非常哇塞的 Spring Boot 性能优化长文

,Spring Boot 已经成为 Java 届的 No.1 框架，每天都在蹂躏着数百万的程序员们。当服务的压力上升，对 Spring Boot 服务的优化就会被提上议程。,本文将详细讲解 Spring Boot 服务优化的一般思路。本文较长，最适合收藏之。,在开始对 Spring Boot 服务进行性能优化之前，我们需要做一些准备，把 Spring Boot 服务的一些数据暴露出来。,比如，你的服务用到了缓存，就需要把缓存命中率这些数据进行收集；用到了数据库连接池，就需要把连接池的参数给暴露出来。,我们这里采用的监控工具是 Prometheus，它是一个是时序数据库，能够存储我们的指标。Spring Boot 可以非常方便的接入到 Prometheus 中。,创建一个 Spring Boot 项目后，首先加入 Maven 依赖。,然后，我们需要在 application.properties 配置文件中，开放相关的监控接口。,启动之后，我们就可以通过访问 http://localhost:8080/actuator/prometheus 来获取监控数据。,,想要监控业务数据也是比较简单的。你只需要注入一个 MeterRegistry 实例即可。下面是一段示例代码：,从监控连接中，我们可以找到刚刚添加的监控信息。,这里简单介绍一下流行的 Prometheus 监控体系。Prometheus 使用拉的方式获取监控数据，这个暴露数据的过程可以交给功能更加齐全的 telegraf 组件。,,如图，我们通常使用 Grafana 进行监控数据的展示，使用 AlertManager 组件进行提前预警。这一部分的搭建工作不是我们的重点，感兴趣的同学可自行研究。下图便是一张典型的监控图，可以看到 Redis 的缓存命中率等情况。,,火焰图是用来分析程序运行瓶颈的工具。在纵向，表示的是调用栈的深度；横向表明的是消耗的时间。所以格子的宽度越大，越说明它可能是一个瓶颈。,火焰图也可以用来分析 Java 应用。可以从 GitHub 上下载 async-profiler 的压缩包 进行相关操作。,比如，我们把它解压到 /root 目录。然后以 javaagent 的方式来启动 Java 应用。命令行如下：,运行一段时间后，停止进程，可以看到在当前目录下，生成了 profile.svg 文件，这个文件是可以用浏览器打开的，一层层向下浏览，即可找到需要优化的目标。,对于一个web服务来说，最缓慢的地方就在于数据库操作。所以，使用本地缓存和分布式缓存优化，能够获得最大的性能提升。,对于如何定位到复杂分布式环境中的问题，我这里想要分享另外一个工具：Skywalking。,Skywalking 是使用探针技术（Java Agent）来实现的。通过在 Java 的启动参数中，加入 javaagent 的 Jar 包，即可将性能数据和调用链数据封装、发送到 Skywalking 的服务器。,下载相应的安装包（如果使用 Elasticsearch 存储，需要下载专用的安装包），配置好存储之后，即可一键启动。,将 agent 的压缩包，解压到相应的目录。,在业务启动参数中加入 agent 的包，比如原来的启动命令是：,改造后的启动命令是：,访问一些服务的链接，打开 Skywalking 的 UI，即可看到下图的界面。我们可以从图中找到响应比较慢 QPS 又比较高的的接口，进行专项优化。,对一个普通的 Web 服务来说，我们来看一下，要访问到具体的数据，都要经历哪些主要的环节。,如下图，在浏览器中输入相应的域名，需要通过 DNS 解析到具体的 IP 地址上。为了保证高可用，我们的服务一般都会部署多份，然后使用 Nginx 做反向代理和负载均衡。,Nginx 根据资源的特性，会承担一部分动静分离的功能。其中，动态功能部分，会进入我们的 Spring Boot 服务。