# 系統效能問題分析與解決方案

**日期**: 2026-01-14
**問題**: Grafana 儀表板載入緩慢、系統負載過高（最高達 36.00）

---

## 🔍 問題根本原因

### 排程器重複執行問題

在 [`app.py:5560-5582`](../app.py#L5560-L5582) 中，排程器在模組載入時自動初始化：

```python
def init_scheduler():
    """初始化排程任務（Gunicorn 模式下也會執行）"""
    schedule.every(1).hours.do(run_momo_task)       # 商品看板爬蟲
    schedule.every(1).hours.do(run_edm_task)        # EDM 限時搶購爬蟲
    schedule.every(1).hours.do(run_festival_task)   # 購物節活動爬蟲
    schedule.every(30).minutes.do(run_auto_import_task)  # Google Drive 自動匯入
    schedule.every(30).minutes.do(run_whitepage_check)  # 網頁白頁監控

    scheduler_thread = threading.Thread(target=run_schedule, daemon=True)
    scheduler_thread.start()

# 在模組載入時自動初始化
try:
    init_scheduler()
except Exception as e:
    sys_log.error(f"❌ 排程器初始化失敗: {e}")
```

**問題**：Gunicorn 配置為 4 個 workers（[momo.service](../momo.service)），**每個 worker 都會執行 `init_scheduler()`**！

### 資源消耗計算

- **每小時執行**：
  - 4 workers × 3 個爬蟲任務 = **12 個 Chrome/Selenium 實例同時運行**
  - 每個 Chrome 實例消耗：15-30% CPU + 200-500 MB RAM
  - 總計：**100%+ CPU** + **2-3 GB RAM**

- **每 30 分鐘執行**：
  - 4 workers × 2 個任務（auto_import + whitepage_check）
  - 額外增加系統負載

- **VM 配置**：
  - CPU：2 核心（正常負載應 < 2.0）
  - RAM：8 GB
  - **實際負載達到 36.00（18倍超載！）**

---

## ✅ 已採取的緊急措施

### 1. 停止 Grafana 服務（臨時）
```bash
sudo systemctl stop grafana-server
```

### 2. 終止所有 Chrome 程序
```bash
sudo pkill -9 -f 'chrome'
sudo pkill -9 -f 'chromedriver'
```

### 3. 停止獨立排程器
```bash
sudo kill 83742  # run_scheduler.py 程序
```

### 4. 修正 momo.service 配置
暫時停用 `ExecStartPre=/bin/bash /home/ogt/momo_pro_system/kill_old_gunicorn.sh`（該腳本在高負載下卡住導致服務無法啟動）

### 5. 重啟 MOMO 服務
```bash
sudo systemctl start momo
```

### 6. 重啟 Grafana 服務
```bash
sudo systemctl start grafana-server
```

### 結果
- 系統負載從 **36.00 降至 2.35**
- Grafana 恢復正常運行
- 網站回應時間：0.7 秒（可接受）

---

## 🛠️ 長期解決方案

### 方案 A：完全停用內建排程器（推薦）

修改 `app.py`，註解掉自動初始化：

```python
# V-New: 在模組載入時自動初始化排程（Gunicorn 模式下也會執行）
# try:
#     init_scheduler()
# except Exception as e:
#     sys_log.error(f"❌ 排程器初始化失敗: {e}")
```

**優點**：
- 徹底解決重複執行問題
- 降低系統資源消耗
- 可手動通過 Web UI 觸發爬蟲任務（[app.py:2388](../app.py#L2388) `/trigger-edm` 路由）

**缺點**：
- 無法自動執行爬蟲任務
- 需要手動觸發或使用獨立排程器

---

### 方案 B：使用獨立排程器服務

1. 使用現有的 `run_scheduler.py`，但降低執行頻率：

```python
# 修改 run_scheduler.py (第 54-68 行)
schedule.every(4).hours.do(safe_task_wrapper(run_momo_task, "商品看板爬蟲"))  # 改為每 4 小時
schedule.every(4).hours.do(safe_task_wrapper(run_edm_task, "EDM 限時搶購爬蟲"))
schedule.every(4).hours.do(safe_task_wrapper(run_festival_task, "購物節活動爬蟲"))
schedule.every(1).hours.do(safe_task_wrapper(run_auto_import_task, "Google Drive 自動匯入"))  # 保持每小時
```

2. 創建 systemd 服務：

```ini
# /etc/systemd/system/momo-scheduler.service
[Unit]
Description=MOMO Pro Scheduler Service
After=network.target momo.service

[Service]
Type=simple
User=ogt
WorkingDirectory=/home/ogt/momo_pro_system
ExecStart=/home/ogt/momo_pro_system/venv/bin/python3 /home/ogt/momo_pro_system/run_scheduler.py
Restart=always
RestartSec=10
StandardOutput=journal
StandardError=journal

[Install]
WantedBy=multi-user.target
```

