Files
crawler-plugin/docs/ops/perf-review-2026-10-02.md
T
huangzd1997 b5614c9f10 docs(运维): 上线后性能/逻辑审查报告(外观与货源两条链的批间串行等待是大头)
只读代码审查,每条带 file:line,依赖线上数才能定量化的标了【待测】并附取数 SQL。
四条 P0 的共同形态是「贵的不是 LLM 本身,是夹在批次之间的串行等待」;另记两处
有现成批量接口没接上的系统性浪费与一处调度自相矛盾(PENDING 排队超 5 分钟被 retry
顶到上限,之后一次真实超时直接判死)。
2026-10-02 09:22:48 +08:00

164 lines
21 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 上线后性能 / 逻辑优化建议(2026-10-02)
审查方式:只读代码,未连生产、未压测。所有 file:line 均已逐行回读确认;凡依赖线上数据才能定量化的,标了 `【待测】` 并给出取数语句。
本报告按「能缩短多少单任务时长」排序,不按改动难度排序。
---
## 一、结论摘要
外观专利与货源是任务时长的大头(外观占 LLM 花费 95%)。这两条链上**最贵的不是 LLM 本身,而是夹在 LLM 批次之间的串行等待**:
| # | 问题 | 位置 | 每任务额外代价 |
|---|---|---|---|
| A1 | 每个 LLM 批次之间把全部分片从对象存储重读重解析一遍 | `AppearancePatentTaskService.java:1926`→`:3126` | 轮数 × 分片数 次远程 GET,全在批间空档,期内并发槽闲置 |
| A2 | 品牌校验逐行发、每行各带一个 90 秒预算;同项目已有的批量+缓存过滤器没用 | `AppearancePatentLlmClient.java:916` | 一批 10 行 = 10 个独立 90s 预算串行 |
| A3 | 货源采集链仍逐行回传 + 逐行查终态,没吃到变体链已上线的攒批 | `func/collect_data_run/handler.py:338-350` | 每行 2 次公网 HTTP |
| A4 | 每次开页取 cookie 都让 Redis 全键空间 SCAN 一遍 | `maixiang_task_api/main.py:315` | 与开页次数等量(实测口径 10 万+ 次开页 = 10 万+ 次扫描) |
B 组是 DB / 对象存储的往返浪费(心跳整行读、删除路径的全表 COUNT、结果文件作业的调度自相矛盾),C 组是吞吐上限(要先测再改),D 组是交付层低成本项。
---
## 二、A 组:直接缩短单任务时长
### A1 外观专利:批间全量重读分片 `[P0]`
**证据链**
- `modules/appearancepatent/service/AppearancePatentTaskService.java:902-904` 注释自陈「同步检测:按批次串行调用 LLM」;`:915` 取 `llm-batch-size`(yml:336 默认 **10**);`:949` 外层 `for (i += batchSize)` 串行推进。
- 每轮批内 `:970 mergeLlmRowsIntoChunks` → `:1047` 定义 → `mergeLlmRowsIntoSubmittedChunks`:`:1926 loadSubmittedChunks(task.getId())` 取回**该任务全部分片**,`:1934` 对每一片调 `readChunkRows(chunk)`。
- `:3126 readChunkRows` = `transientPayloadStorageService.resolvePayload(...)`(RustFS/OSS GET)+ 整片 JSON 反序列化。
**代价**:N 行任务 = ⌈N/10⌉ 轮,每轮 C 次载荷 GET + 全量解析(C = 分片数)。5000 行、C=25 → 500 轮 × 25 = **1.25 万次 GET、约 250 万行对象解析**,全部串在批与批之间。这段时间 `llm-row-concurrency:5`(yml:343)的槽是空着的。
`【待测】C 的真实分布`:`SELECT task_id, COUNT(*) c FROM biz_task_chunk WHERE module_type='APPEARANCE_PATENT' GROUP BY task_id ORDER BY c DESC LIMIT 20;`
**改法**(纯读,不动写回)
1. 把 `Map<chunkKey, Map<rowKey,row>>` 提成批循环的局部状态,在 `:1058 collectPendingLlmCandidates` 首次读片时就建好,批内 merge 只更新真正被写回的那几片;
2. 参照 similarasin 侧已有的 `indexRowsByChunkKey` 思路建 `rowKey→chunkKey` 索引,去掉 `:1910` 对全部分片的线性试探。
