只改了五行代碼接口吞吐量提升了10倍！

2025-05-09 02:00:00

結(jié)果是好的，過程是曲折的。總的來說還是知識的欠缺，文章看起來還算順暢，但都是事后諸葛亮，不對，應(yīng)該是時候臭皮匠。基本都是邊查資料邊分析邊操作，前后花費了4天時間，嘗試了很多。

公司的一個ToB系統(tǒng)，因為客戶使用的也不多，沒啥并發(fā)要求，就一直沒有經(jīng)過壓測。這兩天來了一個“大客戶”，對并發(fā)量提出了要求：核心接口與幾個重點使用場景單節(jié)點吞吐量要滿足最低500/s的要求。

當(dāng)時一想，500/s吞吐量還不簡單。Tomcat按照100個線程，那就是單線程1S內(nèi)處理5個請求，200ms處理一個請求即可。這個沒有問題，平時接口響應(yīng)時間大部分都100ms左右，還不是分分鐘滿足的事情。

然而壓測一開，100 的并發(fā)，吞吐量居然只有 50 ...

圖片

而且再一查，100的并發(fā)，CPU使用率居然接近 80% ...

從上圖可以看到幾個重要的信息。

最小值：表示我們非并發(fā)場景單次接口響應(yīng)時長。還不足100ms。挺好!

最大值：并發(fā)場景下，由于各種鎖或者其他串行操作，導(dǎo)致部分請求等待時長增加，接口整體響應(yīng)時間變長。5秒鐘。有點過分了！！！

再一看百分位，大部分的請求響應(yīng)時間都在4s。無語了！！！

所以 1s鐘的吞吐量單節(jié)點只有 50 。距離 500 差了10倍。難受！！！！

分析過程

定位“慢”原因

這里暫時先忽略 CPU 占用率高的問題

首先平均響應(yīng)時間這么慢，肯定是有阻塞。先確定阻塞位置。重點檢查幾處：

鎖 (同步鎖、分布式鎖、數(shù)據(jù)庫鎖)
耗時操作 (鏈接耗時、SQL耗時)

結(jié)合這些先配置耗時埋點。

接口響應(yīng)時長統(tǒng)計。超過500ms打印告警日志。
接口內(nèi)部遠程調(diào)用耗時統(tǒng)計。200ms打印告警日志。
Redis訪問耗時。超過10ms打印告警日志。
SQL執(zhí)行耗時。超過100ms打印告警日志。

上述配置生效后，通過日志排查到接口存在慢SQL。具體SQL類似與這種：

<!-- 主要類似與庫存扣減 每次-1 type 只有有限的幾種且該表一共就幾條數(shù)據(jù)（一種一條記錄）-->  
<!-- 壓測時可以認為 type = 1 是寫死的 -->  
update table set field = field - 1 where type = 1 and filed > 1;

上述SQL相當(dāng)于并發(fā)操作同一條數(shù)據(jù)，肯定存在鎖等待。日志顯示此處的等待耗時占接口總耗時 80% 以上。

二話不說先改為敬。因為是壓測環(huán)境，直接改為異步執(zhí)行，確認一下效果。

PS：當(dāng)時心里是這么想的：妥了，大功告成。就是這里的問題！絕壁是這個原因！優(yōu)化一下就解決了。當(dāng)然，如果這么簡單就沒有必要寫這篇文章了...

優(yōu)化后的效果：

圖片

嗯...

emm...

