如何让接口吞吐量提升10多倍
描述
公司的一个ToB系统，因为客户使用的也不多，没啥并发要求，就一直没有经过压测。这两天来了一个“大客户”，对并发量提出了要求：核心接口与几个重点使用场景单节点吞吐量要满足最低500/s的要求。
当时一想，500/s吞吐量还不简单。Tomcat按照100个线程，那就是单线程1S内处理5个请求，200ms处理一个请求即可。这个没有问题，平时接口响应时间大部分都100ms左右，还不是分分钟满足的事情。
然而压测一开，100 的并发，吞吐量居然只有 50 ...
而且再一查，100的并发，CPU使用率居然接近 80% ...
从上图可以看到几个重要的信息。
最小值： 表示我们非并发场景单次接口响应时长。还不足100ms。挺好!
最大值： 并发场景下，由于各种锁或者其他串行操作，导致部分请求等待时长增加，接口整体响应时间变长。5秒钟。有点过分了！！！
再一看百分位，大部分的请求响应时间都在4s。无语了！！！
所以 1s钟的 吞吐量 单节点只有 50 。距离 500 差了10倍。 难受！！！！
分析过程
定位“慢”原因
❝
这里暂时先忽略 CPU 占用率高的问题
❞
首先平均响应时间这么慢，肯定是有阻塞。先确定阻塞位置。重点检查几处：
锁 (同步锁、分布式锁、数据库锁)
耗时操作 (链接耗时、SQL耗时)
结合这些先配置耗时埋点。
接口响应时长统计。超过500ms打印告警日志。
接口内部远程调用耗时统计。200ms打印告警日志。
Redis访问耗时。超过10ms打印告警日志。
SQL执行耗时。超过100ms打印告警日志。
上述配置生效后，通过日志排查到接口存在慢SQL。具体SQL类似与这种：
update table set field = field - 1 where type = 1 and filed > 1;
上述SQL相当于并发操作同一条数据，肯定存在锁等待。日志显示此处的等待耗时占接口总耗时 80% 以上。
二话不说先改为敬。因为是压测环境，直接改为异步执行，确认一下效果。
❝
PS：当时心里是这么想的： 妥了，大功告成。就是这里的问题！绝壁是这个原因！优化一下就解决了。当然，如果这么简单就没有必要写这篇文章了...
❞
优化后的效果：
嗯...
emm...
好！ 这个优化还是很明显的，提升提升了近2倍。
此时已经感觉到有些不对了，慢SQL已经解决了（异步了~ 随便吧~ 你执行 10s我也不管了），虽然对吞吐量的提升没有预期的效果。但是数据是不会骗人的。
最大值： 已经从 5s -> 2s
百分位值： 4s -> 1s
这已经是很大的提升了。
继续定位“慢”的原因
通过第一阶段的“优化”，我们距离目标近了很多。废话不多说，继续下一步的排查。
我们继续看日志，此时日志出现类似下边这种情况：
2023-01-04 1505:347 INFO **.**.**.***.50 [TID: 1s22s72s8ws9w00] ********************** 2023-01-04 1505:348 INFO **.**.**.***.21 [TID: 1s22s72s8ws9w00] ********************** 2023-01-04 1505:350 INFO **.**.**.***.47 [TID: 1s22s72s8ws9w00] ********************** 2023-01-04 1505:465 INFO **.**.**.***.234 [TID: 1s22s72s8ws9w00] ********************** 2023-01-04 1505:467 INFO **.**.**.***.123 [TID: 1s22s72s8ws9w00] ********************** 2023-01-04 1505:581 INFO **.**.**.***.451 [TID: 1s22s72s8ws9w00] ********************** 2023-01-04 1505:702 INFO **.**.**.***.72 [TID: 1s22s72s8ws9w00] **********************
前三行info日志没有问题，间隔很小。第4 ~ 第5，第6 ~ 第7，第7 ~ 第8 很明显有百毫秒的耗时。检查代码发现，这部分没有任何耗时操作。那么这段时间干什么了呢？
发生了线程切换，换其他线程执行其他任务了。(线程太多了)
日志打印太多了，压测5分钟日志量500M。（记得日志打印太多是有很大影响的）
STW。（但是日志还在输出，所以前两种可能性很高，而且一般不会停顿百毫秒）
按照这三个思路做了以下操作：
首先，提升日志打印级别到DEBUG。emm... 提升不大，好像增加了10左右。