**风险**:分片在批中被别的入口改写时读到旧态。现状靠 `mergeChunkPayload` 的 CAS 兜住,改后仍要走同一 CAS,只省读不省写。行数与判定结果不变。
### A2 外观专利:品牌校验合批 + 复用已有缓存 `[P0]`
**证据链**
- `modules/appearancepatent/client/AppearancePatentLlmClient.java:187-200` 是行循环,`:197 applyResult(...)`;`applyResult` 内 `:916` 调 `brandCheckClient.checkTitleText(result.title(), "Terms")`。
- `modules/brand/client/BrandCheckClient.java:201-203 checkTitleText` → `checkAll(splitTitleText(title), strategy)`;`:100-101` 预算 `total-timeout-millis` **每次调用重算**(yml:320-325:`retry-times:10 / total-timeout-millis:90000 / read-timeout-millis:60000`)。
- 同项目 `modules/collectdata/util/CollectDataBrandBatchFilter.java:26-31` 注释与 `:44-62` 实现已经做过这件事:按 10 行一批去重后一次 `checkAll`(整批共享预算)+ 512 条 LRU 判定缓存 + 远程抛错不写缓存。**外观侧完全没走它**。
**代价**:一批 10 行 = 10 个独立 90s 预算串行;上游 16890 劣化时批间隔被拉到分钟级。跨行同品牌(nike/adidas 这类高频词)零复用。
**这一条的量级取决于 16890 现在的状态**:9-28 实测 jikip 套餐彻底失效那轮,`distinct 品牌 291 / 最终判失败 290`(99.7%),A 机 45 分钟内 `整批耗时预算用尽` 290 次,当时的结论是"10 次重试纯放大时延、零收益"(`docs/ops/prod-decisions-2026-09-28.md` §八)。
- 上游**正常**时:合批+缓存省的是 10 次往返 → 1 次,收益是个常数因子;
- 上游**再次劣化**时:`每行一个 90s 预算` 意味着 10 行/批最坏 900s,改成整批共享预算后最坏仍是 90s/批 —— **这条真正的价值是把爆炸半径从"行"收回"批",和外观合批那次同样的思路**。所以下手前先看一眼 16890 现在的成功率,它决定 A2 排在 A1 前还是后。
**改法**:`applyResult` 拆两段——先收齐全批 keywords,`distinct` 后一次 `checkAll`,再按行取结论;缓存口径照抄 `CollectDataBrandBatchFilter.checkAndCache`。**不要新建类**,把该过滤器提到可被外观复用的位置即可。
**风险(必须拍)**:合并后同品牌在同批内共享一次结论。上游抖动时「第 1 行 OK、第 2 行 QUERY_FAILED」会变成两行同结论 → **判定集合可能变化**,属于本项目在意的静默错判族(参见外观 id 塌陷那次)。行数不变、LLM 输出不变。
### A3 货源采集链:套用变体链已上线的攒批 `[P0]`
**证据链**
- `maixiang_run_task/func/collect_data_run/handler.py:338-350 _emit`:每产出一条就 `feed(pending, False)`,紧跟 `:345 self._is_task_terminal(task_id)`。
- `func/amazon_base.py:460-471 _is_task_terminal`:每次调 `api_client.get_batch_status(task_id)`,**无节流**。
- 对照组 `func/variant-collection/handler.py:235-257`:攒批 flush + `TERMINAL_CHECK_INTERVAL` 节流 + 失败批留缓冲重发。变体链已改完,货源链没跟上。
**代价**:每行 2 次公网 HTTP(`API_BASE_URL` 走公网 121.196.149.225:18960),另加 `:343` 每行把整条 payload 打进日志。一次往返失败被 `tools/api_client.py:33-43`(timeout 30×3 + sleep 2)卡住最长约 94s。
**改法**:把变体链的缓冲与终态节流提到 `amazon_base` 的公共方法,`_emit` 走同一缓冲。
**风险**:不改行数。**需采集机跑一次 `更新并重启.bat` 才生效**(与变体那条同一批次,不额外增加发布动作)。
### A4 取 cookie 的全键空间 SCAN `[P0]`
**证据链**:`maixiang_task_api/main.py:300 /api/cookie/get` → `:315 async for k in redis_client.scan_iter(match=f"{country}:*", count=100)`。
**代价**:SCAN 的 `match` 是**扫完再过滤**,成本取决于键空间大小而非命中数。每一次开页要一个 cookie 就扫一遍全库,与队列 `LMOVE`、心跳抢同一条 Redis 连接池。
**改法**:`/cookie/add` 时 `SADD cookie:{country}`、失效时 `SREM`,`get_cookie` 改 `SRANDMEMBER cookie:{country} 3`,保留 `:301-305` 注释写明的"随机打散取用"意图(那注释是为了避免所有并发任务抢同一个 cookie 被风控拉黑)。
**风险**:存量 cookie 必须一次性回填 Set,漏回填=取不到 cookie=整链失败。这是本组唯一硬风险,上线判据要写"取空计数为 0"。
---