,,Spring Boot 默认使用内嵌的 Tomcat 作为 Web 容器，使用典型的 MVC 模式，最终访问到我们的数据。,下面我们举例来看一下，哪些动作能够加快网页的获取。为了描述方便，我们仅讨论 HTTP1.1 协议的。,比较大的文件，尽量使用 CDN（Content Delivery Network）分发。甚至是一些常用的前端脚本、样式、图片等，都可以放到 CDN 上。CDN 通常能够加快这些文件的获取，网页加载也更加迅速。,浏览器会判断 HTTP 头 Cache-Control 的内容，用来决定是否使用浏览器缓存，这在管理一些静态文件的时候，非常有用。相同作用的头信息还有 Expires。Cache-Control 表示多久之后过期，Expires 则表示什么时候过期。,这个参数可以在 Nginx 的配置文件中进行设置。,减少每个页面请求的域名数量，尽量保证在 4 个之内。这是因为，浏览器每次访问后端的资源，都需要先查询一次 DNS，然后找到 DNS 对应的 IP 地址，再进行真正的调用。,DNS 有多层缓存，比如浏览器会缓存一份、本地主机会缓存、ISP 服务商缓存等。从DNS 到 IP 地址的转变，通常会花费 20-120ms 的时间。减少域名的数量，可加快资源的获取。,开启 gzip，可以先把内容压缩后，浏览器再进行解压。由于减少了传输的大小，会减少带宽的使用，提高传输效率。,在 Nginx 中可以很容易的开启。配置如下：,对 JavaScript 和 CSS，甚至是 HTML 进行压缩。道理类似，现在流行的前后端分离模式，一般都是对这些资源进行压缩的。,由于连接的创建和关闭，都需要耗费资源。用户访问我们的服务后，后续也会有更多的互动，所以保持长连接可以显著减少网络交互，提高性能。,Nginx 默认开启了对客户端的 keepalive 支持。你可以通过下面两个参数来调整它的行为。,Nginx 与后端 upstream 的长连接，需要手工开启，参考配置如下：,Tomcat 本身的优化也是非常重要的一环。优化参数请参考文末链接。,如果你的项目并发量比较高，想要修改最大线程数、最大连接数等配置信息，可以通过自定义 Web 容器的方式，代码如下所示。,注意上面的代码：我们设置了它的协议为 org.apache.coyote.http11.Http11Nio2Protocol，意思就是开启了 Nio2。这个参数在T omcat8.0 之后才有，开启之后会增加一部分性能。对比如下：,默认表现：,开启 Nio2 表现：,你甚至可以将 Tomcat 替换成 Undertow。Undertow 也是一个 Web 容器，更加轻量级一些，占用的内容更少，启动的守护进程也更少，更改方式如下：,Controller 层用于接收前端的查询参数，然后构造查询结果。现在很多项目都采用前后端分离的架构，所以 Controller 层的方法，一般会使用 @ResponseBody 注解，把查询的结果，解析成 JSON 数据返回（兼顾效率和可读性）。,由于 Controller 只是充当了一个类似功能组合和路由的角色，所以这部分对性能的影响就主要体现在数据集的大小上。如果结果集合非常大，JSON 解析组件就要花费较多的时间进行解析。,大结果集不仅会影响解析时间，还会造成内存浪费。假如结果集在解析成 JSON 之前，占用的内存是 10MB，那么在解析过程中，有可能会使用 20M 或者更多的内存去做这个工作。我见过很多案例，由于返回对象的嵌套层次太深、引用了不该引用的对象（比如非常大的 byte[] 对象），造成了内存使用的飙升。,所以，对于一般的服务，保持结果集的精简，是非常有必要的，这也是 DTO（data transfer object）存在的必要。如果你的项目中，返回的结果结构比较复杂，对结果集进行一次转换是非常有必要的。,另外，可以使用异步 Servlet 对 Controller 层进行优化。它的原理如下：Servlet  接收到请求之后，将请求转交给一个异步线程来执行业务处理，线程本身返回至容器，异步线程处理完业务以后，可以直接生成响应数据，或者将请求继续转发给其它 Servlet。