返回资讯中心
外部精选
软件工程
#开发者实时流

Neptune 用两周将后端从 Node 迁移至 Go

来源标题:How we moved our backend from Node to Go in two weeks

Neptune 在两周内将全部请求、登录、后台任务和数据库迁移从 Node 切换到 Go,期间业务未中断。10 月 30 日先上线空路由表的 Go 服务器,11 月 13 日删除 Node 后端,迁移由 AI 代理集群在极少人工干预下完成。

Hacker News 最新andybons2026/11/16 · 昨天30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

Every request, sign-in, background job, and migration moved from Node to Go in two weeks with minimal human intervention.

10月30日,我们合并了一个路由表为空的 Go 服务器。11月13日,我们删除了 Node 后端。在此期间,每一个请求、后台任务和登录都完成了迁移,而情侣们和他们的律师一直在使用 Neptune,团队其他成员也在同一个代码库上继续开发。

Neptune 帮助情侣撰写婚前协议并规划遗产,因此后端需要处理支付、律师预约、已签署协议以及大量个人数据。直到本月,它还是一个运行在 Node 上的 TanStack Start 应用:基于 Drizzle 和 Postgres 的 server functions 和 Hono REST 层,使用 Better Auth 处理登录,用 Inngest functions 处理邮件、短信、供应商同步、律师付款和 AI 任务。它的类型检查很慢,在高负载下难以推理,而且对于一个搜索引擎永远看不到的应用来说,它却在服务器上渲染每一个页面。

这种重写通常会在一个分支里搁置数月,然后在一个冒险的周末一次性上线。我们两者都承受不起。所以 Go 服务器第一天就进入了生产环境,什么都不做,然后一次接管一个路由。

我是在一支 AI agent 大军的帮助下完成这件事的,同时还要履行我作为 CTO 的日常工作。迁移从来不是我的主要关注点。Go 也确实更快:在我们同时运行两个后端的读取测试中,中位数从 297 ms 降到了 127 ms。具体方法见 compare mode 部分。

首先,我们在与 Node 相同的容器中部署了一个 Go“前门”。Go 先看到每一个请求,要么直接应答,要么将其传递给 localhost 上的 Node。第一天,它把所有请求都传给了 Node。

每个操作都有一个模式:Node、compare 或 Go。迁移一个路由意味着将其名称添加到 Terraform 中的一个列表里,回滚则是将其移除。第二个列表将指定的员工账户发送到 Go,这样每个 Go 路由都会先由我们内部使用一天,然后才面向客户。

大多数路由从 compare 模式开始:10月31日覆盖了 80% 的路由表,11月1日超过一半。从11月8日到12日,这一比例降到了 0.3% 的路由。此后,几乎所有新路由都直接从 Go 开始。

前门还会为每个请求写一行日志,包含操作、状态、延迟和 servedBy(即应答的后端):

operation=getExampleThing status=200 latency_ms=14 servedBy=go

这些日志行中仍由 Node 处理的比例就是我们的进度条。

11月6日早上,Go 和 Node 平分了流量。在最后12个小时里,Node 应答的请求不到 0.2%。

在迁移一个繁忙的读取路由之前,我们要先确保生产环境的结果与移植版本一致。在 compare 模式下,Node 应答用户,同时对一部分请求,Go 运行相同的请求,然后我们比较两个响应。不匹配时会记录操作和差异的形状,绝不记录响应体,因为响应体可能包含客户数据。

大多数不匹配都很小:时间戳精度、并列行的顺序不同、Node 省略了字段而 Go 返回 null。少数是 Node 中的 bug,被移植版本复制了过来。当 Node 做了奇怪的事情时,我们会检查是否有任何人依赖它,然后再决定是否复制。一个读取路由在足够多的真实流量下零不匹配后,才会迁移到 Go;对于一个每周只调用五次的路由,我们接受更少的证据。

因为两个后端处理相同的请求,compare 模式也是我们的速度测试。每条 compare 日志行都记录了两个时间。从10月30日到11月12日,在我们比较的请求中,Go 在 89% 的情况下更快:

这只是采样的读取请求,不包括写入或任务。而且并非每个路由都变快了:在最繁忙的对比路由中,约有 6% 在 Go 上的中位数更慢。

你不能运行两次写入来比较。因此,对于每个写入,我们记录了请求、之前的数据库和之后的数据库,然后在一个全新的 Postgres 上对 Go 重放该请求,并比较行。这些记录成为了提交的测试夹具,因此 Go handlers 至今仍在对照 Node 的行为进行检查。

边缘映射比测试发现了更多 bug。在 agent 移植一个路由之前,它会列出 Node 代码中的每个分支:什么触发了该分支,以及 Go 是匹配它还是有意不同。这个列表会放在 pull request 中。因此,agent 在编写任何 Go 代码之前必须端到端地阅读 Node 代码。每一行给出 Node 文件和行号、分支的作用、覆盖它的 Go 测试,以及一个状态:MATCH,或者 DECISION(表示我们有意为之的差异,以后可以撤销)。下面是一个虚构的例子,针对一个取消咨询的路由,省略了测试列:

像 N04 这样的行正是 bug 藏身之处。没有人会想到为“日历删除失败仍然取消咨询”写测试,但映射让 agent 找到了那个分支并匹配了它。

任务更难,因为一个任务可能休眠一周而仍处于进行中。我们将它们迁移到了 Hatchet,由我们的 Go worker 运行,一次一个事件组:

问题在于:删除一个 Node 函数会取消其休眠中的运行,因此下周二到期的提醒将永远不会发出。起初我们等了好几天让运行排空。然后我们切换到 backfill 和 cancel。一个一次性的 Go 任务从数据库重建每个待处理的运行,每个都有固定的 ID,因此不会运行两次,然后我们删除 Node 函数。

大多数任务在最后两天迁移完成。11月11日结束时,我们 89% 的 Inngest 函数仍在 Node 上。一天后,这一比例降至 30%,到11月13日结束时,一个都不剩了。

登录中的错误会把人锁在门外,所以 Better Auth 最后迁移,也最慢。首先,Go 签署一个 header 告诉 Node 用户是谁,两个会话检查并排运行了一天,零不匹配。然后 Go 应答每个登录路由(邮箱验证码、Google、一键登录、登出、员工支持登录,以及面向 MCP 客户端的 OAuth 服务器),Node 仍作为回退挂载。然后我们移除了 Node。

由于没有任何东西再调用 Node,应用变成了一个普通的单页应用,我们删除了 TanStack Start、Nitro 和 Node 服务器。迁移变成了纯 SQL 文件,在启动时由一个 Go migrator 在 advisory lock 下运行。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →