记录一次系统性能调优过程

猿天地

发布于 2019-09-10 16:02:54

1.3K0

发布于 2019-09-10 16:02:54

文章被收录于专栏：猿天地猿天地猿天地

问题回顾

在线上环境，由于业务场景需要，要求程序能够在普通的4G机器中依然正常运行。而原来的环境配置为8核16G，微服务部署，一共有6个功能模块。而现在要求在一台4核4G的设备上正常运行。

问题清单

模块合并过程中各种冲突，各种Bean无法正常加载
事件处理性能原来每秒3000～1w左右，现在突然骤降至几百左右；
事件存在丢失现象，而且丢失比较严重
发现系统cache一直在不断的上涨，free -m 后发现可余内存几乎用没了（剩余100M左右，其实就差不多是用完了，不会再降低）

问题排查

1. 代码冲突

包名冲突。不同模块的包名设计上有重复
类名冲突。@Configuration @Bean @Controller @Service @Repository 等注解中没有指定Bean实例的名称。

2. 事件处理性能慢

现有的处理流程如下：

项目采用SpringBoot构建，引入 spring-boot-stater-redis
1. 通过HTTP接收到异步事件，存储到Redis;
2. 存储的同时，将事件通过Redis的发布订阅发送到不同的处理单元进行处理；
3. 每个事件处理单元通过Redis订阅，然后处理事件；
4. 起一个定时器，每秒钟从Redis中查询一个时间窗口的事件，构建索引，然后bulkIndex到ES

2.1 问题发现

1. Redis的订阅发布，内部会维护一个container线程，此线程会一直存在；
2. 每次订阅，都会产生一个新的前缀为RedisListeningContainer-的线程处理;
3. 通过jvisualvm.exe 查看线程数，该类线程数一直在飙升

2.2 问题定位

2.2.1 Redis订阅发布问题

程序中的实现如下：

@Bean
RedisMessageListenerContainer manageContainer(
        RedisConnectionFactory factory, MessageListener listener) {
  RedisMessageListenerContainer manageContainer = 
                    new RedisMessageListenerContainer ();
  manageContainer.setConnectionFactory(factory);
  // manageContainer.setTaskExecutor();
}

代码中被注释掉的那一行，实际代码中是没有该行的，也就是没有设置taskExecutor

查询了spring-redis.xsd中关于listener-container的说明，默认的task-executor和subscription-task-executor使用的是SimpleAsyncTaskExecutor。
在源码中的位置

RedisMessageListenerContainer.class...
protected TaskExecutor createDefaultTaskExecutor() {
    String threadNamePrefix = (beanName != null ? beanName + "-" :
    DEFAULT_THREAD_NAME_PREFIX) ;
    return new SimpleAsyncTaskExecutor(threadNamePrefix);
}
...

SimpleAsyncTaskExecutor.class

protected void doExecute(Runnable task) {
    Thread thread = 
        (this.threadFactory != null
            ? this.threadFactory,newThread(task) 
            : createThread(task));
    thread.start();
}

SimpleAsyncTaskExecutor的execute()方法，是很无耻的new Thread(),调用thread.start()来执行任务

2.2.2 事件处理都是耗时操作，造成线程数越来越多，甚至OOM

2.3 问题解决

找到问题的产生原因，主要的解决思路有三种：

配置manageContainer.setTaskExecutor();然后选择自己创建的线程池;
去掉一部分发布订阅，改用Spring提供的观察者模式，将绝大部分事件处理的场景，通过此方式完成发布。SpringUtils.getApplicationContext() .publihEvent(newEventOperation(eventList));
采用Rector模式实现事件的异步高效处理;

创建了2个线程组（参考netty的底层实现）:
1. 一个用于处理事件接收 “event-recv-executor-”
    coreSize = N * 2，CPU密集型
2. 一个用于事件的异步处理 “event-task-executor-”
    coreSize = N / 0.1，IO密集型

事件处理逻辑

@Override
public void onApplicationEvent (EventOperation event) {
    eventTaskExecutor.execute(() -> {
        doDealEventOperation(event);
    });
}

3. 事件丢失

现有的处理流程如下：

项目采用SpringBoot构建，引入 spring-boot-stater-redis
1. 后台维护了一个定时器，每秒钟从Redis中查询一个时间窗口的事件

3.1 问题发现

在后台定位日志输出，正常情况下，应该是每秒钟执行一次定时，
但实际是，系统并不保证一定能每隔1S执行一次，
由于系统中线程比较多，CPU的切换频繁，
导致定时有可能1S执行几次或者每隔几秒执行一次