## 三、B 组:DB 与对象存储往返浪费
### B1 心跳每 60 秒整行读任务 + 全实体序列化进 Redis `[P1]`
- 频率:`app_client/amazon/main.py:311 HEARTBEAT_INTERVAL = 60`,每个在跑任务一次 POST `/api/tasks/{id}/heartbeat`。
- 服务端 `modules/task/service/TaskHeartbeatService.java:101-106 selectFileTask` 只有 `eq(id).last("limit 1")`,**没有 `.select()` 投影** ⇒ 把 `biz_file_task` 的 `request_json`、`result_json` 整列读回来(`FileTaskEntity.java:23-24`)。
- `:198-202` 无条件 `handler.saveTaskCache(task)`;`AbstractModuleTaskCacheService.java:203-216` 把**整个实体** `writeValueAsString` 后 `SET` 进 Redis(24h TTL)。
- 节流只有 similar-asin 实现了(`SimilarAsinTaskHeartbeatSpi.java:46 checkpointInterval()` 是全仓唯一覆盖点),其余模块每轮心跳都写。
- 同项目已有裁剪惯例,属漏改:`TaskProgressLightAssembler.java:49`、`StaleTaskRepairService.java:70`。
**改法**:`selectFileTask` 加 `.select(id, status, moduleType, userId, updatedAt)`;新增轻字段版缓存写入(或让心跳只写进度键,任务实体交给状态变更点)。
**风险**:PriceTrack 的 `loadTaskForExecution` 依赖缓存行里的 `requestJson` 非空(`TaskFinalizeSupport.java:32-33` 已注明),必须保留 DB 兜底路径。
`【待测】result_json 字节分布`:`SELECT id, LENGTH(result_json) FROM biz_file_task WHERE module_type IN ('QUERY_ASIN','PATROL_DELETE','SHOP_DATA_CRAWL') ORDER BY 2 DESC LIMIT 20;` —— 决定这一条值不值得动。
### B2 载荷物理删除每次跑两条无 task_id 的 JSON 全表 COUNT `[P1]`
- `TransientPayloadStorageService.java:329-340` 与 `:343-358`:先按 task_id 收敛查一次,**查不到就回退全表** `IN(payload_json, values)`;`:275` 的注释自己写明「调用方正常路径下引用数必然为 0」⇒ 正常删除路径**必然**走到全表回退。合计每次删除 4 条 COUNT,其中 2 条在 JSON/TEXT 列上无索引可走(V121 已删相关索引)。
- 调用面广:全仓 50+ 个 `deletePayloadIfPresent` / `deleteReplacedPayloadIfNeeded` 生产调用点(chunk 回传、scope state 覆盖、结果项升级旧对象等)。
- 已有的批量版 `TransientPayloadDeleteOrchestrator.batchReferencedPointers`(`:235`)目前只有 `ModuleHistoryCleanupService.java:339` 一个调用方在用;`TaskResultItemService.java:184` 注释显示结果项那条热路径已经改走编排器了。
**改法**:把剩余高频调用点改投 `submitDeletes(List.of(v))` + 周期 flush(编排器已带 journal 与去重);或让全局回退只在 `extractTaskId(pointer)` 解析失败时才执行(`:311` 已解析成功却仍全局查,等于把收敛当预筛而不是当边界)。
**风险**:去掉回退会重演 28459 误删——所以**只对"指针能解析出 task_id"的路径**取消全局回退,解析不出仍按现口径。
### B3 结果文件作业:三个调度参数互相打架 `[P1]`
- 每 10s claim 20 条并全部翻成 RUNNING(`TaskResultFileJobWorker.java:70-84` + yml:279 `local-worker-delay-ms:10000`、:285 `batch-size:20`);
