編按:本文綜合整理自 DBOS 技術文章、PostgreSQL 18 官方文件、Recall.ai 生產事故報告與公開社群討論,並加入 Siami 編輯部觀點與分析。
PostgreSQL 內建的 LISTEN/NOTIFY,一直是後端工程師又愛又怕的功能。它能讓應用程式訂閱資料庫頻道,在事件發生時立刻收到通知,不必架設另一套訊息服務;但 2025 年 Recall.ai 公開生產事故後,「NOTIFY 遇到大量並行寫入就會拖垮資料庫」也成了廣為流傳的警告。
DBOS 在 2026 年 7 月 24 日提出另一個實測答案:問題不是完全不能擴展,而是不能讓每一筆資料寫入都同步送出一則 NOTIFY。其團隊將通知改成記憶體緩衝、集中批次提交,再用低頻輪詢補上漏訊風險,宣稱在單一 Postgres 伺服器上把串流寫入量由每秒約 2,900 次推高至 60,000 次,延遲落在 15 至 100 毫秒。
原本的設計為什麼卡在每秒 2,900 次
DBOS 的使用情境是持久化資料串流:每一個串流片段,例如大型語言模型回應中的一段 token,先寫入 streams 資料表;讀取端則要在新資料抵達時立刻醒來。如果純粹輪詢,間隔太長會犧牲互動延遲,間隔太短又會讓大量讀取端不斷敲資料庫。
第一版做法很直觀:在資料表上掛 trigger,每寫入一列就呼叫一次 NOTIFY。這套設計功能正確、延遲也低,吞吐量卻停在每秒約 2,900 次寫入。更反常的是,瓶頸出現時 CPU、記憶體與磁碟 I/O 都沒有滿載,代表系統不是算不動,而是在等待某個序列化資源。
關鍵在交易提交階段。DBOS 的程式碼分析指出,含有 NOTIFY 的交易在提交時會取得排他性的全域鎖,並持有到交易內容完成 fsync()。Postgres 這樣做,是為了保證不同交易的通知按照提交順序進入內部佇列;代價則是大量帶通知的交易無法同時提交,也難以利用 group commit 把多筆寫入合併成一次磁碟同步。
這也呼應 Recall.ai 在 2025 年觀察到的事故症狀:大量 meeting bot 同時寫入並觸發通知時,等待交易暴增,查詢吞吐量驟降,CPU 與 I/O 反而一起掉下來。該公司當時選擇把通知邏輯移往應用層,避開這條路徑。
- 每次資料寫入都直接
NOTIFY:交易提交容易被全域鎖序列化 - 只用高頻輪詢:讀取端數量上升時會製造大量無效查詢
- 把資料列視為真相、通知只當提示:才有批次與補救空間
DBOS 的解法:通知只是門鈴,資料表才是真相
DBOS 沒有修改 PostgreSQL 核心,也沒有宣稱全域鎖消失。它改變的是通知的角色:真正需要可靠保存的串流內容仍先寫入資料表;NOTIFY 只負責提醒讀取端「門內可能有新資料」,不承擔資料本身的持久性與完整順序。
具體做法是先把通知放進應用程式記憶體,背景程序再定期把多則通知放進同一筆交易送出。如此一來,全域鎖不再由每一筆串流寫入各取一次,而是每個通知批次才取一次。普通資料寫入得以恢復並行與 group commit,資料庫資源也能真正被利用。
但記憶體緩衝有明確風險:程序若在批次送出前崩潰,已經寫入資料表的資料可能沒有相對應的通知。DBOS 因此讓讀取端在等待通知之外,仍以較低頻率輪詢資料表。通知走快速路徑,輪詢則是災難復原路徑;即使門鈴沒響,讀取端最後仍能從持久化資料發現遺漏。
官方基準程式已放在 dbos-inc/dbos-postgres-benchmark。DBOS 報告在並行讀取端存在時,優化後最高可達每秒 60,000 次串流寫入,約為原設計 20 倍,延遲介於 15 至 100 毫秒;而在最大吞吐量時,CPU 終於被充分使用,顯示瓶頸由鎖競爭回到實際運算資源。
PostgreSQL 官方文件也提醒,通知只有在交易提交後才會交付,listener 若長時間停留於交易中也會延後接收;因此即時通知應保持交易短小,且 payload 預設必須小於 8,000 bytes。
數據解讀:60K 不是 LISTEN/NOTIFY 的通用保證
