Pinterest 应对 AWS EC2 网络限流问题以提升服务可靠性

Pinterest 近期发布技术博客，详解其工程团队处理亚马逊 EC2 实例网络带宽限制问题的方案。该平台月活用户超 5.5 亿，维持稳定性能对其 KVStore 机器学习特征库等核心服务尤为关键。

Pinterest 的工程团队发现 KVStore 在流量高峰期间频繁出现延迟激增和间歇性服务中断，导致首页推荐流（Homefeed）等功能出现应用超时和级联故障。根本原因在于部分 EC2 实例类型的网络性能存在固有局限。举例来说，标称“最高 12.5 Gbps”实例的实际基准带宽可能远低于此，且依赖非保障的突发带宽。当网络用量超过基准值时，便会造成数据包的延迟和丢失。

2024 年，Pinterest 启动向 AWS Nitro 架构实例（如 i3 到 i4i 机型）的迁移计划，却在从 Amazon S3 批量导入宽列数据库时暴露出严重性能衰减，读取延迟导致应用超时，最终迫使其 2 万余个实例的迁移计划暂缓。

在获得更精确的网络性能可视化能力后，Pinterest 实施了多项关键策略来缓解 EC2 网络限流问题。首要措施之一是选用具有更高基准网络带宽的 EC2 实例，逐步淘汰仅提供突发性能承诺的实例类型，以更好地支撑工作负载。同时引入流量整形技术，通过精确调控数据流确保网络使用率始终处于最优阈值范围内。

此外，Pinterest 将工作负载更均衡地分配到多个实例上，有效降低了单点资源过载风险。这些综合改进措施显著提升了系统可靠性和稳定性，不仅大幅减少了延迟峰值现象，更彻底消除了此前影响用户体验的服务中断问题。

Pinterest 这一实践案例突显了深入理解云基础设施细节的重要性，尤其是 EC2 实例网络带宽限制可能带来的连锁影响。通过主动监控和持续优化基础设施架构，他们成功克服了网络限流挑战，为数亿用户提供了更加流畅稳定的服务体验。