,Service 层用于处理具体的业务，大部分功能需求都是在这里完成的。Service 层一般是使用单例模式（Singleton），很少会保存状态，而且可以被 Service 复用。,Service 层的代码组织，对代码的可读性、性能影响都比较大。我们常说的设计模式，大多数都是针对于 Service 层来说的。,这里要着重提到的一点，就是分布式事务。,,如上图，四个操作分散在三个不同的资源中。要想达到一致性，需要三个不同的资源进行统一协调。它们底层的协议，以及实现方式，都是不一样的。那就无法通过Spring提供的 Transaction 注解来解决，需要借助外部的组件来完成。,很多人都体验过，加入了一些保证一致性的代码，一压测，性能掉的惊掉下巴。分布式事务是性能杀手，因为它要使用额外的步骤去保证一致性，常用的方法有：两阶段提交方案、TCC、本地消息表、Message Queue 事务消息、分布式事务中间件等。,,如上图，分布式事务要在改造成本、性能、实效等方面进行综合考虑。有一个介于分布式事务和非事务之间的名词，叫做柔性事务。柔性事务的理念是将业务逻辑和互斥操作，从资源层上移至业务层面。,关于传统事务和柔性事务，我们来简单比较一下。,关系数据库, 最大的特点就是事务处理, 即满足 ACID。,BASE 方法通过牺牲一致性和孤立性来提高可用性和系统性能。,BASE 为 Basically Available, Soft-state, Eventually consistent三者的缩写，其中BASE分别代表：,互联网业务，推荐使用补偿事务，完成最终一致性。比如，通过一系列的定时任务，完成对数据的修复。,经过合理的数据缓存，我们都会尽量避免请求穿透到 Dao 层。除非你对 ORM 本身提供的缓存特性特别的熟悉，否则，都推荐你使用更加通用的方式去缓存数据。,Dao 层，主要在于对 ORM 框架的使用上。比如，在 JPA 中，如果加了一对多或者多对多的映射关系，而又没有开启懒加载，级联查询的时候就容易造成深层次的检索，造成了内存开销大、执行缓慢的后果。,在一些数据量比较大的业务中，多采用分库分表的方式。在这些分库分表组件中，很多简单的查询语句，都会被重新解析后分散到各个节点进行运算，最后进行结果合并。,举个例子，select count(*) from a 这句简单的 count 语句，就可能将请求路由到十几张表中去运算，最后在协调节点进行统计，执行效率是可想而知的。目前，分库分表中间件，比较有代表性的是驱动层的 Sharding-JDBC 和代理层的 MyCAT，它们都有这样的问题。这些组件提供给使用者的视图是一致的，但我们在编码的时候，一定要注意这些区别。,下面我们来总结一下。,我们简单看了一下 Spring Boot 常见的优化思路。我们介绍了三个新的性能分析工具。一个是监控系统 Prometheus，可以看到一些具体的指标大小；一个是火焰图，可以看到具体的代码热点；一个是 Skywalking，可以分析分布式环境中的调用链。在对性能有疑惑的时候，我们都会采用类似于神农氏尝百草的方式，综合各种测评工具的结果进行分析。,Spring Boot 自身的 Web 容器是 Tomcat，那我们就可以通过对 Tomcat 的调优来获取性能提升。当然，对于服务上层的负载均衡 Nginx，我们也提供了一系列的优化思路。,最后，我们看了在经典的 MVC 架构下，Controller、Service、Dao 的一些优化方向，并着重看了 Service 层的分布式事务问题。,Spring Boot 作为一个广泛应用的服务框架，在性能优化方面已经做了很多工作，选用了很多高速组件。比如，数据库连接池默认使用 HikariCP，Redis 缓存框架默认使用Lettuce，本地缓存提供 Caffeine 等。对于一个普通的于数据库交互的 Web 服务来说，缓存是最主要的优化手段。