「能连上但很慢」的四种可能原因
慢是一个模糊的抱怨。把它拆成四种可区分的成因,每一种的排查手段完全不同。
网络往返慢
先测 HEAD 请求的往返耗时。如果这个就很高,问题在网络层,与模型无关。
先分清是网络往返慢还是模型生成慢:前者看 ping,后者看首字节时间。
出问题的时候先跑这个脚本,如果它也失败,那是服务端问题;如果它成功,那是你的应用集成问题。
模型本身慢
首字节时间远大于网络往返,说明是上游在生成阶段变慢。这时候该看健康看板上的延迟趋势。
对应到网关:401 多半是 Key 本身错误、过期或被撤销;403 多半是分组不允许访问目标模型,或者上游凭据失败。
被降级了
状态看板显示 degraded 时,响应变慢是预期内的。此时要么接受,要么切到另一个模型。
然后看是不是被降级了——健康看板里 status 是 degraded 时,响应变慢是预期内的,不是 bug。
中间层缓冲
上游很快但客户端感觉慢,通常是缓冲问题。逐层排查:SDK、HTTP 客户端、反向代理、Nginx。
客户端断开连接后,如果网关不把取消信号传给上游,上游会继续把整个响应算完——这部分 token 费用是你照付的。
实现上通常需要在请求上下文上挂一个取消信号,并确保它一路传到 HTTP 客户端。
实操:把网关状态接进告警规则。
看板上的 ping_ms 和 latency_ms 能帮你区分前两种情况。
groups:
- name: ai-gateway
rules:
- alert: GatewayModelDegraded
expr: gateway_model_up{status!="operational"} == 1
for: 5m
annotations:
summary: "模型 {{ $labels.model }} 状态异常({{ $labels.status }})"
description: "请检查健康看板与上游渠道状态"
- alert: GatewayUpstreamErrorRate
expr: |
sum(rate(gateway_upstream_errors_total[5m])) by (channel)
/
sum(rate(gateway_upstream_requests_total[5m])) by (channel) > 0.05
for: 10m
annotations:
summary: "渠道 {{ $labels.channel }} 错误率超过 5%"
- alert: GatewayLatencyRegression
expr: histogram_quantile(0.95, sum(rate(gateway_duration_bucket[5m])) by (le, model)) > 10
for: 10m
annotations:
summary: "模型 {{ $labels.model }} 的 P95 延迟超过 10 秒"
几个容易踩的坑
- 跳过
GET /v1/models,直接猜模型名。 - 把 401 和 403 当成同一类错误去查。
- 没分清 429 是上游限的还是自己限的。
- 出问题时没有最小复现脚本,只能在业务代码里盲改。
小结
把可观测性做在前面,后面所有的优化才有依据。
如果你也碰到上面这些问题,可以看看 https://aiminis.info/ —— 一个把协议适配、渠道调度、用量与额度都收敛在一起的 AI API 网关,OpenAI 与 Anthropic 两套协议都能直接接。
- 点赞
- 收藏
- 关注作者
评论(0)