Undici 请求延迟测量的技术实现方案
2025-06-01 17:47:11作者:乔或婵
在 Node.js 生态系统中,Undici 作为一款高效的 HTTP/1.1 客户端库,被广泛应用于各种网络请求场景。本文将深入探讨如何在 Undici 中准确测量请求执行时间的技术实现方案。
测量请求延迟的挑战
在实际开发中,我们经常需要测量完整的 HTTP 请求生命周期时间,包括连接建立、请求体写入、等待响应、读取响应头和读取响应体等阶段。在 Undici 中实现这一目标面临几个技术挑战:
- 需要区分全局测量和局部测量
- 需要处理请求重试的情况
- 需要准确捕获各个阶段的耗时
- 需要关联请求开始和结束的事件
三种测量方案对比
1. 诊断通道方案
诊断通道(Diagnostic Channel)可以捕获所有 Undici 请求,但这种方案过于全局化,无法针对特定请求进行测量,且会捕获应用中所有第三方库的请求,不适合精细化的性能监控需求。
2. 拦截器方案
拦截器(Interceptor)方案通过在请求前后记录时间戳来测量耗时:
function createMetricsInterceptor() {
return async (dispatch) => {
return (opts, handler) => {
const start = performance.now();
const res = await dispatch(opts, handler);
const totalTime = performance.now() - start;
return res;
};
};
}
这种方案的局限性在于:
- 包含重试时间
- 不包含响应体读取时间
- 无法细分请求各阶段耗时
3. 请求处理器方案
请求处理器(Request Handler)方案是最为推荐的实现方式,它利用 Undici 的生命周期钩子函数来精确测量各阶段耗时:
class RequestMetricsHandler {
constructor() {
this.startTime = 0;
this.endTime = 0;
this.errored = false;
}
onConnect() {
this.startTime = Date.now();
}
onHeaders(status, headers) {
const timestamp = Date.now();
console.log('响应头耗时', timestamp - this.startTime, 'ms');
}
onComplete() {
this.endTime = Date.now();
console.log('请求总耗时', this.endTime - this.startTime, 'ms');
}
onError(err) {
this.endTime = Date.now();
console.log('请求出错总耗时', this.endTime - this.startTime, 'ms');
}
}
技术实现要点
-
请求处理器生命周期:每个请求处理器实例与单个请求绑定,其内部状态变量自然关联到该请求的生命周期。
-
精确阶段测量:
onConnect:记录连接建立开始时间onHeaders:测量到收到响应头的时间onComplete/onError:记录请求最终完成时间
-
状态管理:通过类实例变量保存测量相关的状态,确保在请求的各个阶段都能访问相同的上下文。
最佳实践建议
- 对于需要细粒度测量的场景,推荐使用请求处理器方案
- 考虑将测量结果输出到监控系统而非仅打印日志
- 可以扩展处理器类,加入更多性能指标如DNS查询时间、TLS握手时间等
- 在生产环境中,考虑采样测量而非全量记录以减少性能开销
通过合理利用 Undici 提供的请求处理器机制,开发者可以实现精确到各个阶段的请求性能监控,为系统优化提供可靠的数据支持。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
278
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
223
302
Ascend Extension for PyTorch
Python
105
135
暂无简介
Dart
568
127
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
599
164
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.03 K
607
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
448
openGauss kernel ~ openGauss is an open source relational database management system
C++
154
205
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
280
26