如何解決優(yōu)化過(guò)程中遇到的問(wèn)題

前言

這篇文章的主題是記錄一次程序的性能優(yōu)化，在優(yōu)化的過(guò)程中遇到的問(wèn)題，以及如何去解決的。

為大家提供一個(gè)優(yōu)化的思路，首先要聲明的一點(diǎn)是，我的方式不是唯一的，大家在性能優(yōu)化之路上遇到的問(wèn)題都絕對(duì)不止一個(gè)解決方案。

如何優(yōu)化

首先大家要明確的一點(diǎn)是，脫離需求談優(yōu)化都是耍流氓。所以，有誰(shuí)跟你說(shuō)在 xx 機(jī)器上實(shí)現(xiàn)了百萬(wàn)并發(fā)，基本上可以認(rèn)為是不懂裝懂了，單純的并發(fā)數(shù)完全是無(wú)意義的。

其次，我們優(yōu)化之前必須要有一個(gè)目標(biāo)。需要優(yōu)化到什么程度，沒(méi)有明確目標(biāo)的優(yōu)化是不可控的。再然后，我們必須明確的找出性能瓶頸在哪里，而不能漫無(wú)目的的一通亂搞。

需求描述

這個(gè)項(xiàng)目是我在上家公司負(fù)責(zé)一個(gè)單獨(dú)的模塊。本來(lái)是集成在主站代碼中的，后來(lái)因?yàn)椴l(fā)太大，為了防止出現(xiàn)問(wèn)題后拖累主站服務(wù)，所有由我一個(gè)人負(fù)責(zé)拆分出來(lái)。

對(duì)這個(gè)模塊的拆分要求是，壓力測(cè)試 QPS 不能低于 3 萬(wàn)，數(shù)據(jù)庫(kù)負(fù)責(zé)不能超過(guò) 50%，服務(wù)器負(fù)載不能超過(guò) 70%，單次請(qǐng)求時(shí)長(zhǎng)不能超過(guò) 70ms，錯(cuò)誤率不能超過(guò) 5%。

環(huán)境的配置如下：

服務(wù)器：4 核 8G 內(nèi)存，CentOS 7 系統(tǒng)，SSD 硬盤(pán)

數(shù)據(jù)庫(kù)：MySQL 5.7，最大連接數(shù) 800

緩存：Redis，1G容量。以上環(huán)境都是購(gòu)買(mǎi)自騰訊云的服務(wù)。

壓測(cè)工具：Locust，使用騰訊的彈性伸縮實(shí)現(xiàn)分布式的壓測(cè)。

需求描述如下：

用戶(hù)進(jìn)入首頁(yè)，從數(shù)據(jù)庫(kù)中查詢(xún)是否有合適的彈窗配置。

如果沒(méi)有，則繼續(xù)等待下一次請(qǐng)求、如果有合適的配置，則返回給前端。

這里開(kāi)始則有多個(gè)條件分支：

如果用戶(hù)點(diǎn)擊了彈窗，則記錄用戶(hù)點(diǎn)擊，并且在配置的時(shí)間內(nèi)不再返回配置；

如果用戶(hù)未點(diǎn)擊，則24小時(shí)后繼續(xù)返回本次配置；

如果用戶(hù)點(diǎn)擊了，但是后續(xù)沒(méi)有配置了，則接著等待下一次。

重點(diǎn)分析

根據(jù)需求，我們知道了有幾個(gè)重要的點(diǎn)：

需要找出合適用戶(hù)的彈窗配置，

需要記錄用戶(hù)下一次返回配置的時(shí)間并記錄到數(shù)據(jù)庫(kù)中，

需要記錄用戶(hù)對(duì)返回的配置執(zhí)行了什么操作并記錄到數(shù)據(jù)庫(kù)中。

調(diào)優(yōu)

我們可以看到，上述三個(gè)重點(diǎn)都存在數(shù)據(jù)庫(kù)的操作，不只有讀庫(kù)，還有寫(xiě)庫(kù)操作。

從這里我們可以看到，如果不加緩存的話，所有的請(qǐng)求都?jí)旱綌?shù)據(jù)庫(kù)，勢(shì)必會(huì)占滿(mǎn)全部連接數(shù)，出現(xiàn)拒絕訪問(wèn)的錯(cuò)誤。同時(shí)因?yàn)?SQL 執(zhí)行過(guò)慢，導(dǎo)致請(qǐng)求無(wú)法及時(shí)返回。

所以，我們首先要做的就是將寫(xiě)庫(kù)操作剝離開(kāi)來(lái)。提升每一次請(qǐng)求響應(yīng)速度，優(yōu)化數(shù)據(jù)庫(kù)連接。

整個(gè)系統(tǒng)的架構(gòu)圖如下：

將寫(xiě)庫(kù)操作放到一個(gè)先進(jìn)先出的消息隊(duì)列中來(lái)做。為了減少?gòu)?fù)雜度，使用了 Redis 的 list 來(lái)做這個(gè)消息隊(duì)列。

然后進(jìn)行壓測(cè)，結(jié)果如下：

QPS 在 6000 左右 502 錯(cuò)誤大幅上升至 30%；

服務(wù)器 CPU 在 60%-70% 之間來(lái)回跳動(dòng)；

數(shù)據(jù)庫(kù)連接數(shù)被占滿(mǎn) TCP 連接數(shù)為 6000 左右。

很明顯，問(wèn)題還是出在數(shù)據(jù)庫(kù)。

經(jīng)過(guò)排查 SQL 語(yǔ)句，查詢(xún)到原因就是：找出合適用戶(hù)的配置操作時(shí)每次請(qǐng)求都要讀取數(shù)據(jù)庫(kù)所導(dǎo)致的連接數(shù)被用完。

