高并发数据上传服务器 — 单机 2000+ RPS，100% 成功率（Python + 阿里云）产品系统

面向物联网设备数据回传场景。业务背景是海量血压监测设备向云端持续上报数据：设备清单达 100 万台，要求每条上报都必须完成身份校验与签名验证、不能丢数据，同时服务器成本被严格限制在每月 500 元以内（单台低配阿里云 ECS）。这类场景的核心矛盾是「强校验 + 高吞吐 + 低成本」三者冲突：逐条查库校验会让数据库先被打垮。本项目要解决的就是在极低硬件预算下把吞吐做上去，并且一条数据都不能丢。

系统实现了完整的设备数据上报链路。主要功能模块包括：① 鉴权模块——Ticket / Token 双令牌机制配合请求签名校验，防止伪造设备上报；② 设备清单管理——支持 100 万级设备的注册与状态维护；③ 高性能接收层——将设备清单与令牌全部载入内存做零数据库查询的校验，请求路径上不碰 DB；④ 异步落盘层——4 条写入线程消费队列做批量入库（400 条一批 / 10ms 超时触发），队列满时自动降级为同步写入兜底，保证 100% 落盘不丢数据；⑤ 配套压测工具——自写基于 asyncio + Semaphore 的异步压测客户端，可精确控制并发与 Ramp 曲线，并自动生成 HTML 压测报告（含成功率、平均/P50/P90/P95/P99 响应时间、RPS 时间线、延迟分布与错误分布）。

本项目由我独立完成开发与性能调优。关键优化路径：最初版本每条请求都查库校验，吞吐止步于数百 RPS；我把校验数据全量前置到内存中，使请求路径上零 DB 查询，再将落盘改为多线程批量写入（吞吐提升约 4 倍），并设计队列满时同步兜底的降级策略，在提高吞吐的同时保证不丢数据。最终实测结果：Ramp 压测从 1000 RPS 逐级加压到 2000 RPS 共 11 轮，全部保持 100% 成功率，单 worker 达成 2000+ RPS；1500 RPS 稳态压测 30 秒，46500 次请求 100% 成功，平均响应 173ms、P99 333ms；累计 645,400 次请求仅 1 次失败。此外还自写了异步压测工具与 HTML 报告生成器用于持续验证，并将同一台服务器改造部署为 Docker + Nginx 反向代理 + BasicAuth 的 API 网关。