「每秒 60,000 次」必須連同測試邊界閱讀。這是 DBOS 特定串流模型、特定硬體與特定批次策略下的結果,衡量的是 stream writes,不等同於所有 SQL 交易、所有 listener 數量或任意 payload 都能達到相同數字。官方文章也只報告 15 至 100 毫秒的區間,沒有把每一種批次大小、故障率與尾端延遲濃縮成一個通用公式。
20 倍提升同樣不是 PostgreSQL 核心突然快了 20 倍,而是避開了「一筆寫入綁一筆通知」造成的序列化。基準從約 2.9K 上升到 60K,最重要的訊息是架構選擇會改變鎖的取得頻率;它並不能推翻 Recall.ai 在另一種生產負載下遇到的真實事故。
PostgreSQL 文件還列出其他限制:payload 預設小於 8,000 bytes;待處理通知會進入內部佇列,標準安裝的佇列約 8GB;若某個 listener 長時間卡在交易內,佇列就無法清理,塞滿時呼叫 NOTIFY 的交易會在 commit 失敗。因此,監控至少應包含通知佇列使用率、交易時間、批次延遲與補救輪詢命中率。
為什麼這件事重要
這個案例真正有價值之處,不是替 LISTEN/NOTIFY 洗白,而是示範一條常被忽略的工程原則:把可靠資料與即時提示拆成兩個層次。資料表負責可恢復、可查詢、可重播的真相;通知負責降低等待時間。當兩者不再被綁成同一個不可分割的同步動作,就能透過 batching、coalescing 與 fallback polling 換取吞吐量。
對已經使用 PostgreSQL 的小型與中型團隊,這可能省去部署 Kafka、RabbitMQ 或另一套託管佇列的成本。若實際需求遠低於每秒數千則通知,原始設計甚至可能已經足夠。Hacker News 用戶 jerf 的提醒很精準:「可擴展」不是是非題;一套技術是否適合,取決於預估負載、成長空間、故障模型與團隊能否維護,而不是排行榜上的單一峰值。
另一方面,批次通知也把部分責任搬回應用層:要管理記憶體緩衝、崩潰遺漏、輪詢間隔與可觀測性。Lobsters 討論便質疑,若通知不再保持原本的即時交付假設,是否乾脆使用應用層 out-of-band 通知更清楚。這項質疑成立,因為「少一個基礎設施服務」不代表整體複雜度必然較低;複雜度可能只是從 DevOps 清單轉進程式碼與值班手冊。
社群反應:簡化基礎設施,還是自製訊息系統
Hacker News 的討論大致分成兩派。支持者看重 PostgreSQL 已經存在於多數 CRUD 系統中,使用內建能力可減少額外服務、認證、監控與故障切換;也有人指出,就算原本每秒約 2,000 至 3,000 次的上限,對許多每秒只有幾則事件的產品仍綽綽有餘。
反方則關注長期維護。一位前 CTO 分享,團隊曾因強一致性需求,以 LISTEN/NOTIFY 建立自製佇列,後來陸續面對 RDS 磁碟競爭、資料表 vacuum、功能擴充與交接困難。其結論是,若沒有非用同一交易保證不可的理由,SQS、Redis queue 等具備清楚佇列語意的工具,反而更容易讓團隊共同理解與排錯。
值得追蹤的不是哪一派「勝出」,而是三個可以實測的問題:
- 峰值與尾端延遲下,批次大小要設多少才不會讓互動體驗惡化?
- 程序崩潰時,有多少通知會由 fallback polling 找回,最慢要多久?
- 當需求超過單一 Postgres 節點或需要跨區域傳遞時,遷移成本是否仍低於一開始採用專用訊息系統?
結論:它能擴展,但前提藏在架構裡
DBOS 的測試證明,LISTEN/NOTIFY 的效能不能只用「能」或「不能」擴展概括。逐筆通知確實會撞上全域鎖;把通知降級為可遺漏的喚醒提示、批次送出,再以持久資料與低頻輪詢兜底,則可大幅提高特定串流工作負載的吞吐量。
這不是免費的 20 倍加速,也不是把 PostgreSQL 變成萬用訊息平台。採用前仍要確認一致性需求、故障復原時間、listener 規模與團隊維護能力。最務實的判斷方式,是用公開基準程式換成自己的 schema、交易長度與硬體重跑,並保留至少一個數量級的容量餘裕,而不是直接把 60K 寫進架構承諾。
延伸閱讀:
網友熱門留言 (4)