然后，拆线程 @Async 注解使用线程池，控制代码线程池数量（之前存在3个线程池，统一配置的核心线程数为100）结合业务，服务总核心线程数控制在50以内，同步增加阻塞最大大小。结果还可以，提升了50，接近200了。
最后，观察JVM的GC日志，发现YGC频次4/s，没有FGC。1分钟内GC时间不到1s，很明显不是GC问题，不过发现JVM内存太小只有512M，直接给了4G。吞吐量没啥提升，YGC频次降低为2秒1次。
唉，一顿操作猛如虎。
❝
PS：其实中间还对数据库参数一通瞎搞，这里不多说了。
❞
其实也不是没有收获，至少在减少服务线程数量后还是有一定收获的。
另外，已经关注到了另外一个点：CPU使用率，减少了线程数量后，CPU的使用率并没有明显的下降，这里是很有问题的，当时认为CPU的使用率主要与开启的线程数量有关，之前线程多，CPU使用率较高可以理解。但是，在砍掉了一大半的线程后，依然居高不下这就很奇怪了。
此时关注的重点开始从代码“慢”方向转移到“CPU高”方向。
定位CPU使用率高的原因
CPU的使用率高，通常与线程数相关肯定是没有问题的。当时对居高不下的原因考虑可能有以下两点：
有额外的线程存在。
代码有部分CPU密集操作。
然后继续一顿操作：
观察服务活跃线程数。
观察有无CPU占用率较高线程。
在观察过程中发现，没有明显CPU占用较高线程。所有线程基本都在10%以内。类似于下图，不过有很多线程。
没有很高就证明大家都很正常，只是多而已...
此时没有下一步的排查思路了。当时想着,算了打印一下堆栈看看吧，看看到底干了啥~
在看的过程中发现这段日志：
"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.
上边的堆栈发现了一个点： 在执行getBean的时候，执行了createBean方法。我们都知道Spring托管的Bean都是提前实例化好放在IOC容器中的。createBean要做的事情有很多，比如Bean的初始化，依赖注入其他类，而且中间还有一些前后置处理器执行、代理检查等等，总之是一个耗时方法，所以都是在程序启动时去扫描，加载，完成Bean的初始化。
而我们在运行程序线程堆栈中发现了这个操作。而且通过检索发现竟然有近200处。
通过堆栈信息很快定位到执行位置：
RedisTool redisTool = BeanUtils.getBean(RedisMaster.class);
而RedisMaster类
@Component @Scope("prototype") public class RedisMaster implements IRedisTool { // ...... }
没错就是用了多例。而且使用的地方是Redis（系统使用Jedis客户端，Jedis并非线程安全，每次使用都需要新的实例），接口对Redis的使用还是比较频繁的，一个接口得有10次左右获取Redis数据。也就是说执行10次左右的createBean逻辑 ...
叹气！！！
赶紧改代码，直接使用万能的 new 。
在看结果之前还有一点需要提一下，由于系统有大量统计耗时的操作。实现方式是通过：
long start = System.currentTimeMillis(); // ...... long end = System.currentTimeMillis(); long runTime = start - end;
或者Hutool提供的StopWatch：
这里感谢一下huoger 同学的评论，当时还误以为该方式能够降低性能的影响，但是实际上也只是一层封装。底层使用的是 System.nanoTime()。
StopWatch watch = new StopWatch(); watch.start(); // ...... watch.stop(); System.out.println(watch.getTotalTimeMillis());
而这种在并发量高的情况下，对性能影响还是比较大的，特别在服务器使用了一些特定时钟的情况下。这里就不多说，感兴趣的可以自行搜索一下。
最终结果：
排查涉及的命令如下：
查询服务进程CPU情况： top –Hp pid
查询JVM GC相关参数：jstat -gc pid 2000 (对 pid [进程号] 每隔 2s 输出一次日志)
打印当前堆栈信息： jstack -l pid >> stack.log
总结
结果是好的，过程是曲折的。总的来说还是知识的欠缺，文章看起来还算顺畅，但都是事后诸葛亮，不对，应该是时候臭皮匠。基本都是边查资料边分析边操作，前后花费了4天时间，尝试了很多。
「Mysql :」 Buffer Pool 、Change Buffer 、Redo Log 大小、双一配置...
