总结｜性能优化思路及常用工具及手段

性能优化是降低成本的手段之一，每年大促前业务平台都会组织核心链路上的应用做性能优化，一方面提升系统性能，另外一方面对腐化的代码进行清理。现结合业务平台性能优化的经验，探讨一下性能优化的思路及常用工具及手段。性能优化本质上是对资源的合理利用，将更珍贵的资源用在更重要的业务上，从而实现资源的充分利用，资源的合理利用。性能优化的对象包括业务运行的容器、业务依赖的中间件、业务依赖的数据库存储的优化，性能优化包括两部分：一、发现需要性能优化的点；二、改造代码设计实现性能优化；

• CPU的开销，有限的cpu无法支撑更大的业务 （性能问题）
• CPU利用不充分，有限的CPU，无法更好的支撑业务（RT问题）

一、发现需要性能优化的点

对于业务容器来说，需要性能优化的点，往往是对系统开销最大的业务方法，这部分代码功能上并没有任何问题，但在性能上并不是最优，在资源比较充足的情况下，这部分逻辑并不会导致性能问题，但当系统压力比较大，或者业务流量比较高的情况下，这部分就会成为压力最大的点。

1） 放大系统的流量

将流量在部分容器上做放大，利用工具采集系统中的堆栈及性能数据。放大系统流量的情况下，需要提前关闭应用及容器的限流，可以利用Sentinel脚本调整。

### 取消限流 2.Xcurl http://localhost:8719/switchSet?value=false
### 取消限流 3.Xcurl http://localhost:8718/setSwitch?value=false

一、Duct引流验证

Duct引流， duct调整某一台机器的CS权重，将其他容器的流量引流到对应的ip上，从而实现压力的放大。

二、Amazon构造压测数据验证Amazon压测，根据特定的业务场景，构造压测压测数据，压测模型，在gray4环境中打一部分压测流量，利用压测流量将系统的负载打高。Amazon更适用于大促场景下的性能优化，能确定某些接口的比例，及场景的比例。

2) 利用工具采集系统热点

系统负载流量增加后，各个环节的系统性能消耗都会被放大，此时利用工具可以分析系统的性能情况。系统分析工具会带来系统压力增加，非必要情况下，尽量在隔离环境统计数据。

Arthas性能数据采集

Arthas提供了非常多的工具脚本，其中一部分数据组合起来使用，可以很方便的辅助做性能分析及线上问题排查，这里对其中常用的指令及使用场景做汇总。安装方式：curl -sLk http://ops.jm.taobao.org:9999/pandora-web/arthas/install.sh | sh

图 1.1 Arthas指令集合列表

性能分析及问题分析工具说明

指令	说明	性能分析及问题排查的场景
classloader	查看当前JVM下ClassLoader的列表及加载的实例统计信息	常见于排查Metaspace空间利用率问题，常见的场景是由于Groovy脚本导致的Metaspace增加，进而导致应用FGC的问题排查
jad	反编译	常见于黑盒分析，无法快速活的源码的情况下分析程序内部逻辑的场景
getstatic	获取静态字段的值	常见于分析开关、配置、部分数据的情况，在分析性能数据时可以辅助排查
stack	从当前方法点打印堆栈	常见于分析热点方法调用来源，结合条件过滤，可以快速定位到异常数据产生的来源以及调用频率
trace	从当前方法下钻	常见于分析耗时情况，分析某一个方法耗时的原因。比如分析鹰眼某一个接口耗时很高的原因
watch	查看方法调用的参数及返回值	分析线上方法的入参及返回值，结合条件判断，可以快速知道某一个函数可能走到的场景
options