5秒到1秒，記一次效果“非常”顯著的性能優(yōu)化
性能優(yōu)化，有時候看起來是一個比較虛的技術(shù)需求。除非代碼慢的已經(jīng)讓人無法忍受，否則，很少有公司會有覺悟投入資源去做這些工作。即使你有了性能指標數(shù)據(jù)，也很難說服領(lǐng)導(dǎo)做一個由耗時300ms降低到150ms的改進，因為它沒有業(yè)務(wù)價值。
這很讓人傷心，但這是悲催的現(xiàn)實。
性能優(yōu)化，通常由有技術(shù)追求的人發(fā)起，根據(jù)觀測指標進行的正向優(yōu)化。他們通常具有工匠精神，對每一毫秒的耗時都吹毛求疵，力求完美。當然，前提是你得有時間。
1. 優(yōu)化背景和目標
我們本次的性能優(yōu)化，就是由于達到了無法忍受的程度，才進行的優(yōu)化工作，屬于事后補救，問題驅(qū)動的方式。這通常沒什么問題，畢竟業(yè)務(wù)第一嘛，迭代在填坑中進行。
先說背景。本次要優(yōu)化的服務(wù)，請求響應(yīng)時間十分的不穩(wěn)定。隨著數(shù)據(jù)量的增加，大部分請求，要耗時5-6秒左右!超出了常人能忍受的范圍。
當然需要優(yōu)化。
為了說明要優(yōu)化的目標，我大體畫了一下它的拓撲結(jié)構(gòu)。如圖所示，這是一套微服務(wù)架構(gòu)的服務(wù)。
其中，我們優(yōu)化的目標，就處于一個比較靠上游的服務(wù)。它需要通過Feign接口，調(diào)用下游非常多的服務(wù)提供者，獲取數(shù)據(jù)后進行聚合拼接，最終通過zuul網(wǎng)關(guān)和nginx，來發(fā)送到瀏覽器客戶端。
為了觀測服務(wù)之間的調(diào)用關(guān)系和監(jiān)控數(shù)據(jù)，我們接入了Skywalking調(diào)用鏈平臺和Prometheus監(jiān)控平臺，收集重要的數(shù)據(jù)以便能夠進行優(yōu)化決策。要進行優(yōu)化之前，我們需要首先看一下優(yōu)化需要參考的兩個技術(shù)指標。
- 吞吐量：單位時間內(nèi)發(fā)生的次數(shù)。比如QPS、TPS、HPS等。
- 平均響應(yīng)時間：每個請求的平均耗時。
平均響應(yīng)時間自然是越小越好，它越小，吞吐量越高。吞吐量的增加還可以合理利用多核，通過并行度增加單位時間內(nèi)的發(fā)生次數(shù)。
我們本次優(yōu)化的目標，就是減少某些接口的平均響應(yīng)時間，降低到1秒以內(nèi);增加吞吐量，也就是提高QPS，讓單實例系統(tǒng)能夠承接更多的并發(fā)請求。
2. 通過壓縮讓耗時急劇減少
我想要先介紹讓系統(tǒng)飛起來最重要的一個優(yōu)化手段：壓縮。
通過在chrome的inspect中查看請求的數(shù)據(jù)，我們發(fā)現(xiàn)一個關(guān)鍵的請求接口，每次要傳輸大約10MB的數(shù)據(jù)。這得塞了多少東西。
這么大的數(shù)據(jù)，光下載就需要耗費大量時間。如下圖所示，是我請求juejin主頁的某一個請求，其中的content download，就代表了數(shù)據(jù)在網(wǎng)絡(luò)上的傳輸時間。如果用戶的帶寬非常慢，那么這個請求的耗時，將會是非常長的。
為了減少數(shù)據(jù)在網(wǎng)絡(luò)上的傳輸時間，可以啟用gzip壓縮。gzip壓縮是屬于時間換空間的做法。對于大多數(shù)服務(wù)來說，最后一環(huán)是nginx，大多數(shù)人都會在nginx這一層去做壓縮。它的主要配置如下：
- gzip on;
- gzip_vary on;
- gzip_min_length 10240;
- gzip_proxied expired no-cache no-store private auth;
- gzip_types text/plain text/css text/xml text/javascript application/x-javascript application/xml;
- gzip_disable "MSIE [1-6]\.";
