互联网常见架构接口压测性能分析及调优手段建议
互联网常见架构接口压测性能分析及调优手段建议
前言
常见的互联网架构中，一般都能看到spring+mybatis+mysql+redis搭配的身影，在我所服务的公司亦是如此。一般来说，应用内部的接口都是直接调用的，所谓的面向接口编程，应用间的调用直接调或者通过类似dubbo之类的服务框架来执行，数据格式往往采用json，即统一也方便各数据间做转换和取值，缓存一般使用redis或memcached，存储一些对象或json格式的字符串。对外提供的接口，一般都需要进行压力测试，以便估算其性能，并为后续的调优提供指导方向，以下接口便是在压测过程中出现的各种“奇怪现象”，所谓奇怪，指的是从表象上看与我们正常的逻辑思路不符，但其本质还是我们对压力下程序的表现出来的特征不熟悉，用惯用的知识结构试图去解释，这根本是行不通的。下文是我在一次全面压测过程后对数据进行的分析汇总，其中的现象是很多压测常见的，里面的分析过程及改进措施我认为有很大的参考意义。具体内容如下：（部分接口为了安全我省略了其名称，但不影响我们的分析，另外形如1N3T之类的表示的是1台nginx，3台tomcat,具体的tps数值只是为了说明优化前后的比照，没有实际意义）
接口名称: 获取列表
1、压测现象:单台tps700多，应用cpu高负载
问题分析:
旧框架，平均响应时间长，应用CPU高，程序内部有大量的bean到map到json之间的转换，修改数据库连接数后，tps没有提升。
改进措施:
重构系统，用mybatis替代之前的dao操作，减少bean-map-json之间的内部数据转换，减少程序内部的无用操作。
改进效果:
tps改进后能到3000左右，有较大提升，但压测时应用cpu几乎跑满，还有改善空间。
2、压测现象：数据库资源利用率高
问题分析:
单台应用，数据库资源cpu都能到50%，10台tomcat在1万并发下数据库cpu跑满，load值700多，但db的qps也不过11554，并不算多，因此怀疑是sql执行耗费了cpu，可能是某条sql没有按索引查找或者索引失效。
改进措施:
查看SQL文件发现如下sql：select count(1) from orders where order_status_id !=40 ，将其改为select order_id from orders 然后通过程序把order_status_id!=40的过滤掉。通过list.size()来获取。order_status_id即使加了索引，由于是！=比较，所以不会去按索引查找，导致cpu高
改进效果:
相同环境下(1台nginx，10台tomcat，1000并发)，tps由3000变成3727，略有增长，但是db的cpu明显下降，变为30%，效果明显
3、压测现象:1N15T ,tps4552;10N15T,tps9608
问题分析:
后端都是15台tomcat，前端1台nginx时tps为4552,通过lvs挂10台nginx时为9608，增长不明显，其nginx和tomcat都压力不大，集群结果不合理，怀疑是nginx转发配置的问题；
改进措施:
未进一步改进：可能是需要调整nginx的参数，之前发现过nginx不同的配置对后端集群环境的tps影响很大
改进效果:
接口名称: 信息查询接口
1、压测现象:单台tps2000多，应用cpu高，db的qps15000左右
问题分析:
旧框架，程序内部有很多Bo-map-json相互的转换
改进措施:
删除冗余代码、更换连接池包，使用mybatis
改进效果:
Tps由2000多增长为8000多，db的qps为9000左右，优化后压测应用的cpu占用高，几乎跑满。
2、压测现象：数据库无压力，应用增加多台后tps不变
问题分析:
1N1T和1N10T的tps一样，都为5000，增大并发时错误数增多，应用cpu耗费70%，db无压力，nginx单台通过ss –s 发现端口占满，即nginx到tomcat之间转发的连接端口time-wait状态6万多。Nginx存在瓶颈。
改进措施:
调优nginx参数，将短连接改为长连接
改进效果:
1N3T的tps能到17376，tomat的cpu压力84%，db的qps18000，cpu69%，应用的资源基本使用到量。
接口名称: 获取详情
1、压测现象:单台应用tps2600，10台tomcat才3700
问题分析:
增加应用服务器，tps增长不明显，且nginx、tomcat、db的负载都不高，说明服务器本身不是瓶颈，考虑是不是网络的问题，通过监控网卡包流量发现网络数据跑满，因为此接口会有大量数据的输出，因此瓶颈在网络上。另外，测试过程中发现redis有报错，redis服务器是虚机，可能服务能力有限。
改进措施:
开启tomcat的gzip压缩。
