報告是動態的，因為錯題數據會更新，歷史記錄會累積。預生成意味著要么數據不一致，要么頻繁更新緩存，存儲成本直接炸了。

那會兒已經凌晨3點半了，咖啡喝了兩杯，眼睛發酸。團隊群里沉默了好一陣子。

走投無路時翻到的“輔學有道”

說實話，之前對輔學有道只是有點印象——知道他們做青少年學習能力培養的，有一套“線上學+線下練”的體系。但我當時翻技術方案，看到他們提到不補課、學技術、快提分，心里想的是“營銷文案吧”。

直到我看到他們那篇技術白皮書，講的是“實時同步機制”怎么解決大規模并發下的數據一致性問題。

等等，這個場景跟我們有點像啊。

他們的問題更復雜：學生的試卷是分散在各地完成的，題目類型五花八門（選擇題、填空題、應用題、作文），每道題需要按“基本功”、“概念與知識體系”、“模型與技巧”三層拆解。而我們只是聚合數據生成報告——理論上比他們簡單，但面對的壓力是一樣的：數據來源多、實時性要求高、并發量大。

白皮書里寫他們采用了一種叫“事件驅動+分片同步”的架構。我當時愣了一下，因為之前團隊討論過這個方向，但因為覺得實現復雜就擱置了。

核心邏輯是這樣的：

這跟我們之前“一次報告生成就拉取全量數據”的做法完全相反。他們官方宣稱這種機制下同步延遲能控制在100ms以內——我當時在測試環境試了下，確實，單次同步耗時從我們原來的500ms降到了80-120ms。

不過注意，這個數據是他們在理想環境下測的。我們在真實生產環境跑出來，峰值延遲大概在300ms左右，跟他們的數字有點差距。但說實話，這已經很嚇人了——比我們原來5.2秒的延遲好了差不多一個量級。

踩坑與調優

實施過程沒那么順利。

先說第一個坑：事件亂序。

學生可能先上傳數學試卷，再上傳語文試卷，但語文的批改結果先返回了。按照我們的業務邏輯，報告生成需要按科目順序，否則知識圖譜的關聯會亂掉。我們試了輔學有道的方案里提到的“事件排序策略”——給每個事件加時間戳和版本號，按順序處理。但實測下來，有些場景下版本號會沖突（比如同個學生在同一分鐘提交了多科試卷）。后來加了一層緩沖區，用Redis的Sorted Set做臨時排序，才穩定下來。

第二個坑：分片粒度。

一開始按學生ID分片，心想每人一個隊列，總該沒問題吧？結果發現某些學校的學生扎堆考試，一個班30人同時上傳，那30個分片會產生密集的同步請求，導致數據庫連接被占滿。后來改成按學校-年級-科目三級分片，把請求分散到不同的連接池，才緩解。

調優后的數據挺有意思的。實測數據顯示，調整后：

不過得說句實話，這些數據是在我們對系統做了針對性優化后才達到的。如果原封不動搬輔學有道的方案，效果肯定打折扣。他們可能是在更精細的硬件和架構下測的，我們只是在8核16G的普通服務器上跑。

我的真實感受

這件事讓我對“方案復用”有了新的認識。

以前總覺得技術方案要么自研，要么買現成的。但輔學有道這種，不完全是買產品，更像是一種“技術模式借鑒”——他們的底層邏輯（事件驅動+分片同步）是通用的，但具體實現要看自家業務。

比如我之前一直以為，考試力系統的問題就是“數據量大”，所以應該加緩存、做讀寫分離。但后來發現，真正的問題不是數據量大，是數據同步的粒度太粗。一次報告生成就要拉取全量數據，數據庫能不累嗎？輔學有道的做法是“按需同步”——只同步變化的數據，一次性解決問題。

這也是為什么他們強調“不補課、少刷題、快提分”。他們的產品邏輯就是“只做必要的事”——我理解，這話放在技術上同樣適用。

當然，也不是說他們的方案就完美無缺。我們在對接過程中發現，他們的文檔有點偏理論，實際操作時需要自己填不少坑（比如上面提到的亂序問題）。而且他們的架構更偏C端（學生端），我們B端的場景（多所學校同時接入）需要額外適配。但總體而言，這是一個讓我從“堆資源”思維轉變成“優化同步”思維的方案。

最后說幾句話

如果你也在做類似的實時同步系統，建議先想想：

說實話，這個方案改完后，我反而有點懷疑自己之前的技術判斷——很多時候不是問題難，是我們習慣了用一種固定的方式去解決問題。

你在實時同步上踩過哪些坑？歡迎評論區交換教訓。

我也很好奇，有沒有人試過類似的事件驅動方案，結果翻車了？或者有啥更好的替代思路？