壓縮率有多驚人呢?我們可以看一下這張截圖。可以看到，數(shù)據(jù)壓縮后，由8.95MB縮減到了368KB!瞬間就能夠被瀏覽器下載下來。
但是等等，nginx只是最外面的一環(huán)，還沒完，我們還可以讓請求更快一些。
請看下面的請求路徑，由于采用了微服務(wù)，請求的流轉(zhuǎn)就變得復(fù)雜起來：nginx并不是直接調(diào)用了相關(guān)得服務(wù)，它調(diào)用的是zuul網(wǎng)關(guān)，zuul網(wǎng)關(guān)才真正調(diào)用的目標服務(wù)，目標服務(wù)又另外調(diào)用了其他服務(wù)。內(nèi)網(wǎng)帶寬也是帶寬，網(wǎng)絡(luò)延遲也會影響調(diào)用速度，同樣也要壓縮起來。
- nginx->zuul->服務(wù)A->服務(wù)E
要想Feign之間的調(diào)用全部都走壓縮通道，還需要額外的配置。我們是springboot服務(wù)，可以通過okhttp的透明壓縮進行處理。
加入它的依賴：
- <dependency>
- <groupId>io.github.openfeign</groupId>
- <artifactId>feign-okhttp</artifactId>
- </dependency>
開啟服務(wù)端配置：
- server:
- port:8888
- compression:
- enabled:true
- min-response-size:1024
- mime-types:["text/html","text/xml","application/xml","application/json","application/octet-stream"]
開啟客戶端配置：
- feign:
- httpclient:
- enabled:false
- okhttp:
- enabled:true
經(jīng)過這些壓縮之后，我們的接口平均響應(yīng)時間，直接從5-6秒降低到了2-3秒，優(yōu)化效果非常顯著。
當然，我們也在結(jié)果集上做了文章，在返回給前端的數(shù)據(jù)中，不被使用的對象和字段，都進行了精簡。但一般情況下，這些改動都是傷筋動骨的，需要調(diào)整大量代碼，所以我們在這上面用的精力有限，效果自然也有限。
3. 并行獲取數(shù)據(jù)，響應(yīng)飛快
接下來，就要深入到代碼邏輯內(nèi)部進行分析了。上面我們提到，面向用戶的接口，其實是一個數(shù)據(jù)聚合接口。它的每次請求，通過Feign，調(diào)用了幾十個其他服務(wù)的接口，進行數(shù)據(jù)獲取，然后拼接結(jié)果集合。
為什么慢?因為這些請求全部是串行的!Feign調(diào)用屬于遠程調(diào)用，也就是網(wǎng)絡(luò)I/O密集型調(diào)用，多數(shù)時間都在等待，如果數(shù)據(jù)滿足的話，是非常適合并行調(diào)用的。
首先，我們需要分析這幾十個子接口的依賴關(guān)系，看一下它們是否具有嚴格的順序性要求。如果大多數(shù)沒有，那就再好不過了。
分析結(jié)果喜憂參半，這堆接口，按照調(diào)用邏輯，大體上可以分為A，B類。首先，需要請求A類接口，拼接數(shù)據(jù)后，這些數(shù)據(jù)再供B類使用。但在A，B類內(nèi)部，是沒有順序性要求的。
也就是說，我們可以把這個接口，拆分成順序執(zhí)行的兩部分，在某個部分都可以并行的獲取數(shù)據(jù)。
那就按照這種分析結(jié)果改造試試吧，使用concurrent包里的CountDownLatch，很容易的就實現(xiàn)了并取功能。
- CountDownLatch latch = new CountDownLatch(jobSize);
- //submit job
- executor.execute(() -> {
- //job code
- latch.countDown();
- });
- executor.execute(() -> {
- latch.countDown();
- });
- ...