3. 啟動服務：

```bash
sudo systemctl daemon-reload
sudo systemctl enable momo-scheduler
sudo systemctl start momo-scheduler
```

**優點**：
- 只有一個排程器實例運行
- 資源消耗可控
- 可通過 systemd 管理

**缺點**：
- 仍然消耗資源（每 4 小時一次相對可接受）
- 需要額外的服務管理

---

### 方案 C：優化爬蟲資源使用

修改爬蟲配置以降低 Chrome 資源消耗：

1. **限制並行任務數**：每次只運行 1-2 個爬蟲，不要同時運行多個

2. **使用更輕量的 Chrome 選項**（在 `crawler/` 目錄中修改）：
```python
chrome_options.add_argument('--disable-gpu')
chrome_options.add_argument('--single-process')  # 單進程模式
chrome_options.add_argument('--disable-dev-shm-usage')
chrome_options.add_argument('--disable-software-rasterizer')
```

3. **考慮使用無頭模式替代方案**：
   - 使用 `requests` + `BeautifulSoup`（如果網站允許）
   - 使用 `playwright`（比 Selenium 更輕量）

**優點**：
- 降低單個爬蟲的資源消耗
- 可以繼續使用現有架構

**缺點**：
- 需要修改現有爬蟲代碼
- 可能影響爬蟲功能（如果網站需要 JavaScript 渲染）

---

### 方案 D：升級 VM 配置

如果爬蟲任務頻繁且重要，考慮升級 VM：

- **目前**：e2-medium (2 vCPU, 8GB RAM)
- **建議**：e2-standard-2 (2 vCPU, 8GB RAM) 或 e2-standard-4 (4 vCPU, 16GB RAM)

**成本影響**：
- e2-medium: ~$25/月
- e2-standard-4: ~$100/月

**優點**：
- 可以支持更多並行任務
- 系統更穩定

**缺點**：
- 增加運營成本
- 不解決根本問題（重複執行）

---

## 📋 推薦實施計劃

### 第一階段：立即執行（已完成）
- [x] 終止所有 Chrome 程序
- [x] 停止獨立排程器
- [x] 重啟 MOMO 和 Grafana 服務
- [x] 修正 Prometheus datasource URL（`http://localhost:9090/prometheus`）
- [x] 修正 DNS 監控配置（使用 8.8.8.8 DNS 伺服器）

### 第二階段：選擇並實施長期方案（待執行）
**推薦：方案 A + 方案 B 組合**

1. **停用 app.py 中的自動排程器**
   ```python
   # 註解 app.py 第 5579-5582 行
   ```

2. **配置獨立排程器服務**（降低頻率至每 4 小時）
   - 修改 `run_scheduler.py`
   - 創建 `momo-scheduler.service`
   - 啟動服務

3. **添加資源監控告警**（使用 Grafana）
   - CPU 使用率 > 70% 持續 5 分鐘 → 告警
   - 記憶體使用率 > 80% → 告警
   - Chrome 程序數 > 5 → 告警

### 第三階段：優化（可選）
- 優化 Chrome 選項以降低資源消耗
- 評估是否可用輕量級爬蟲替代 Selenium
- 考慮使用任務隊列（如 Celery）管理爬蟲任務

---

## 📊 效能改善對比

| 指標 | 問題發生時 | 修復後 |
|------|------------|--------|
| CPU 負載（1分鐘） | 36.00 | 2.35 |
| Chrome 程序數 | 40+ | 0 |
| 記憶體使用 | 5.0GB / 7.8GB (64%) | 0.9GB / 7.8GB (12%) |
| Grafana 回應時間 | > 10 秒 | 0.02-3.3 秒 |
| MOMO 網站回應 | 超時/緩慢 | 0.7 秒 |

---

## ⚠️ 注意事項

1. **不要同時運行多個排程器**：
   - 只能在 `app.py` 或 `run_scheduler.py` 中擇一啟用
   - 當前已停用 `app.py` 中的自動初始化

2. **監控 Chrome 程序**：
   ```bash
   # 檢查 Chrome 程序數
   ps aux | grep -E 'chrome|chromedriver' | grep -v grep | wc -l
   ```

3. **定期檢查系統負載**：
   ```bash
   uptime  # 1/5/15 分鐘平均負載應 < 2.0（2核CPU）
   ```

4. **日誌檔案輪換**：
   - 已配置 logrotate (參考: [docs/DEPLOYMENT_WORKFLOW.md](DEPLOYMENT_WORKFLOW.md))
   - 爬蟲日誌可能快速增長，需定期檢查

---

## 🔗 相關文檔

- [Telegram 告警設定](TELEGRAM_ALERT_SETUP.md)
- [部署工作流程](DEPLOYMENT_WORKFLOW.md)
- [CI/CD 評估報告](CI_CD_EVALUATION.md)

---

**文件版本**: 1.0
**最後更新**: 2026-01-14
**維護人員**: MOMO Pro System Admin