记一次Java性能优化及分析

hugegraph core性能优化 - 提升插入速度35%

背景

HugeGraph是一个Java语言编写的图数据库，也是开源的项目，本文记录了一次HugeGraph早期优化性能的过程分析与结果。

HugeGraph之前使用Cassandra后端时，插入数据基本上90%时间花在写数据库操作上。随着后端存储RocksDB性能的不断优化（目前已达到 12w edges/s），HugeGraph在插入数据时core本身所占时间比重越来越大，因此core本身性能的优化又一次提上日程。

如何优化性能？

大体步骤

1. 找一个性能分析工具监控程序运行状态（这里用的是hugegraph本身性能工具watched）；
2. 利用watched监控插入数据整个过程的状态，拿到各个方法的调用次数与时间等信息；
3. 分析性能数据，找出时间比重大的方法，进行代码分析；
4. 找到可改进的代码进行优化，重新运行并验证结果。

哪些地方容易成为瓶颈代码？

• 大循环中
• 同步加锁
• 频繁调用
• 申请较大内存操作
• 大集合的增加、删除、查找等操作
• 反射

哪些代码可以优化？

• 日志打印中构造的无用message
• 错误检查中构造的无用message
• 频繁申请过量内存而未充分使用
• 频繁被调用的非final|private小方法
• 频繁调用lambda函数
• 其它，如冗余代码、逻辑本身问题等

优化结果

环境

• Mac 10.11
• Java 8
• HugeGraph v0.5
• RocksDB 5.8.6（uncommitted）
• PerfExample3 thread=1 times=10000 multiple=1

PerfExample3中的性能分析基准代码如下（每次插入100个顶点，循环1万次）：

    protected void testInsert(GraphManager graph, int times, int multiple) {
   
        final int TIMES = times * multiple;
        final int BATCH = 100;
        long total = 0;
        // Insert in order
        for (int i = 0; i < TIMES; i++) {
   
            for (int j = 0; j < BATCH; j++) {
   
                String name = String.format("p-%08d", total++);
                Vertex v = graph.addVertex(T.label, "person", "name", name,
                                           "city", "Hongkong", "age", 18);
                this.vertices.add(v.id());
            }
            graph.tx().commit();
        }
    }

优化前后结果对比

	第1次	第2次	第3次	第4次	第5次	平均
优化前 (vertices/s)	44232	44772	43631	44849	45071	44511
优化后 (vertices/s)	59262	60771	59276	60125	60602	60007

优化后平均性能提升34.81%，具体优化代码见http://github.com/hugegraph/hugegraph/3991111/files

优化过程分析

准备工作

1、埋点

首先使用性能工具watched对需要监控的方法进行埋点，比如想对addVertex方法进行监控，则使用watched工具中的@Watched注解对其进行装饰即可：

  @Watched(prefix = "graph")
  public Vertex addVertex(Object... keyValues) {
   
      ...
  }

2、开启监控模式

默认情况下watched是不进行监控的（本身影响性能），需要在程序启动时打开监控模式。监控哪些类或包都可以指定，下面我们对整个com.baidu.hugegraph包下的代码都进行监控：

import com.baidu.hugegraph.perf.PerfUtil;