- //end submit
- latch.await(timeout, TimeUnit.MILLISECONDS);
結(jié)果非常讓人滿意，我們的接口耗時，又減少了接近一半!此時，接口耗時已經(jīng)降低到2秒以下。
你可能會問，為什么不用Java的并行流呢?關(guān)于并行流的坑，可以參考這篇文章。非常不建議你使用它。
并發(fā)編程一定要小心，尤其是在業(yè)務(wù)代碼中的并發(fā)編程。我們構(gòu)造了專用的線程池，來支撐這個并發(fā)獲取的功能。
- final ThreadPoolExecutor executor = new ThreadPoolExecutor(100, 200, 1,
- TimeUnit.HOURS, new ArrayBlockingQueue<>(100));
壓縮和并行化，是我們本次優(yōu)化中，最有效的手段。它們直接砍掉了請求大半部分的耗時，非常的有效。但我們還是不滿足，因為每次請求，依然有1秒鐘以上呢。
4. 緩存分類，進一步加速
我們發(fā)現(xiàn)，有些數(shù)據(jù)的獲取，是放在循環(huán)中的，有很多無效請求，這不能忍。
- for(List){
- client.getData();
- }
如果將這些常用的結(jié)果緩存起來，那么就可以大大減少網(wǎng)絡(luò)IO請求的次數(shù)，增加程序的運行效率。
緩存在大多數(shù)應(yīng)用程序的優(yōu)化中，作用非常大。但由于壓縮和并行效果的對比，緩存在我們這個場景中，效果不是非常的明顯，但依然減少了大約三四十毫秒的請求時間。
我們是這么做的。
首先，我們將一部分代碼邏輯簡單，適合Cache Aside Pattern模式的數(shù)據(jù)，放在了分布式緩存Redis中。具體來說，就是讀取的時候，先讀緩存，緩存讀不到的時候，再讀數(shù)據(jù)庫;更新的時候，先更新數(shù)據(jù)庫，再刪除緩存(延時雙刪)。使用這種方式，能夠解決大部分業(yè)務(wù)邏輯簡單的緩存場景，并能解決數(shù)據(jù)的一致性問題。
但是，僅僅這么做是不夠的，因為有些業(yè)務(wù)邏輯非常的復(fù)雜，更新的代碼發(fā)非常的分散，不適合使用Cache Aside Pattern進行改造。我們了解到，有部分數(shù)據(jù)，具有以下特點：
- 這些數(shù)據(jù)，通過耗時的獲取之后，在極端的時間內(nèi)，會被再次用到
- 業(yè)務(wù)數(shù)據(jù)對它們的一致性要求，可以控制在秒級別以內(nèi)
- 對于這些數(shù)據(jù)的使用，跨代碼、跨線程，使用方式多樣
針對于這種情況，我們設(shè)計了存在時間極短的堆內(nèi)內(nèi)存緩存，數(shù)據(jù)在1秒之后，就會失效，然后重新從數(shù)據(jù)庫中讀取。加入某個節(jié)點調(diào)用服務(wù)端接口是1秒鐘1k次，我們直接給降低到了1次。
在這里，使用了Guava的LoadingCache，減少的Feign接口調(diào)用，是數(shù)量級的。
- LoadingCache<String, String> lc = CacheBuilder
- .newBuilder()
- .expireAfterWrite(1,TimeUnit.SECONDS)
- .build(new CacheLoader<String, String>() {
- @Override
- public String load(String key) throws Exception {
- return slowMethod(key);
- }});
5. MySQL索引的優(yōu)化
我們的業(yè)務(wù)系統(tǒng)，使用的是MySQL數(shù)據(jù)庫，由于沒有專業(yè)DBA介入，而且數(shù)據(jù)表是使用JPA生成的。在優(yōu)化的時候，發(fā)現(xiàn)了大量不合理的索引，當然是要優(yōu)化掉。
