先说结论:WMS 上线后越用越慢,十有八九不是服务器不行,而是数据、查询、任务、接口这几件事在上线后没人管,越攒越重,最后把系统拖垮。排查别一上来就加服务器,先按我下面这个顺序查,查到哪一步问题现形,就在哪一步停下来修,修完再往下走。这个坑我见过三次,每次的剧本都差不多,只是主角换了个仓库。
我做过 30 多个上线项目,有一个规律特别明显:上线第一周大家都说系统真快,第二个月开始有人抱怨扫码要等一下,第三个月拣选员在库位上等页面转圈,到了旺季,整个仓都在骂系统。系统本身没变,变的是数据量、是任务量、是接口的调用量。慢,几乎从来不是一天变慢的,是每天慢一点,慢到某天突然没法忍了。
WMS 慢下来的五个原因,先对号入座
第一个原因,数据量膨胀,历史单据从来不清档。入库单、出库单、盘点单、调整单,上线之后只进不出,几年下来一张表里躺着几百万行历史数据。查询的时候系统要在一堆旧单据里翻找新单据,页面当然慢。更麻烦的是,很多报表的统计范围默认就是全表,跑一次报表,整库跟着遭殃。
第二个原因,索引与查询劣化。上线时建好的索引,是按当时的查询方式设计的。业务一变,新的查询条件加上来,旧索引就跟不上了。最常见的画面是:某个查询条件里加了一个状态字段,或者按时间倒序取数,索引失效,系统改成全表扫描,一次查询拖垮一整批操作。
第三个原因,波次与任务积压。波次建得太多、太碎,或者任务分配规则太死,任务池里躺着大量已经过期、已经取消、或者根本没人能接的任务。系统每次分配任务,都要先把这些死任务过一遍筛子。任务越多,分配越慢,拣选员在原地等任务,任务还在池子里排队。
第四个原因,接口轮询拖垮系统。电商平台、快递、财务系统都在定时拉数据,有的接口几分钟轮询一次,有的失败了还在不停重试。单看每一次调用都不大,合起来就是持续不断的压力。最要命的是重试风暴:接口一端出问题,另一端疯狂重试,系统被自己的重试打垮。
第五个原因,硬件与并发到顶。服务器的配置是按上线时的单量买的,业务涨了,单量翻倍,并发用户也翻倍,硬件先到顶。这个原因我放在最后,是因为前面四个原因不解决,加硬件只是把崩溃的时间往后推,推不了多远。
WMS 排查按这个顺序查,查到就停
下面这张表是我在项目上用的排查顺序,照着走,别跳步。
| 症状 | 最可能的原因 | 先查什么 |
|---|---|---|
| 所有页面都慢,越到下午越慢 | 数据量膨胀,历史单据不清档 | 历史单据量、归档策略、报表统计范围 |
| 只有某个查询慢,别的页面正常 | 索引与查询劣化 | 该查询的执行计划、有没有走索引 |
| 拣选员等任务,任务池看着很大 | 波次与任务积压 | 过期与取消任务数、波次规则 |
| 系统间歇性卡顿,时好时坏 | 接口轮询拖垮 | 接口调用量、失败重试次数 |
| 旺季一到全仓都慢,淡季又好了 | 硬件与并发到顶 | 服务器负载、并发用户数 |
查第一步,先看数据。打开历史单据的量级,看看归档策略到底跑没跑过。很多仓库的归档策略写在文档里,实际上从来没执行过。归档不是删数据,是把不常用的历史单据移到归档区,让在线查询只面对热数据。归档之前先跟财务和运营确认保留期限,确认完了再动手,别自己拍脑袋。
查第二步,看查询。把最慢的那个查询拎出来,看它的执行计划。索引失效的原因常常很小:一个字段的类型变了,一个排序方向反了,一个新加的条件没建索引。修索引之前先在测试环境验证,别直接在生产库上动手。上线前夜 checklist 里有一条我每次都写:慢查询清单,先列出来再上线。
查第三步,清任务。任务池里的过期任务、取消任务、死任务,先统计数量,再批量清理。波次规则也要复核:波次是不是建得太碎,是不是同一个订单被拆进了多个波次。任务分配规则改之前,先在小范围试跑,确认拣选效率真的提升了,再全仓推广。
查第四步,看接口。把接口调用量按小时拉出来,看有没有异常峰值,看失败重试的次数。轮询间隔能不能放宽,重试次数能不能设上限,失败了能不能先告警而不是一直重试。这一步常常能挖出意外收获:某个早就没人用的接口还在每天定时拉数据,白白占着资源。
查第五步,才看硬件。前面四步都查完了,系统还是慢,再看服务器负载和并发数。到了这一步,加硬件才是合理的。加之前先算一笔账:单量涨了多少,并发涨了多少,硬件的瓶颈到底在处理器、内存还是磁盘。算不清楚就别加,加错了地方等于白花钱。
三个翻车点,别再踩了
第一个翻车点,上线前没做数据增长测算。很多项目上线时只测了当天的单量,没测一年之后的数据量。系统上线第一天跑得飞快,验收就过了,一年之后数据量翻了几倍,慢就成了必然。上线前夜 checklist 上必须有一条:按未来一年的单量做压力测试。
第二个翻车点,报表直接连生产库。运营要报表,财务要报表,老板也要报表,报表查询直接打在生产库上,白天业务高峰期跑大报表,业务操作跟着一起卡。报表要走只读库或者单独的统计口径,别跟业务抢资源。
第三个翻车点,接口没人管。接口上线的时候大家都盯着,跑顺了就没人看了。调用量悄悄涨上去,重试悄悄多起来,等到系统被拖垮才发现,接口日志里早就写满了失败记录。接口也要有日常巡检,调用量、失败率、重试次数,每周看一次。
我见过一个仓,拣选员每天早上第一件事就是先等系统反应过来,扫一个码等两秒,一天下来多等的时间够多拣几百件货。修好之后,拣选员的第一句话是:系统终于跟得上手了。系统慢这件事,从来不只是技术问题,它直接吃掉的是一线员工的时间和耐心。
所以别再问要不要加服务器了。先按顺序查,查到哪一步就修哪一步。修完之后,把归档、慢查询、任务清理、接口巡检这四件事写进每月的固定动作里,别等到下一次变慢了再来抢修。每个月的固定动作不用搞得太复杂,关键是有人负责、有人复核、出了异常有人跟到底。归档跑没跑、慢查询清单有没有新增、任务池清没清、接口失败率有没有抬头,这几件事每月看一次,系统就不会在没人注意的时候悄悄变慢。上线只是开始,上线之后的管理才是系统能不能一直跑得动的真正考验。
作者:林晓|WMS 实施顾问,做过 30+ 上线项目