- 本地派发池只有 2 线程、in-flight 满 64 就直接回落**在调度线程内联执行**(yml:276、`TaskFileJobLocalDispatcher.java:36-37,74-78`);
- 卡死线 5 分钟、每 60s 扫一次(yml:280、:283)⇒ 排队超 5 分钟的 RUNNING 被翻回 PENDING,真正开跑时 `activateRunningClaim` 的 CAS 失败,整轮白跑。
- 更实的问题:`:352-368` 对 PENDING 超阈值每轮 `retry_count++`(封顶 `MAX_RETRY_COUNT-1`=4,`MAX_RETRY_COUNT=5` 在 `:29`)⇒ **排队时间吃掉重试预算**,作业之后只要遇到一次真实 RUNNING 超时就直接判 FAILED,拿不到设计意图里的 5 次机会。
**改法**:`runPendingJobs` 的 limit 改 `min(batchSize, 本地剩余容量)`;PENDING 分支只补发 dispatch 事件、不递增 retry_count(`TaskFileJobService.java:352-368`)。
**风险**:47 个 `@Scheduled` 共用 pool-size 16(`SchedulingConfig.java:31`),内联回落会挤占其他定时任务;改完要回看 `requeued because task lock is busy` 计数有没有回升。
### B4 其余四条已定位的重复读 / 串行下载 `[P1-P2]`
| 位置 | 问题 | 量级 | 改法 |
|---|---|---|---|
| `SimilarAsinResultWorkbookAssembler.java:576-595`(+`:646-658`)、`AppearancePatentTaskService.java:2466-2485` | 导出时逐分片 `LIMIT 1` 分页取片,且每个源文件都全量重扫 | 源文件数 × 分片数 次单行 SELECT + 载荷 GET | 一次 `selectList` 取回片列表,按片自带 `scopeHash` 过滤(外观 `:517` 已按 submissionId 生成) |
| `SimilarAsinPayloadSupport.java:210/219/238` → `:244-259` | `prompt/apiKey/imgSwitch/categorySwitch` 各读一次全量 parsed payload(下载+反序列化+行对象复制 2-3 份),调用点 `SimilarAsinPipelineSupport.java:1018-1021` | 每轮回传 × 4-6 次全量读 | 合并成一个 `readTaskSettings(task)` 一次读完返回 record |
| `PuzzleImageMerger.java:97-106`(`:211-231` 重试) | 一行 16 张 1688/alibaba 图仍串行下载,单张 10s(yml:363 池是 8 但这里没用) | 每行最多 16 次串行往返,最坏 320s | 复用 `SimilarAsinImageEmbedder` 已有的 `CompletionService + downloadPool(8) + 全局 deadline` 取字节,按 index 落回原顺序 |
| `SimilarAsinLlmService.java:201`(`ProductCategoryService.java:43-50` 无缓存全表读)、`:359 tree.formatTwoLevels()` 每行重算 | 类目树每批全表 SELECT、两层清单每行重拼 | 图模式 `llm-batch-size:3` ⇒ 5000 行 ≈ 1667 次全表读 | `formatTwoLevels()` memoize;树按 `max(id)/updated_at` 做秒级 TTL |
`SimilarAsinImagePrefetchService.java:319 lookupBatch(...)` 已经写好但**全仓无调用方**,实际走 `:387 lookup(url)` 被 `SimilarAsinResultWorkbookAssembler.java:793-810` 在 URL 循环里逐条调;预热侧 `PREFETCH_POOL_SIZE=2` 且每 task 单 worker。属于"批量接口写了没接上"。
---
## 四、C 组:吞吐上限,先测再改
- **C1 单任务实际并发 ≈ 2,而闸给到 12。** 外观一轮批内:文本 10 行合 1 次调用、图片 10 行按 `llm-appearance-batch-size:5` 分 2 块并发(`AppearancePatentLlmClient.java:291-292` 的 `Semaphore(llmRowConcurrency=5)` 只在块数 >1 时才起作用),批与批之间串行(A1)。`task-queue.max-concurrent:12`(yml:314)远没用满。**先做 A1,再谈抬并发**——顺序反过来只会把等待搬个地方。