好！這個優(yōu)化還是很明顯的，提升提升了近2倍。

此時已經(jīng)感覺到有些不對了，慢SQL已經(jīng)解決了（異步了~ 隨便吧~ 你執(zhí)行 10s我也不管了），雖然對吞吐量的提升沒有預(yù)期的效果。但是數(shù)據(jù)是不會騙人的。

最大值：已經(jīng)從 5s -> 2s
百分位值：4s -> 1s

這已經(jīng)是很大的提升了。

繼續(xù)定位“慢”的原因

通過第一階段的“優(yōu)化”，我們距離目標(biāo)近了很多。廢話不多說，繼續(xù)下一步的排查。

我們繼續(xù)看日志，此時日志出現(xiàn)類似下邊這種情況：

2023-01-0415:17:05:347 INFO **.**.**.***.50 [TID: 1s22s72s8ws9w00] **********************  
2023-01-0415:17:05:348 INFO **.**.**.***.21 [TID: 1s22s72s8ws9w00] **********************  
2023-01-0415:17:05:350 INFO **.**.**.***.47 [TID: 1s22s72s8ws9w00] **********************  

2023-01-0415:17:05:465 INFO **.**.**.***.234 [TID: 1s22s72s8ws9w00] **********************  
2023-01-0415:17:05:467 INFO **.**.**.***.123 [TID: 1s22s72s8ws9w00] **********************  

2023-01-0415:17:05:581 INFO **.**.**.***.451 [TID: 1s22s72s8ws9w00] **********************  

2023-01-0415:17:05:702 INFO **.**.**.***.72 [TID: 1s22s72s8ws9w00] **********************

前三行info日志沒有問題，間隔很小。第4 ~ 第5，第6 ~ 第7，第7 ~ 第8 很明顯有百毫秒的耗時。檢查代碼發(fā)現(xiàn)，這部分沒有任何耗時操作。那么這段時間干什么了呢？

發(fā)生了線程切換，換其他線程執(zhí)行其他任務(wù)了。(線程太多了)
日志打印太多了，壓測5分鐘日志量500M。（記得日志打印太多是有很大影響的）
STW。（但是日志還在輸出，所以前兩種可能性很高，而且一般不會停頓百毫秒）

按照這三個思路做了以下操作：

首先，提升日志打印級別到DEBUG。emm... 提升不大，好像增加了10左右。

然后，拆線程 @Async 注解使用線程池，控制代碼線程池數(shù)量（之前存在3個線程池，統(tǒng)一配置的核心線程數(shù)為100）結(jié)合業(yè)務(wù)，服務(wù)總核心線程數(shù)控制在50以內(nèi)，同步增加阻塞最大大小。結(jié)果還可以，提升了50，接近200了。

最后，觀察JVM的GC日志，發(fā)現(xiàn)YGC頻次4/s，沒有FGC。1分鐘內(nèi)GC時間不到1s，很明顯不是GC問題，不過發(fā)現(xiàn)JVM內(nèi)存太小只有512M，直接給了4G。吞吐量沒啥提升，YGC頻次降低為2秒1次。

唉，一頓操作猛如虎。

PS：其實中間還對數(shù)據(jù)庫參數(shù)一通瞎搞，這里不多說了。

其實也不是沒有收獲，至少在減少服務(wù)線程數(shù)量后還是有一定收獲的。

另外，已經(jīng)關(guān)注到了另外一個點：CPU使用率，減少了線程數(shù)量后，CPU的使用率并沒有明顯的下降，這里是很有問題的，當(dāng)時認為CPU的使用率主要與開啟的線程數(shù)量有關(guān)，之前線程多，CPU使用率較高可以理解。但是，在砍掉了一大半的線程后，依然居高不下這就很奇怪了。

此時關(guān)注的重點開始從代碼“慢”方向轉(zhuǎn)移到“CPU高”方向。

定位CPU使用率高的原因

CPU的使用率高，通常與線程數(shù)相關(guān)肯定是沒有問題的。當(dāng)時對居高不下的原因考慮可能有以下兩點：

有額外的線程存在。
代碼有部分CPU密集操作。

然后繼續(xù)一頓操作：

觀察服務(wù)活躍線程數(shù)。
觀察有無CPU占用率較高線程。

在觀察過程中發(fā)現(xiàn)，沒有明顯CPU占用較高線程。所有線程基本都在10%以內(nèi)。類似于下圖，不過有很多線程。

圖片

沒有很高就證明大家都很正常，只是多而已...

