引言：
“为啥我的程序卡住了，它在做啥？”
“磁盘卡死了，啥程序占用的？”
“该不该换成ssd？”
我们常遇到各种性能问题, 该如何定位问题，解决问题。
本文主要介绍系统性能的度量指标，分析思路，及相关工具集。
目录:
•系统性能指标和观测方法
•常用命令及平台-分析系统负载
•动态追踪-了解程序在做什么
•实战案例
性能问题是充满挑战的:
性能是主观的
磁盘平均io响应时间是10ms, 好或坏？
取决于业务需求及程序热点
系统是复杂的
子系统相互关联，甚至有连锁故障
运行环境不一（硬件/软件）
可能多问题并存
量化数据
控制变量法
观测视角
资源分析（自下而上）
从系统的资源指标开始
更通用，适合资源被打满的情况
工作负载分析（自上而下）
从应用的metrics和stack开始
贴近代码逻辑，适合并发锁问题
系统资源有哪些
硬件资源
•CPU
•内存
•磁盘
•网络
软件资源
•软件锁
•线程池/连接池
观测方法-USE方法
使用率（ Utilization ）
设备繁忙程度
工作时间/观测时间
饱和度（ Saturation ）
队列长度，排队时间
超出设备处理能力的程度
错误率（ Errors ）
设备出错率
分析方法:
问题
为什么A主机到B主机网络延迟很大？（事实：A和B在不同机架）
假设
A和B机架的交换机有故障
预测
A/B机架内互联通畅，A到另一机架的主机C通畅，A/B各机架各换一台机器互联延迟
实验
分别测试以上场景
分析
结果与预测相同，说明问题出在A和B的交换机有故障
常用命令及平台-分析系统负载
动态追踪-了解程序在做什么
动态追踪定义
无需修改程序源代码，活体分析
可实时跟踪程序状态，用于统计及分析
可以动态注入探针
本章主要介绍通用工具，及java相关工具
实战案例:
某查询服务日志锁问题
1.问题：
某查询服务上线新版后，查询时间从0.1s,变成几十秒，严重影响线上查询
2.排查：
依赖的底层存储hbase响应正常
机器的cpu，mem等参数均正常（可能是软件资源锁问题，着重排查）
本次上线代码主要加日志，回滚版本后正常（代码某处导致）
3.试验：
部署一台新版代码的服务，并引线上流量
使用jstack分析
Kylin服务cpu占用过大问题
1.问题：
kylin是一个开源分析服务，试用发现并发在几十就上不去
2.排查：
cpu在查询时占用很高，2000%，均是user态（代码本身导致）
jstack分析（逻辑较为复杂，肉眼较难分辨）
3.试验：
使用火焰图采样，查找代码热点
4.措施
修改加密验证方式为md5
性能提升5倍
修改前后的火焰图如下：
Cache对hbase的影响1.疑惑：
hbase压测时经常宕掉，在将机器内存从64G升级128G非常稳定
2.排查/猜想：
hbase进程内存设置为50G，升级内存后也未调整
hbase本身堆使用率不高
多增加的内存会被OS用来做文件缓存(应该会大幅提升命中率)
相关资料提示hbase为IO敏感型，缓存命中率与稳定性有啥关系
3.试验：
借助systemtap统计cache命中率
推荐资料
Brendan Gregg:
原SUN公司首席性能和内核专家
Solaris,dtrace等系统
Netflix首席架构师
http://www.brendangregg.com
章亦春：
OpenResty（nginx高性能模块）开源项目创始人
阿里技术专家
858
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