由于SQL具有很強的敏感性，我這里只談一些在優(yōu)化過程中碰到的索引優(yōu)化規(guī)則問題，相信你一樣能夠在自己的業(yè)務(wù)系統(tǒng)中進行類比。
索引非常有用，但是要注意，如果你對字段做了函數(shù)運算，那索引就用不上了。常見的索引失效，還有下面兩種情況：
- 查詢的索引字段類型，與用戶傳遞的數(shù)據(jù)類型不同，要做一層隱式轉(zhuǎn)換。比如varchar類型的字段上，傳入了int參數(shù)
- 查詢的兩張表之間，使用的字符集不同，也就無法使用關(guān)聯(lián)字段作為索引
MySQL的索引優(yōu)化，最基本的是遵循最左前綴原則，當有a、b、c三個字段的時候，如果查詢條件用到了a，或者a、b，或者a、b、c，那么我們就可以創(chuàng)建(a，b，c)一個索引即可，它包含了a和ab。當然，字符串也是可以加前綴索引的，但在平常應(yīng)用中較少。
有時候，MySQL的優(yōu)化器，會選擇了錯誤的索引，我們需要使用force index指定所使用的索引。在JPA中，就要使用nativeQuery，來書寫綁定到MySQL數(shù)據(jù)庫的SQL語句，我們盡量的去避免這種情況。
另外一個優(yōu)化是減少回表。由于InnoDB采用了B+樹，但是如果不使用非主鍵索引，會通過二級索引(secondary index)先查到聚簇索引(clustered index)，然后再定位到數(shù)據(jù)。多了一步，產(chǎn)生回表。使用覆蓋索引，可以一定程度上避免回表，是常用的優(yōu)化手段。具體做法，就是把要查詢的字段，與索引放在一起做聯(lián)合索引，是一種空間換時間的做法。
6. JVM優(yōu)化
我通常將JVM的優(yōu)化放在最后一環(huán)。而且，除非系統(tǒng)發(fā)生了嚴重的卡頓，或者OOM問題，都不會主動對其進行過度優(yōu)化。
很不幸的是，我們的應(yīng)用，由于開啟了大內(nèi)存(8GB+)，在JDK1.8默認的并行收集器下，經(jīng)常發(fā)生卡頓。雖然不是很頻繁，但動輒幾秒鐘，已經(jīng)嚴重影響到部分請求的平滑性。
程序剛開始，是光禿禿跑在JVM下的，GC信息，還有OOM，什么都沒留下。為了記錄GC信息，我們做了如下的改造。
第一步，加入GC問題排查的各種參數(shù)。
- -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/opt/xxx.hprof -DlogPath=/
這樣，我們就可以拿著生成的GC文件，上傳到gceasy等平臺進行分析。可以查看JVM的吞吐量和每個階段的延時等。
第二步，開啟SpringBoot的GC信息，接入Promethus監(jiān)控。
在pom中加入依賴。
- <dependency>
- <groupId>org.springframework.boot</groupId>
- <artifactId>spring-boot-starter-actuator</artifactId>
- </dependency>
然后配置暴露點就可以了。這樣，我們就擁有了實時的分析數(shù)據(jù)，有了優(yōu)化的依據(jù)。
- management.endpoints.web.exposure.include=health,info,prometheus
在觀測了JVM的表現(xiàn)之后，我們切換成了G1垃圾回收器。G1有最大停頓目標，可以讓我們的GC時間更加的平滑。它主要有以下幾個調(diào)優(yōu)參數(shù)：
- -XX:MaxGCPauseMillis 設(shè)置目標停頓時間，G1會盡力達成。
- -XX:G1HeapRegionSize 設(shè)置小堆區(qū)大小。這個值為2的次冪，不要太大，也不要太小。如果是在不知道如何設(shè)置，保持默認。
- -XX:InitiatingHeapOccupancyPercent 當整個堆內(nèi)存使用達到一定比例(默認是45%)，并發(fā)標記階段就會被啟動。
- -XX:ConcGCThreads 并發(fā)垃圾收集器使用的線程數(shù)量。默認值隨JVM運行的平臺不同而不同。不建議修改。
