signal-cli-rest-api 项目中的 JSON-RPC 模式性能问题分析与解决
2025-07-09 15:50:19作者:房伟宁
问题现象
在 signal-cli-rest-api 项目从 v0.83 升级到 v0.84 版本后,用户报告了一个严重的性能问题:当使用 JSON-RPC 模式发送消息时,请求处理时间从原来的几秒钟骤增至数分钟甚至半小时,而 Native 模式则保持正常的响应速度。
环境与复现
问题出现在 Docker 容器环境中,x86-64 架构。通过对比测试可以清晰观察到:
- JSON-RPC 模式下,单个发送请求耗时超过 10 分钟
- Native 模式下,相同请求仅需 5 秒左右完成
- 系统日志显示 Java 进程持续占用接近 100% 的 CPU 资源
排查过程
初步分析
开发者首先尝试了以下排查手段:
- 检查容器日志,未发现明显错误信息
- 对比不同模式下的性能差异
- 尝试降级到 v0.83 版本,但遇到数据库兼容性问题
深入诊断
通过技术专家的指导,用户进行了更深入的排查:
- 使用 strace 跟踪进程系统调用,未发现异常
- 发现 Java 进程持续高 CPU 占用
- 直接通过命令行执行 signal-cli 的 JSON-RPC 命令,复现相同问题
关键发现是:JSON-RPC 服务进程在发送消息时陷入某种计算密集型操作,导致请求处理被严重延迟。
根本原因
经过一系列测试和分析,确定问题根源在于:
Signal 账户的本地数据库可能已损坏或包含过多历史数据,导致 JSON-RPC 模式下的消息处理流程出现性能瓶颈。这种问题在 Native 模式下表现不明显,因为两者的实现机制不同。
解决方案
验证有效的解决方法是:
- 完全清除原有的本地数据存储
- 重新初始化 Signal 账户链接
- 重建本地数据库
执行这些步骤后,JSON-RPC 模式的性能恢复正常水平。
经验总结
对于类似问题,建议采取以下排查步骤:
- 首先确认问题是否特定于某种运行模式
- 检查系统资源使用情况(CPU、内存等)
- 尝试简化环境,排除容器编排等外部因素
- 考虑数据库/本地存储的完整性
- 必要时重建环境作为最后手段
这个问题提醒我们,在升级类似消息服务时,应当:
- 提前备份关键数据
- 在测试环境验证升级影响
- 监控系统资源使用变化
- 准备好回滚方案
对于 signal-cli-rest-api 用户,如果遇到类似性能问题,建议优先检查本地存储状态,必要时重建环境。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146