「代码 :」 异步执行，线程池参数调整，tomcat 配置，Druid连接池配置...
「JVM :」内存大小，分配，垃圾收集器都想换...
总归一通瞎搞，能想到的都试试。
后续还需要多了解一些性能优化知识，至少要做到排查思路清晰，不瞎搞。
最后5行代码有哪些：
「new Redis实例：」1
「耗时统计：」3
「SQL异步执行 @Async：」1
上图最终的结果是包含该部分的，时间原因未对SQL进行处理，后续会考虑Redis原子操作+定时同步数据库方式来进行，避免同时操数据库
TODO
问题虽然解决了。但是原理还不清楚，需要继续深挖。
「为什么createBean对性能影响这么大？」
如果影响这么大，Spring为什么还要有多例？
首先非并发场景速度还是很快的。这个毋庸置疑。毕竟接口响应时间不足50ms。
所以问题一定出在，并发createBean同一对象的锁等待场景。根据堆栈日志，翻了一下Spring源码，果然发现这里出现了同步锁。相信锁肯定不止一处。
org.springframework.beans.factory.support.AbstractAutowireCapableBeanFactory#doCreateBean
「System.currentTimeMillis并发度多少才会对性能产生影响，影响有多大？」
很多公司（包括大厂）在业务代码中，还是会频繁的使用System.currentTimeMillis获取时间戳。比如：时间字段赋值场景。所以，性能影响肯定会有，但是影响的门槛是不是很高。
「继续学习性能优化知识」
吞吐量与什么有关？
首先，接口响应时长。直接影响因素还是接口响应时长，响应时间越短，吞吐量越高。一个接口响应时间100ms,那么1s就能处理10次。
其次，线程数。现在都是多线程环境，如果同时10个线程处理请求，那么吞吐量又能增加10倍。当然由于CPU资源有限，所以线程数也会受限。理论上，在 CPU 资源利用率较低的场景，调大tomcat线程数，以及并发数，能够有效的提升吞吐量。
最后，高性能代码。无论接口响应时长，还是 CPU 资源利用率，都依赖于我们的代码，要做高性能的方案设计，以及高性能的代码实现，任重而道远。
CPU使用率的高低与哪些因素有关？
CPU使用率的高低，本质还是由线程数，以及CPU使用时间决定的。
假如一台10核的机器，运行一个单线程的应用程序。正常这个单线程的应用程序会交给一个CPU核心去运行，此时占用率就是10%。而现在应用程序都是多线程的，因此一个应用程序可能需要全部的CPU核心来执行，此时就会达到100%。
此外，以单线程应用程序为例，大部分情况下，我们还涉及到访问Redis/Mysql、RPC请求等一些阻塞等待操作，那么CPU就不是时刻在工作的。
所以阻塞等待的时间越长，CPU利用率也会越低。也正是因为如此，为了充分的利用CPU资源，多线程也就应运而生（一个线程虽然阻塞了，但是CPU别闲着，赶紧去运行其他的线程）。
一个服务线程数在多少比较合适（算上Tomcat，最终的线程数量是226），执行过程中发现即使tomcat线程数量是100，活跃线程数也很少超过50，整个压测过程基本维持在20左右。
作者：FishBones
编辑：何安
-
如何提高CYBT-243053-02吞吐量？2024-02-27 0
-
网卡吞吐量测试解决方案2013-12-23 0
-
无线测试之吞吐量测试2015-06-25 0
-
iperf固定吞吐量测试如何设置2018-11-06 0
-
USB CDC吞吐量问题2019-10-14 0
-
如何计算延迟和吞吐量？2020-03-19 0
-
提高BLE吞吐量的可行办法2021-01-18 0
-
如何通过触发模型提高吞吐量？2021-05-11 0
-
防火墙术语－吞吐量2010-02-24 1530
-
NI_LabVIEW三大关键技术提升测试速度与吞吐量2016-03-22 774
-
debug 吞吐量的办法2022-08-23 929
-
iperf吞吐量的测试流程2023-04-03 310
-
如何显著提高ATE电源吞吐量？2023-11-08 665
-
影响ATE电源系统吞吐量的关键因素2023-11-29 353
全部0条评论
快来发表一下你的评论吧 !