因?yàn)槲覀兊倪B接數(shù)只有 800，一旦請(qǐng)求過(guò)多勢(shì)必會(huì)導(dǎo)致數(shù)據(jù)庫(kù)瓶頸。好了，問(wèn)題找到了，我們繼續(xù)優(yōu)化。

我們將全部的配置都加載到緩存中，只有在緩存中沒(méi)有配置的時(shí)候才會(huì)去讀取數(shù)據(jù)庫(kù)。

接下來(lái)我們?cè)俅螇簻y(cè)，結(jié)果如下：

QPS 壓到 2 萬(wàn)左右的時(shí)候就上不去了；

服務(wù)器 CPU 在 60%-80% 之間跳動(dòng)；

數(shù)據(jù)庫(kù)連接數(shù)為 300 個(gè)左右，每秒 TCP 連接數(shù)為 1.5 萬(wàn)左右。

這個(gè)問(wèn)題是困擾我比較久的一個(gè)問(wèn)題。因?yàn)槲覀兛梢钥吹?，我?2 萬(wàn)的 QPS，但是 TCP 連接數(shù)卻并沒(méi)有達(dá)到 2 萬(wàn)。

我猜測(cè)，TCP 連接數(shù)就是引發(fā)瓶頸的問(wèn)題，但是因?yàn)槭裁丛蛩l(fā)的暫時(shí)無(wú)法找出來(lái)。

這個(gè)時(shí)候猜測(cè)，既然是無(wú)法建立 TCP 連接，是否有可能是服務(wù)器限制了 socket 連接數(shù)。

驗(yàn)證猜測(cè)，我們看一下，在終端輸入 ulimit -n 命令，顯示的結(jié)果為 65535?？吹竭@里，覺(jué)得 socket 連接數(shù)并不是限制我們的原因，為了驗(yàn)證猜測(cè)，將 socket 連接數(shù)調(diào)大為100001。

再次進(jìn)行壓測(cè)，結(jié)果如下：

QPS 壓到 2.2 萬(wàn)左右的時(shí)候就上不去了；

服務(wù)器 CPU 在 60%-80% 之間跳動(dòng)；

數(shù)據(jù)庫(kù)連接數(shù)為 300 個(gè)左右，每秒 TCP 連接數(shù)為 1.7 萬(wàn)左右。

雖然有一點(diǎn)提升，但是并沒(méi)有實(shí)質(zhì)性的變化。

接下來(lái)的幾天時(shí)間，我發(fā)現(xiàn)都無(wú)法找到優(yōu)化的方案。那幾天確實(shí)很難受，找不出來(lái)優(yōu)化的方案，過(guò)了幾天再次將問(wèn)題梳理了一遍，發(fā)現(xiàn)雖然 socket 連接數(shù)足夠，但是并沒(méi)有全部被用上。猜測(cè)每次請(qǐng)求過(guò)后，TCP 連接并沒(méi)有立即被釋放，導(dǎo)致 socket 無(wú)法重用。

經(jīng)過(guò)查找資料，找到了問(wèn)題所在：

TCP 鏈接在經(jīng)過(guò)四次握手結(jié)束連接后并不會(huì)立即釋放，而是處于 timewait 狀態(tài)。會(huì)等待一段時(shí)間，以防止客戶(hù)端后續(xù)的數(shù)據(jù)未被接收。

好了，問(wèn)題找到了，我們要接著優(yōu)化。

首先想到的就是調(diào)整 TCP 鏈接結(jié)束后等待時(shí)間。但是 Linux并沒(méi)有提供這一內(nèi)核參數(shù)的調(diào)整，如果要改必須要自己重新編譯內(nèi)核。幸好還有另一個(gè)參數(shù)net.ipv4.tcp_max_tw_buckets， timewait 的數(shù)量。默認(rèn)是 180000。我們調(diào)整為6000。然后打開(kāi) timewait 快速回收和開(kāi)啟重用。

完整的參數(shù)優(yōu)化如下：

#timewait 的數(shù)量，默認(rèn)是 180000。net.ipv4.tcp_max_tw_buckets = 6000

net.ipv4.ip_local_port_range = 1024 65000

#啟用 timewait 快速回收。net.ipv4.tcp_tw_recycle = 1

#開(kāi)啟重用。允許將 TIME-WAIT sockets 重新用于新的 TCP 連接。net.ipv4.tcp_tw_reuse = 1

我們?cè)俅螇簻y(cè)，結(jié)果顯示：

QPS 5萬(wàn)，服務(wù)器 CPU 70%；

數(shù)據(jù)庫(kù)連接正常，TCP 連接正常；

響應(yīng)時(shí)間平均為 60ms，錯(cuò)誤率為 0%。

結(jié)語(yǔ)

到此為止，整個(gè)服務(wù)的開(kāi)發(fā)、調(diào)優(yōu)、和壓測(cè)就結(jié)束了?；仡欉@一次調(diào)優(yōu)，得到了很多經(jīng)驗(yàn)。最重要的是，深刻理解了Web 開(kāi)發(fā)不是一個(gè)獨(dú)立的個(gè)體，而是網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)、編程語(yǔ)言、操作系統(tǒng)等多門(mén)學(xué)科結(jié)合的工程實(shí)踐。這就要求 Web 開(kāi)發(fā)人員有牢固的基礎(chǔ)知識(shí)，否則出現(xiàn)了問(wèn)題還不知道怎么分析查找。

轉(zhuǎn)自：Leoython

鏈接：segmentfault.com/a/1190000018075241

責(zé)任編輯：haq