此時沒有下一步的排查思路了。當(dāng)時想著,算了打印一下堆棧看看吧，看看到底干了啥~

在看的過程中發(fā)現(xiàn)這段日志：

"http-nio-6071-exec-9" #82 daemon prio=5 os_prio=0 tid=0x00007fea9aed1000 nid=0x62 runnable [0x00007fe934cf4000]  
   java.lang.Thread.State: RUNNABLE  
 at org.springframework.core.annotation.AnnotationUtils.getValue(AnnotationUtils.java:1058)  
 at org.springframework.aop.aspectj.annotation.AbstractAspectJAdvisorFactory$AspectJAnnotation.resolveExpression(AbstractAspectJAdvisorFactory.java:216)  
 at org.springframework.aop.aspectj.annotation.AbstractAspectJAdvisorFactory$AspectJAnnotation.<init>(AbstractAspectJAdvisorFactory.java:197)  
 at org.springframework.aop.aspectj.annotation.AbstractAspectJAdvisorFactory.findAnnotation(AbstractAspectJAdvisorFactory.java:147)  
 at org.springframework.aop.aspectj.annotation.AbstractAspectJAdvisorFactory.findAspectJAnnotationOnMethod(AbstractAspectJAdvisorFactory.java:135)  
 at org.springframework.aop.aspectj.annotation.ReflectiveAspectJAdvisorFactory.getAdvice(ReflectiveAspectJAdvisorFactory.java:244)  
 at org.springframework.aop.aspectj.annotation.InstantiationModelAwarePointcutAdvisorImpl.instantiateAdvice(InstantiationModelAwarePointcutAdvisorImpl.java:149)  
 at org.springframework.aop.aspectj.annotation.InstantiationModelAwarePointcutAdvisorImpl.<init>(InstantiationModelAwarePointcutAdvisorImpl.java:113)  
 at org.springframework.aop.aspectj.annotation.ReflectiveAspectJAdvisorFactory.getAdvisor(ReflectiveAspectJAdvisorFactory.java:213)  
 at org.springframework.aop.aspectj.annotation.ReflectiveAspectJAdvisorFactory.getAdvisors(ReflectiveAspectJAdvisorFactory.java:144)  
 at org.springframework.aop.aspectj.annotation.BeanFactoryAspectJAdvisorsBuilder.buildAspectJAdvisors(BeanFactoryAspectJAdvisorsBuilder.java:149)  
 at org.springframework.aop.aspectj.annotation.AnnotationAwareAspectJAutoProxyCreator.findCandidateAdvisors(AnnotationAwareAspectJAutoProxyCreator.java:95)  
 at org.springframework.aop.aspectj.autoproxy.AspectJAwareAdvisorAutoProxyCreator.shouldSkip(AspectJAwareAdvisorAutoProxyCreator.java:101)  
 at org.springframework.aop.framework.autoproxy.AbstractAutoProxyCreator.wrapIfNecessary(AbstractAutoProxyCreator.java:333)  
 at org.springframework.aop.framework.autoproxy.AbstractAutoProxyCreator.postProcessAfterInitialization(AbstractAutoProxyCreator.java:291)  
 at org.springframework.beans.factory.support.AbstractAutowireCapableBeanFactory.applyBeanPostProcessorsAfterInitialization(AbstractAutowireCapableBeanFactory.java:455)  
 at org.springframework.beans.factory.support.AbstractAutowireCapableBeanFactory.initializeBean(AbstractAutowireCapableBeanFactory.java:1808)  
 at org.springframework.beans.factory.support.AbstractAutowireCapableBeanFactory.doCreateBean(AbstractAutowireCapableBeanFactory.java:620)  
 at org.springframework.beans.factory.support.AbstractAutowireCapableBeanFactory.createBean(AbstractAutowireCapableBeanFactory.java:542)  
 at org.springframework.beans.factory.support.AbstractBeanFactory.doGetBean(AbstractBeanFactory.java:353)  
 at org.springframework.beans.factory.support.AbstractBeanFactory.getBean(AbstractBeanFactory.java:233)  
 at org.springframework.beans.factory.support.DefaultListableBeanFactory.resolveNamedBean(DefaultListableBeanFactory.java:1282)  
 at org.springframework.beans.factory.support.DefaultListableBeanFactory.resolveNamedBean(DefaultListableBeanFactory.java:1243)  
 at org.springframework.beans.factory.support.DefaultListableBeanFactory.resolveBean(DefaultListableBeanFactory.java:494)  
 at org.springframework.beans.factory.support.DefaultListableBeanFactory.getBean(DefaultListableBeanFactory.java:349)  
 at org.springframework.beans.factory.support.DefaultListableBeanFactory.getBean(DefaultListableBeanFactory.java:342)  
 at cn.hutool.extra.spring.SpringUtil.getBean(SpringUtil.java:117)  
        ......    
        ......