改进效果:
同等并发下(1台nginx，10台tomcat，1000并发)，tps由3727增长到10022，增长了近3倍，效果显著。
2、压测现象:1N10T集群下nginx参数调优对tps提升效果明显
问题分析:
经过tomcat的启用gzip后，1N10T下tps为10022，需进一步提升。
改进措施:
优化nginx：
l nginx日志关闭
l nginx进程数量worker，由24改为16
l nginx keepalive数量由256改为2048
改进效果:
Tps由10022提升为13270。
3、压测现象:1N5T和1N10T的tps相差不大
问题分析:
1N10T的tps为1万3千多，1N5T的tps为1万2千多，相差不大，应用的tomcat资源利用没满，cpu为65%，Db的QPS已经到2万多了，单台服务器db基本上到量了，因此再增加应用也没效果，只会导致响应的时间变长。
改进措施:
单台db已经无法改进了，要不提升服务器硬件，要不读写分离。
改进效果:
接口名称: 促销
1、压测现象:通过redis存取数据，tps才1000多，CPU 有压力
问题分析:
此接口通过redis取数据，tps不高才1000多，但cpu占用了80%，说明程序内部有大量序列化反序列化的操作，可能是json序列化的问题。
改进措施:
将net.sf.json改成alibaba的fastjson。
改进效果:
同等并发条件下tps由1000多提升为5000多，提高了近5倍。
2、压测现象:参数多时tps下降明显
问题分析:
此接口根据参数从redis中获取数据，每个参数与redis交互一次，当一组参数时tps5133，五组参数时tps1169，多次交互影响了处理性能。
改进措施:
将从redis获取数据的get改为mget，减少交互次数。
改进效果:
五组参数时1N3T压测TPS9707，据此估算即使是单台tomcat，tps也能有三四千，性能比单次get的调用方式提升了3,4倍。
3、压测现象:1N3T tps1万多，在增大tomcat可能tps增长不会明显
问题分析:
此处说的是可能，因为nginx服务器的cpu虽然不高，但pps已经800多k，此时应该是nginx的服务器网络流量成为了瓶颈。(只是猜测)
改进措施:
可以增加多台nginx负载，前端加lvs
改进效果:
接口名称: 追踪接口
1、压测现象:1N10T的tps低于1N3T的tps
问题分析:
1N3T在2000并发下tps为9849，此时db的qps为90000，CPU80%，将tomcat增到10台，5000并发下,tps为7813，db的qps为19000，cpu75%，load 1，说明压力增大情况下db的压力反而下来了，注意到nginx服务器的网卡流量达到885M，说明是压力过大情况下，网络满了，发生丢包，导致db端压力反而下来了。
改进措施:
注意压测情况下部分接口由于数据量传输较大，会出现网络瓶颈。
改进效果:
接口名称: 回填接口
1、 压测现象:tps不到500，db的qps3500
问题分析:
虽然缺少应用的cpu及db的cpu利用率数据，较低的tps应该是应用的瓶颈，且需要关注是不是db在处理查询的时候缓慢。
改进措施:
1.连接池由dbcp改为hikar；
2.减少了日志打印输出
3.sql优化，将部分条件过滤改为在java代码中执行
改进效果:
Tps由不到500增长为1300多。
接口名称: 券查询
1、 压测现象:集群结果与单台应用结果相比不合理
问题分析:
查看是否存在瓶颈资源，可以看到5台tomcat集群下，tps为9952，但db的qps为5-6万，cpu利用率为37%，说明对数据库进行了大量的主键或索引查询，一般单台db的qps也就4万左右，再增加应用的集群数量，对tps也不会有太大影响。
改进措施:
可以考虑分库
改进效果:
接口名称: 推荐
1、 压测现象:nginx长短连接差异
问题分析:
18nginx，2tomcat时tps8100，此时应用服务器的端口数满， 一般来说，Nginx短连接在高并发下容易导致端口占满的问题。
改进措施:
将nginx改为长连接
改进效果:
tps增长为10733，TPS稳定，起伏减少，但是CPU耗尽。说明cpu打满了，此时如果还要优化就的进行代码调优了。
接口名称: 查询2
1、 压测现象:18N20T的tps才6842
问题分析:
18台nginx，20台tomcat，tps才6842，此时应用cpu利用率85%，说明cpu存在瓶颈，但检查此接口并未做大计算量的工作，有可能是日志的级别问题，cpu在频繁的打日志。
改进措施:
将日志级别由debug级改为info级
改进效果:
同等环境tps由6842增长为23592.坑爹的生产环境debug日志级别。