切換成G1之后，這種不間斷的停頓，竟然神奇的消失了!期間，還發(fā)生過很多次內(nèi)存溢出的問題，不過有MAT這種神器的加持，最終都很easy的被解決了。
7. 其他優(yōu)化
在工程結(jié)構(gòu)和架構(gòu)方面，如果有硬傷的話，那么代碼優(yōu)化方面，起到的作用其實是有限的，就比如我們這種情況。
但主要代碼還是要整一下容得。有些處于高耗時邏輯中的關(guān)鍵的代碼，我們對其進行了格外的關(guān)照。按照開發(fā)規(guī)范，對代碼進行了一次統(tǒng)一的清理。其中，有幾個印象比較深深刻的點。
有同學為了能夠復(fù)用map集合，每次用完之后，都使用clear方法進行清理。
- map1.clear();
- map2.clear();
- map3.clear();
- map4.clear();
這些map中的數(shù)據(jù)，特別的多，而clear方法有點特殊，它的時間復(fù)雜度事O(n)的，造成了較高的耗時。
- public void clear() {
- Node<K,V>[] tab;
- modCount++;
- if ((tab = table) != null && size > 0) {
- size = 0;
- for (int i = 0; i < tab.length; ++i)
- tab[i] = null;
- }
- }
同樣的線程安全的隊列，有ConcurrentLinkedQueue，它的size()方法，時間復(fù)雜度非常高，不知怎么就被同事給用上了，這都是些性能殺手。
- public int size() {
- restartFromHead: for (;;) {
- int count = 0;
- for (Node<E> p = first(); p != null;) {
- if (p.item != null)
- if (++count == Integer.MAX_VALUE)
- break; // @see Collection.size()
- if (p == (p = p.next))
- continue restartFromHead;
- }
- return count;
- }
- }
另外，有些服務(wù)的web頁面，本身響應(yīng)就非常的慢，這是由于業(yè)務(wù)邏輯復(fù)雜，前端JavaScript本身就執(zhí)行緩慢。這部分代碼優(yōu)化，就需要前端的同事去處理了，如圖，使用chrome或者firefox的performance選項卡，可以很容易發(fā)現(xiàn)耗時的前端 代碼。
8. 總結(jié)
性能優(yōu)化，其實也是有套路的，但一般團隊都是等發(fā)生了問題才去優(yōu)化，鮮有未雨綢繆的。但有了監(jiān)控和APM就不一樣，我們能夠隨時拿到數(shù)據(jù)，反向推動優(yōu)化過程。
有些性能問題，能夠在業(yè)務(wù)需求層面，或者架構(gòu)層面去解決。凡是已經(jīng)帶到代碼層，需要程序員介入的優(yōu)化，都已經(jīng)到了需求方和架構(gòu)方不能再亂動，或者不想再動的境地。
性能優(yōu)化首先要收集信息，找出瓶頸點，權(quán)衡CPU、內(nèi)存、網(wǎng)絡(luò)、、IO等資源，然后盡量的減少平均響應(yīng)時間，提高吞吐量。
緩存、緩沖、池化、減少鎖沖突、異步、并行、壓縮，都是常見的優(yōu)化方式。在我們的這個場景中，起到最大作用的，就是數(shù)據(jù)壓縮和并行請求。當然，加上其他優(yōu)化方法的協(xié)助，我們的業(yè)務(wù)接口，由5-6秒的耗時，直接降低到了1秒之內(nèi)，這個優(yōu)化效果還是非常可觀的。估計在未來很長一段時間內(nèi)，都不會再對它進行優(yōu)化了。
作者簡介：小姐姐味道 (xjjdog)，一個不允許程序員走彎路的公眾號。聚焦基礎(chǔ)架構(gòu)和Linux。十年架構(gòu)，日百億流量，與你探討高并發(fā)世界，給你不一樣的味道。