上邊的堆棧發(fā)現(xiàn)了一個點：在執(zhí)行getBean的時候，執(zhí)行了createBean方法。我們都知道Spring托管的Bean都是提前實例化好放在IOC容器中的。createBean要做的事情有很多，比如Bean的初始化，依賴注入其他類，而且中間還有一些前后置處理器執(zhí)行、代理檢查等等，總之是一個耗時方法，所以都是在程序啟動時去掃描，加載，完成Bean的初始化。

而我們在運行程序線程堆棧中發(fā)現(xiàn)了這個操作。而且通過檢索發(fā)現(xiàn)竟然有近200處。

通過堆棧信息很快定位到執(zhí)行位置：

<!--BeanUtils 是 hutool 工具類。也是從IOC容器獲取Bean 等價于 @Autowired 注解 -->  
RedisTool redisTool = BeanUtils.getBean(RedisMaster.class);

而RedisMaster類

@Component  
@Scope("prototype")  
public class RedisMaster implements IRedisTool {  
    // ......  
}

沒錯就是用了多例。而且使用的地方是Redis（系統(tǒng)使用Jedis客戶端，Jedis并非線程安全，每次使用都需要新的實例），接口對Redis的使用還是比較頻繁的，一個接口得有10次左右獲取Redis數(shù)據(jù)。也就是說執(zhí)行10次左右的createBean邏輯 ...

嘆氣！！！

趕緊改代碼，直接使用萬能的 new 。

在看結(jié)果之前還有一點需要提一下，由于系統(tǒng)有大量統(tǒng)計耗時的操作。實現(xiàn)方式是通過：

long start = System.currentTimeMillis();  
// ......  
long end = System.currentTimeMillis();  
long runTime = start - end;

或者Hutool提供的StopWatch：

這里感謝一下huoger 同學(xué)的評論，當(dāng)時還誤以為該方式能夠降低性能的影響，但是實際上也只是一層封裝。底層使用的是 System.nanoTime()。

StopWatch watch = new StopWatch();  
watch.start();  
// ......  
watch.stop();  
System.out.println(watch.getTotalTimeMillis());

而這種在并發(fā)量高的情況下，對性能影響還是比較大的，特別在服務(wù)器使用了一些特定時鐘的情況下。這里就不多說，感興趣的可以自行搜索一下。

最終結(jié)果：

圖片

排查涉及的命令如下：

查詢服務(wù)進程CPU情況：top –Hp pid
查詢JVM GC相關(guān)參數(shù)：jstat -gc pid 2000 (對 pid [進程號] 每隔 2s 輸出一次日志)
打印當(dāng)前堆棧信息：jstack -l pid >> stack.log

總結(jié)

Mysql :Buffer Pool 、Change Buffer 、Redo Log 大小、雙一配置...
代碼 : 異步執(zhí)行，線程池參數(shù)調(diào)整，tomcat 配置，Druid連接池配置...
JVM : 內(nèi)存大小，分配，垃圾收集器都想換...