- **C2 代理上游有没有账号级并发/RPM 上限,仍未归因。** 没测之前,抬并发、补消费者、MQ 化三条路都只能算猜测(外观一批 10 行线上实测 `costMs` 已到 214869/249250,慢在上游不在本机)。取数:同一任务把 `llm-row-concurrency` 从 5 抬到 8,观察 429/超时率与 `costMs` 分位;有 429 就说明上限在代理。
- **C3 按负载选机(主机B 目前基本闲着)比 MQ 化便宜一个数量级。** `owner_instance_id` + `aiimage.instance-routing` 已保证"任务在哪台就由那台跑完",只需把**新任务落地机器**从"客户端解析到谁"改成按在飞作业数选机,不碰批次语义。
- **C4 风控降级是进程全局的**:`func/amazon_base.py:163-168` 每页 401/403/503 都进同一个闸门,`config.py:51-54`(300s 窗口 / 阈值 8 / HOLD 600s)触发后把 4 槽压到 1 至少 10 分钟 ≈ 少产出 440 行(按单槽 880 行/h),且一个坏 cookie 池或一国风控会拖垮全部任务类型。改法:闸门按 `(task_type, country)` 分桶。**阈值要先看线上信号频次再动**,放宽等于真多烧代理费。
---
## 五、D 组:交付层低成本项
- **D1 管理后台首屏比用户端大 5.2 倍。** 实测产物:`admin-frontend-vue/dist/assets/index-CAmaFJ39.js` **1,127,603 B** + `index-CSE0eCeX.css` 383,318 B;用户端 `frontend-vue/new_web_source/assets/index-BwjSp_ZA.js` 217,568 B。根因:`admin-frontend-vue/src/main.ts:3-5` 全量 `import ElementPlus` + `element-plus/dist/index.css`,`vite.config.ts:32-35` 的 build 块没有 `manualChunks`。改法照用户端(`frontend-vue/vite.config.ts:5-7` 用 ElementPlusResolver),命令式组件样式按用户端 `main.ts:7-8` 补两行。**这是纯前端构建改动,风险最低、见效最快。**
- **D2 轻量进度端点已就绪但只接了 5/12。** `frontend-vue/src/shared/api/progress-light.ts:19-32` 白名单 12 个模块、`endpoints.ts` 12 个 `progressLight` 都在;实际只有 appearancePatent / patrolDelete / queryAsin / shopDataCrawl / withdraw 五个 tab 调 `getModuleProgressLight`。`BrandSimilarAsinTab.vue:206` 仍传重型 `getSimilarAsinTaskProgressBatch`(同类还有 publish / priceTrack / collectData / deleteBrand / productRisk / shopMatch)。`useLiveTaskBoard.ts:430` 无条件调 `fetchProgressBatch`,所以每个 tab 的收益取决于它自己传的是哪个函数——照 `BrandAppearancePatentTab.vue:159` 的 `beforeBatch` + 行版本门控写法迁移即可。轮询节奏:可见 10s / 隐藏 60s(`task-progress-config.ts:16-17`)。
- **D3 后台列表拉 LONGTEXT。** `modules/imagevideo/mapper/ImageVideoAdminTaskMapper.java:19` 列表 SELECT 了 `request_json/submit_response_json/result_json/video_urls_json/archived_videos_json`(V71 为 LONGTEXT),但列表只用 `request_json` 里一个标量(`ImageVideoAdminTaskService.java:226 modeOf`),另两列只有详情 `:238-245` 用。同类:`ShopDataCrawlDailyFileService.java:138-142` 无投影读 `row_payload`(MEDIUMTEXT, V93)却只用于判空(`ShopDataCrawlTaskService.java:849`)/取 resultId(`ShopDataCrawlAdminTasksService.java:96`)。改法:列表用 `JSON_UNQUOTE(JSON_EXTRACT(...))` 取标量,大列留给详情查询。
