编者按：对于零售商来说，预测消费者的欲望和需求是圣杯。对于零售IT来说，目标是了解电子商务应用程序的性能。在这里，日本在线零售商Mercari展示了他们如何使用Cloud Profiler和Trace来了解在谷歌云上运行的复杂的基于微服务的应用程序，大数据应用，以满足其产品需求变化时的严格SLO。

2020年的事件加速了电子商务，增加了在线市场的需求和流量。分析师eMarketer预测，返现，2020年美国的电子商务销售额将增长18%，而全年零售总额将下降10.5%。同样，我们的业务总部设在日本的消费者对消费者市场Mercari公司也在快速增长。仅在美国，月平均用户数同比增长74%，达到340万。我们成功的很大一部分是我们强大的支付和存款系统以及基于人工智能的欺诈监控，使卖家能够列出购买物品，买家能够安全地完成交易。

Mercari最初是一个单一的应用程序，但随着复杂性的增加，我们决定过渡到微服务架构。通过这一切，大数据现状，Cloud Profiler和Cloud Trace等工具帮助我们追踪代码中的性能问题，显著改善了延迟。

微服务动物园

今天，我们在Google Cloud上运行了80多个微服务，包括Go、Python、JavaScript和Java等多种语言。为了提供这种新的架构，我们创建了一个类似于网关的微服务，将流量从即将迁移的单一服务路由到谷歌云微服务，大数据是啥意思，该服务提供了一系列的功能。

在创建了几个微服务之后，我们确定了共同的需求，并创建了一个模板来加速它们的开发。这些共同的需求包括：

然后我们使用Python为机器学习服务创建了一个模板，也加快了新微服务的创建。这使我们能够增加微服务的数量，以满足新的需求。然而，随着微服务的激增，我们需要有效地监控和了解它们的性能。

维护SLO是一项挑战

特别是，我们需要监控新版本对生产环境和生产运营效率的影响，因此，我们可以保持99.95%的成功率和350毫秒95%延迟的服务级别目标（SLO）。

我们的工程团队还使用金丝雀部署来检测主要服务的新版本的问题。然而，尽管采取了这些措施，但当我们的业务增长快于预期或在未预料到的需求激增期间，我们发现维持SLO很有挑战性。有些问题可能很明显或很容易发现。例如，如果一个服务正在经历高CPU利用率，我们可以简单地放置或微调我们的水平pod自动缩放器（HPA）来解决这个问题。然而，其他问题可能不那么明显。例如，性能下降可能不是直接与某个特定版本相关，而是由于意外的请求，或者可能是由于单个代码版本中对多个功能的更改而导致的。

使用云探查器和云跟踪来最小化性能问题

特别是我们的业务关键型UserStats服务，它跟踪用户回复信息的速度以及卖家发货的速度和可靠性最近表现不佳。

新的功能要求促使我们跟踪卖家取消订单的频率，大数据核心，并提供统计数据。但是，在添加这个新功能的同时，更改重构了其他函数，这意味着我们无法识别性能降低的函数。由于我们的大多数服务都支持云档案器和云跟踪，因此我们转向这些产品来调查和确定根本原因。