总结|性能优化思路及常用工具及手段
内容提要
性能优化是降低成本的手段之一,通过合理利用资源、发现需要优化的点和改造代码实现优化。常用工具包括Sentinel、Arthas和天巡。优化点包括算法使用、日志打印、包装类型、循环调用、字符串处理、集合类扩容、热点计算压力和外部依赖优化。影响性能的因素包括机型、编排方式和应用链路。数据库和缓存的优化包括合理利用缓存、清理数据、调整索引和利用聚合特性。通过分析系统资源开销和排查问题的方式定位问题。
延伸解读
性能优化前的关键准备:放大流量与关闭限流
文章指出,发现优化点需先放大系统流量,让潜在瓶颈暴露。操作上需提前关闭应用及容器限流,可通过Sentinel脚本调整。具体手段包括Duct引流(调整CS权重将流量导向单机)和Amazon压测(构造场景化压测数据)。但需注意,放大流量应在隔离环境进行,避免影响线上稳定。
工具采集热点的注意事项与场景选择
Arthas和天巡是采集系统热点的常用工具。Arthas的profiler可分析CPU、内存分配、启动耗时等;天巡提供白屏化火焰图。但文章强调,这类工具通过挂载agent增强代码,会引起类退优化和C2编译,导致CPU升高,因此不能在系统高负载时执行,必要时在仿真环境进行。
容器性能差异的根源:机型与编排方式
同样8C16G的容器性能可能差异很大,原因包括机型(F4x、F5x、F6x、倚天等单核性能不同)和编排方式。例如,独占同一Socket的8个物理核性能最好;跨Socket或使用超线程会因资源争抢而下降;仅用4个物理核虽稳定但性能最差。优化时需结合这些底层因素评估。
数据库与缓存优化的典型场景与对策
数据库慢查询需区分场景:调用量大可加缓存或限速削峰;索引不合理需调整索引或增加查询条件;召回数据量大应清理数据;时间跨度大则冷热分离。缓存问题包括整体QPS高(前置缓存拦截)、热点Key读(客户端缓存或Tair Hotzone)、写QPS高(拆分Key)、大Key(拆分并扩容)。
Q&A
性能优化一般从哪几个方面入手?
性能优化包括两部分:一是发现需要性能优化的点,通常是对系统开销最大的业务方法;二是改造代码设计实现性能优化。优化对象包括业务运行的容器、依赖的中间件和数据库存储。
有哪些常用的性能优化工具?
常用的性能优化工具包括Sentinel、Arthas和天巡。Sentinel可用于调整限流开关;Arthas提供profiler、jfr等指令采集CPU、内存等性能数据;天巡提供白屏化性能数据采集,包括内存火焰图、CPU火焰图等。
如何发现需要性能优化的点?
可以通过放大系统流量(如利用Duct引流或Amazon压测)使系统负载增加,然后利用工具(如Arthas、天巡)采集系统热点,分析系统性能情况,从而定位需要优化的点。
代码层面常见的性能优化点有哪些?
常见的代码优化点包括:避免不合理的算法和数据结构使用(如ArrayList频繁删除、LinkedList按索引获取);减少大量日志打印(推荐异步日志);避免频繁创建包装类型;合理使用本地缓存;减少循环内高消耗调用;优化字符串匹配和正则使用;条件判断尽早返回;为集合设置合理初始大小避免扩容;对热点计算适当使用缓存。
为什么同样配置的容器性能表现差异很大?
性能差异可能由机型、编排方式等因素导致。不同机型(如F4x、F5x、F6x、倚天)单核性能有差异;编排方式如是否独占物理核、是否跨Socket、是否使用超线程等也会影响性能。
数据库和缓存有哪些优化手段?
数据库优化包括:合理利用前置缓存降低访问量;清理过期或冷数据;调整索引使SQL走正确索引;利用数据库聚合特性调整主键组成。缓存优化包括:分析调用合理性,使用前置缓存拦截;针对热点key增加客户端缓存或使用Tair Hotzone;对大key进行拆分;对写QPS高的key进行拆分。
应用链路优化主要关注什么?
应用链路优化主要关注链路的RT和CPU开销,通常利用鹰眼数据进行分析。优化场景包括:减少链路调用次数(避免调用放大和同步执行);减少重复调用带来的序列化开销(精简Module对象字段);精简不合理的调用链路(如A-B-C改为A-C)。