- **D4 任务中心看板每 30s 全量 UNION COUNT + OFFSET 分页。** `TaskCenterBoardPage.vue:43,242` 每 30s 三接口;`TaskCenterQueryService.java:137` 对 `biz_file_task ∪ brand_crawl_tasks` 无时间界计数、`:144` OFFSET 无页上限;`TaskCenterQueryMapper.java:258-274` 的 UNION-ALL 每页被执行两遍,`:220-229` 含 4 个相关子查询 `EXISTS … LIKE '%…%'`。改法:总数短 TTL 缓存 + `last_id` 游标(范式见 `DedupeTotalDataService.java:194-201`)。
- **D5 gzip 需要取证再定。** 仓库里的网关模板 `scripts/deploy_nginx_gateway.py:70-84` 只有 sendfile/tcp_nopush,全仓 grep 无 `gzip on`;但线上真正生效的是主机B `/opt/1panel/www/conf.d/api.aishufu.top.conf`(不在仓库),1Panel 可能已在全局开 gzip。**先 `curl -H 'Accept-Encoding: gzip' -sI <json接口>` 看有没有 `Content-Encoding`**,有就别动。
- **D6 无依赖的串行 await**:`BrandPriceTrackTab.vue:1652-1653`、`BrandProductRiskTab.vue:495-496,805-806` 先 `await loadHistory()` 再 `await loadDashboard()`,两者互不依赖;`GroupEditorDialog.vue:58`、`pages/records/history-api.ts:17` 用 `page_size=999` 一次拉全量用户。
---
## 六、口径已知的遗留杠杆(不是新发现,列出来免得重复讨论)
1. **外观专利图片按内容寻址缓存** —— 唯一攻图片输入 token 的一条,也是合批之后剩余最大的成本杠杆,仍未做。
2. **ASIN 跨任务缓存命中率低的真实原因(本次查清)**:键设计是干净的 `(country, asin)` 唯一键(`AsinResultCacheMapper.java:49-72`),TTL 按采集端真实开页时间 `observed_at`(`AsinResultCacheService.java:232`)——**不是键坏了**。0.1% 命中来自覆盖面与截断:服务端唯一写入口在 `CollectDataService.java:1855` 且硬编码 `AVAILABILITY_OK`(`AsinResultCacheService.java:187`);多选国家直接不写(`CollectDataService.java:1867-1874` → `AsinResultCacheService.java:175-178`);空价不写(`:181-183`);单次查询/写入各 500 行截断且不补查(`:95-98`、`:134-137`,默认值 yml:404-405);表没有保留期清理任务。要提命中率,动"多国家不写"和 500 截断这两处,别动 TTL。
3. `FOR UPDATE SKIP LOCKED` 路线仍未实施。
4. `biz_file_task.result_json` 存明文 apiKey 的泄露面仍未处理。
## 七、已经排除、不必再查的
加索引方向(瓶颈是行锁与大 JSON 列);清 `/app/java` 的 jar 备份;缩短 `DEFAULT_WAIT_MILLIS`;进一步合并 LLM 调用次数 / 词典替提词 / 拼图合并 / 家族页一次取价;空价格行的 KKBrowser 兜底耗时(只占 3.3%~3.9%);结果文件作业"纯轮询驱动"(`TaskFileJobDispatchCoordinator.java:25-45` 有事件点火);前端 `setInterval` 泄漏(两侧 8 个调用点,卸载清理与模块级单例都核过);Excel 导出(写出统一 `SXSSFWorkbook(200)` 流式,读入已改流式);`TaskObservabilityMetrics` 确认未接生产(无 `@Component`、无生产调用方、pom 无 prometheus registry),要做告警走日志字段或补 registry。
## 八、建议执行顺序
1. **A1 + B3**(外观批间重读 + 结果作业调度)——都在 jar 里,可同批发;A1 单条就能把 5000 行任务的批间空档基本抹掉。
2. **A2**——需要一次判定口径的确认(同批同品牌共享结论),拍完就改。
3. **A4**(18960)+ **A3**(采集机 `更新并重启.bat`,与变体攒批同一次更新)——与既欠的 18960 / 4.0.42 发版并批,不额外开窗口。
4. **D1**(后台分包按需)——纯前端,随时可做。
5. **B1/B2/B4** 一批发,收益是 DB 与对象存储往返,不改语义。
6. **C2 的归因测量**与 C1/C3 的实施穿插做;不要在测出代理上限之前抬并发。