Undici 请求延迟测量的技术实现方案
2025-06-01 03:47:34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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0214
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
469
465
暂无描述
Dockerfile
778
5.08 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
877
2.03 K
Ascend Extension for PyTorch
Python
758
968
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
185
231
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.25 K
677