3.2 问题定位

3.2.1 定时任务不可靠

由于定时并无法保证执行，而定时任务获取事件时，是按照时间窗口截取，
通过redisTemplate.opsForZSet().rangeByScore(key, minScore, maxScore)实现，
势必会造成有数据无法被加载到程序中，而一直保存在Redis中，无法获取，也无法删除

3.3 问题解决

找到问题的产生原因，主要的解决思路有两种：

加大容错率，将时间窗口拉大，原来是相隔1S的时间窗口，修改为相隔1MIN 【治标不治本，极端情况下，仍有可能造成该问题】;
采用MQ消费，此方法需要额外部署MQ服务器，在集群配置高的情况下，可以采用，在配置低的机器下不合适；
采用阻塞队列，利用Lock.newCondition() 或者最普通的网络监听模式while()都可以;

本次问题中采用的是第三种形式。起一个单独的线程，阻塞监听。

1. 事件接收后，直接塞到一个BlockingQueue中；
2. 当BlockingQueue有数据时，While循环不阻塞，逐条读取队列中的信息；
3. 每隔1000条数据，或者每隔1S，将数据写入ES，并分发其他处理流程

4. 系统cache一直在不断的上涨

在4G的机器下，发现经过一段时间的发包处理后，系统cache增长的非常快，最后几近于全部占满：

大概每秒钟10M的涨幅

4.1 问题发现

1. 因为对于ES的了解，插入数据时，先写缓存，后fsync到磁盘上，因此怀疑ES可能存在问题；
2. 项目中日志使用log4j2不当：
    * 日志输出过多，
    * 日志没有加判断：if (log.isInfoEnabled())
    * 日志文件append过大，没有按照大小切分等（本项目此问题之前已解决）

4.2 问题定位

4.2.1 ES插入机制问题

经过隔段分析，将有可能出现问题的地方，分别屏蔽后，进行测试。
最终定位到，在ES批量写入数据时，才会出现cache大量增长的现象

4.3 问题解决

用命令查看内存free -m，

buffer : 作为buffer cache的内存，是块设备的读写缓冲区
cached表示page cache的内存 和文件系统的cache
如果 cached 的值很大，说明cache住的文件数很多

ES操作数据的底层机制：

数据写入时，ES内存缓慢上升，是因为小文件过多（ES本身会在index时候建立大量的小文件），linux dentry 和 inode cache会增加。可以参考：ES内存持续上升问题定位

本问题其实并没有完全解决，只是在一定程度上用性能换取缓存。

1. 修改系统参数，提高slab内存释放的优先级：

echo 10000 > /proc/sys/vm/vfs_cache_pressure；
复制代码

1. 修改ES配置参数

## 这些参数是之前优化的
threadpool.bulk.type: fixed
threadpool.bulk.min: 10
threadpool.bulk.max: 10
threadpool.bulk.queue_size: 2000

threadpool.index.type: fixed
threadpool.index.size: 100
threadpool.index.queue_size: 1000

index.max_result_window: 1000000
index.query.bool.max_clause_count: 1024000


# 以下的参数为本次优化中添加的：

# 设置ES最大缓存数据条数和缓存失效时间
index.cache.field.max_size: 20000
index.cache.field.expire: 1m

# 当内存不足时，对查询结果数据缓存进行回收
index.cache.field.type: soft

# 当内存达到一定比例时，触发GC。默认为JVM的70%[内存使用最大值]
#indices.breaker.total.limit: 70%

# 用于fielddata缓存的内存数量，
# 主要用于当使用排序操作时，ES会将一些热点数据加载到内存中来提供客户端访问
indices.fielddata.cache.expire: 20m
indices.fielddata.cache.size: 10%

# 一个节点索引缓冲区的大小[max 默认无限制]
#indices.memory.index_buffer_size: 10%
#indices.memory.min_index_buffer_size: 48M
#indices.memory.max_index_buffer_size: 100M

# 执行数据过滤时的数据缓存，默认为10%
#indices.cache.filter.size: 10%
#indices.cache.filter.expire: 20m

# 当tranlog的大小达到此值时，会进行一次flush操作，默认是512M
index.translog.flush_threshold_size: 100m

# 在指定时间间隔内如果没有进行进行flush操作，会进行一次强制的flush操作，默认是30分钟
index.translog.flush_threshold_period: 1m

# 多长时间进行一次的磁盘操作，默认是5S
index.gateway.local.sync: 1s