總歸一通瞎搞，能想到的都試試。

后續(xù)還需要多了解一些性能優(yōu)化知識，至少要做到排查思路清晰，不瞎搞。

最后5行代碼有哪些：

new Redis實例： 1
耗時統(tǒng)計： 3
SQL異步執(zhí)行 @Async： 1

上圖最終的結(jié)果是包含該部分的，時間原因未對SQL進行處理，后續(xù)會考慮Redis原子操作+定時同步數(shù)據(jù)庫方式來進行，避免同時操數(shù)據(jù)庫

TODO

問題雖然解決了。但是原理還不清楚，需要繼續(xù)深挖。

為什么createBean對性能影響這么大？

如果影響這么大，Spring為什么還要有多例？

首先非并發(fā)場景速度還是很快的。這個毋庸置疑。畢竟接口響應(yīng)時間不足50ms。

所以問題一定出在，并發(fā)createBean同一對象的鎖等待場景。根據(jù)堆棧日志，翻了一下Spring源碼，果然發(fā)現(xiàn)這里出現(xiàn)了同步鎖。相信鎖肯定不止一處。

圖片

org.springframework.beans.factory.support.AbstractAutowireCapableBeanFactory#doCreateBean

圖片

System.currentTimeMillis并發(fā)度多少才會對性能產(chǎn)生影響，影響有多大？

很多公司（包括大廠）在業(yè)務(wù)代碼中，還是會頻繁的使用System.currentTimeMillis獲取時間戳。比如：時間字段賦值場景。所以，性能影響肯定會有，但是影響的門檻是不是很高。

繼續(xù)學(xué)習(xí)性能優(yōu)化知識

吞吐量與什么有關(guān)？

首先，接口響應(yīng)時長。直接影響因素還是接口響應(yīng)時長，響應(yīng)時間越短，吞吐量越高。一個接口響應(yīng)時間100ms,那么1s就能處理10次。

其次，線程數(shù)。現(xiàn)在都是多線程環(huán)境，如果同時10個線程處理請求，那么吞吐量又能增加10倍。當(dāng)然由于CPU資源有限，所以線程數(shù)也會受限。理論上，在 CPU 資源利用率較低的場景，調(diào)大tomcat線程數(shù)，以及并發(fā)數(shù)，能夠有效的提升吞吐量。

最后，高性能代碼。無論接口響應(yīng)時長，還是 CPU 資源利用率，都依賴于我們的代碼，要做高性能的方案設(shè)計，以及高性能的代碼實現(xiàn)，任重而道遠。

CPU使用率的高低與哪些因素有關(guān)？

CPU使用率的高低，本質(zhì)還是由線程數(shù)，以及CPU使用時間決定的。

假如一臺10核的機器，運行一個單線程的應(yīng)用程序。正常這個單線程的應(yīng)用程序會交給一個CPU核心去運行，此時占用率就是10%。而現(xiàn)在應(yīng)用程序都是多線程的，因此一個應(yīng)用程序可能需要全部的CPU核心來執(zhí)行，此時就會達到100%。

此外，以單線程應(yīng)用程序為例，大部分情況下，我們還涉及到訪問Redis/Mysql、RPC請求等一些阻塞等待操作，那么CPU就不是時刻在工作的。

所以阻塞等待的時間越長，CPU利用率也會越低。也正是因為如此，為了充分的利用CPU資源，多線程也就應(yīng)運而生（一個線程雖然阻塞了，但是CPU別閑著，趕緊去運行其他的線程）。

一個服務(wù)線程數(shù)在多少比較合適（算上Tomcat，最終的線程數(shù)量是226），執(zhí)行過程中發(fā)現(xiàn)即使tomcat線程數(shù)量是100，活躍線程數(shù)也很少超過50，整個壓測過程基本維持在20左右。

責(zé)任編輯：武曉燕來源：碼猿技術(shù)專欄

代碼接口吞吐量