要点

• 性能分析的目标。

• 性能优化的常用手段。

概述

性能分析的目标是改进最终用户的体验以及降低运行成本。对于性能分析来说，最好的分析方法是能够将分析目标进行量化，以可视化的形式提供给开发者。

性能分析通常有两个视角：资源分析和负载分析。其中，资源分析是从CPU、内存、磁盘、网络等方面进行考察，关注的指标有：IOPS(每秒发生的输入/输出操作的次数)、吞吐量(数据传输速度：字节/秒)、使用率(给定时间内的繁忙程度)和饱和度(某一资源无法满足服务的排队工作量)。负载分析是检查应用程序的性能，分析对象为请求、延时(响应时间)和完成度(错误率)，关注的指标有：每秒业务处理量和延时。

著名性能优化大师Brendan Gregg，所以了十多种分析方法论。常用方法有：

业务负载画像

找出实际运行的业务负载进行分析，具体内容：

1、WHO：负载是谁产生的？比如：进程ID、用户ID、进程名、IP地址。

2、WHY：负载为什么会产生？比如：代码路径、调用栈、火焰图。

3、WHAT：负载的组成是什么？比如：IOPS、吞吐量、负载类型。

4、HOW：负载怎么样随着时间发生变化？比如：比较每个周期的摘要信息。

下钻分析

从一个指标出发，然后将这个指标拆分成多个组件，将最大的组件进一步拆分为更小的组件，不断重复这个过程，直到定位出一个或多个原因。具体步骤：

1、从业务最高层级开始分析。

2、检查下一个层级的细节。

3、挑出最感兴趣的部分或者线索。

4、如果问题还没有解决，跳转至第2步。

USE方法

针对每个资源，分别去检查：

1、使用率(utilization)：在规定的时间间隔内，资源用于服务工作的时间百分比。

2、饱和度(saturation)：资源不能再服务更多额外工作的程度，通常有等待队列。

3、错误(errors)：错误事件的个数。

检查清单法

通过列出一系列工具和指标，用于对照运行和检查。

分析工具

如上图，它列举了系统各资源检测的工具。图中，部分工具是BCC工具集，需要单独安装。

BCC

• github：https://github.com/iovisor/bcc。

• CentOS安装

echo-e'[iovisor]\\nbaseurl=https://repo.iovisor.org/yum/nightly/f23/$basearch\\nenabled=1\\ngpgcheck=0'|sudotee/etc/yum.repos.d/iovisor.repo

yuminstall-ybcc-tools

• 安装测试，在安装目录下，执行：

./cachetop

• 默认安装路径：/usr/share/bcc/tools。

bpftrace

• github：https://github.com/iovisor/bpftrace。

• CentOS安装

curlhttps://repos.baslab.org/rhel/7/bpftools/bpftools.repo–output/etc/yum.repos.d/bpftools.repo

yuminstallbpftracebpftrace-toolsbpftrace-docbcc-staticbcc-tools

• 安装测试

bpftrace-e'tracepoint:syscalls:sys_enter_open{printf("%s%s\\n",comm,str(args->filename));}'

• 默认安装路径：/usr/share/bpftrace/tools。

CPU

CPU的性能优化手段：

• 合理使用锁：spin-lock，能减少cpu切换，在锁的粒度较小时较合适。读写锁适用于，读多写少场景。对于大块内存的锁，可以考虑把内存块进行hash，每hash的内存块单独持有自己的锁，减少锁的粒度。

• 合理设置工作线程数：如：N核服务器，通过执行业务的单线程分析出本地计算时间为x，等待时间为y，则工作线程数(线程池线程数)设置为 N*(x+y)/x，能让CPU的利用率最大化。

• 指令优化：使用SSE等指令集提高并行计算速度，需要注意的是，使用SSE优化时，需要进行内存对齐。

• 绑定cpu：减少上下文切换，提高cache的命中率。

• 考虑分支预测及局部性原理。

内存

内存的性能优化手段：

• 使用高效的内存管理组件，减少内存频繁申请，如tcmalloc、jemalloc等。

• 利用线程局部变量(Thread Local)，线程内部使用不需要加锁。

• 读多写少的内存块，可以考虑使用双buffer管理，减少数据更新时锁的竞争。

• 位图、布隆过滤器可以提高查找性能。

• 对内存进行hash分片，来提高查找速度，如果一次hash不行，就再进行一次hash。

• 可以考虑实现无锁数据结构。

IO

IO的性能优化手段：

• 尽量不读写磁盘：将数据尽可能地加载到内存。

• 尽量少读写磁盘：在进行磁盘写操作前，进行数据压缩。

• 尽量顺序读写磁盘：磁盘的顺序读写速度要优于随机读写。

在无法避免磁盘操作时，可以考虑使用异步写、合并写操作、定时刷盘、zero-copy等技术，从而降低IO延时。需要注意的是，逻辑IO和物理IO可能是不对称的，因此，需要分开进行考查。

网络

网络的性能优化手段：

• 合理使用长连接，减少连接的频繁创建。

• 传输数据进行压缩，可以减少带宽，但需要评估压缩和解压带来的cpu消耗。

• 选择合理的通讯协议，HTTP or RPC。

• 支持多路复用。

• 使用事件模型。

• 某些业务场景下，可以考虑使用UDP协议。

所以

性能优化工作，一方面，需要有足够的耐心，通过各种工具或者手段，找出性能瓶颈；另一方面，对整个业务流程也需要足够熟悉。

对于应用程序，影响性能的因子可能有很多，但并不是每一个指标都可以优化到极致，更多的是需要找到一个平衡点。比如，我们需要优化IO性能，最直接的做法，是将数据全部加载至内存，但是这样，必然会导致内存成本的上升。所以，我们可能会考虑只加载热点数据至内存。

性能优化时，需要以系统整体性能为目标，去进行优化。对于一个庞大的业务系统来说，可能会涉及到很多的处理流程，可能会依赖很多的子系统。这些流程中，某个业务流程是否已经弃用，是否可以并行处理，是否可以合并请求，是否可以预加载，是否可以解耦，是否可以离线处理等等，都可以作为性能优化的点来考虑。因此，从系统整体性能去进行优化，其收益往往会远大于某个具体应用程序的优化。

另外，性能优化是一个长期的多变的过程。一次性能优化，可能在软硬件升级、业务规模变化之后，引出新的性能瓶颈。也可能在不同的环境下，性能优化后的效果并不一定相同。

在性能分析中，有三个重要的概念：

已知的已知：你知道你需要查看哪些指标，并且知道怎么获得这些指标。

已知的未知：你知道你需要查看哪些指标，但是你不知道怎么去获得这些指标。

未知的未知：你不知道需要查看哪些指标。

所以，性能分析工作，就是你知道的越多，不知道的也会越多。其他知识系统，想必也是这个道理吧。