Java SpringBoot

1、有监控才有方向

在开始对SpringBoot服务进行性能优化之前,需要做一些准备,把SpringBoot服务的一些数据暴露出来。
比如,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。
这里采用的监控工具是Prometheus,它是一个是时序数据库,能够存储监控指标。SpringBoot可以非常方便的接入到Prometheus中。
创建一个SpringBoot项目后,首先,加入maven依赖。

  1. <dependency>
  2. <groupId>org.springframework.boot</groupId>
  3. <artifactId>spring-boot-starter-actuator</artifactId>
  4. </dependency>
  5. <dependency>
  6. <groupId>io.micrometer</groupId>
  7. <artifactId>micrometer-registry-prometheus</artifactId>
  8. </dependency>
  9. <dependency>
  10. <groupId>io.micrometer</groupId>
  11. <artifactId>micrometer-core</artifactId>
  12. </dependency>

然后需要在application.properties配置文件中,开放相关的监控接口。

  1. management.endpoint.metrics.enabled=true
  2. management.endpoints.web.exposure.include=*
  3. management.endpoint.prometheus.enabled=true
  4. management.metrics.export.prometheus.enabled=true

启动之后,就可以通过访问 http://localhost:8080/actuator/prometheus 来获取监控数据。
SpringBoot 性能这样优化 - 图1
想要监控业务数据也是比较简单的。只需要注入一个MeterRegistry实例即可。下面是一段示例代码:

  1. @Autowired
  2. MeterRegistry registry;
  3. @GetMapping("/test")
  4. @ResponseBody
  5. public String test() {
  6. registry.counter("test",
  7. "from", "127.0.0.1",
  8. "method", "test"
  9. ).increment();
  10. return "ok";
  11. }

从监控连接中,可以找到刚刚添加的监控信息。

  1. test_total{from="127.0.0.1",method="test",} 5.0

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。
SpringBoot 性能这样优化 - 图2
如图,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重点,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。

SpringBoot 性能这样优化 - 图3

2、Java生成火焰图

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,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:

  1. java -agentpath:/root/build/libasyncProfiler.so=start,svg,file=profile.svg -jar spring-petclinic-2.3.1.BUILD-SNAPSHOT.jar

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。
3、Skywalking
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,这里想要分享另外一个工具:Skywalking。
Skywalking是使用探针技术(JavaAgent)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ES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。

  1. tar xvf skywalking-agent.tar.gz -C /opt/

在业务启动参数中加入agent的包。比如,原来的启动命令是:

  1. java -jar /opt/test-service/spring-boot-demo.jar --spring.profiles.active=dev

改造后的启动命令是:

  1. java -javaagent:/opt/skywalking-agent/skywalking-agent.jar -Dskywalking.agent.service_name=the-demo-name -jar /opt/test-service/spring-boot-demo.ja --spring.profiles.active=dev

访问一些服务的链接,打开Skywalking的UI,即可看到下图的界面。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。
SpringBoot 性能这样优化 - 图4

4、优化思路

对一个普通的Web服务来说,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,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SpringBoot服务。
SpringBoot 性能这样优化 - 图5
SpringBoot默认使用内嵌的tomcat作为Web容器,使用典型的MVC模式,最终访问应用数据。

5、HTTP优化

下面举例来看一下,哪些动作能够加快网页的获取。为了描述方便,仅讨论HTTP1.1协议的。

1.使用CDN加速文件获取

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。

2.合理设置Cache-Control值

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。

  1. location ~* ^.+\.(ico|gif|jpg|jpeg|png)$ {
  2. # 缓存1年
  3. add_header Cache-Control: no-cache, max-age=31536000;
  4. }

3.减少单页面请求域名的数量

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。

4.开启gzip

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:

  1. gzip on;
  2. gzip_min_length 1k;
  3. gzip_buffers 4 16k;
  4. gzip_comp_level 6;
  5. gzip_http_version 1.1;
  6. gzip_types text/plain application/javascript text/css;

5.对资源进行压缩

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。

6.使用keepalive

由于连接的创建和关闭,都需要耗费资源。用户访问服务后,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keep avlide支持。可以通过下面两个参数来调整它的行为。

  1. http {
  2. keepalive_timeout 120s 120s;
  3. keepalive_requests 10000;
  4. }

nginx与后端upstream的长连接,需要手工开启,参考配置如下:

  1. location ~ /{
  2. proxy_pass http://backend;
  3. proxy_http_version 1.1;
  4. proxy_set_header Connection "";
  5. }

6、Tomcat优化

Tomcat本身的优化,也是非常重要的一环。

7、自定义Web容器

如果项目并发量比较高,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。

  1. @SpringBootApplication(proxyBeanMethods = false)
  2. public class App implements WebServerFactoryCustomizer<ConfigurableServletWebServerFactory> {
  3. public static void main(String[] args) {
  4. SpringApplication.run(PetClinicApplication.class, args);
  5. }
  6. @Override
  7. public void customize(ConfigurableServletWebServerFactory factory) {
  8. TomcatServletWebServerFactory f = (TomcatServletWebServerFactory) factory;
  9. f.setProtocol("org.apache.coyote.http11.Http11Nio2Protocol");
  10. f.addConnectorCustomizers(c -> {
  11. Http11NioProtocol protocol = (Http11NioProtocol) c.getProtocolHandler();
  12. protocol.setMaxConnections(200);
  13. protocol.setMaxThreads(200);
  14. protocol.setSelectorTimeout(3000);
  15. protocol.setSessionTimeout(3000);
  16. protocol.setConnectionTimeout(3000);
  17. });
  18. }
  19. }

注意上面的代码,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Tomcat8.0之后才有,开启之后会增加一部分性能。对比如下:
默认。

  1. [root@localhost wrk2-master]# ./wrk -t2 -c100 -d30s -R2000 http://172.16.1.57:8080/owners?lastName=
  2. Running 30s test @ http://172.16.1.57:8080/owners?lastName=
  3. 2 threads and 100 connections
  4. Thread calibration: mean lat.: 4588.131ms, rate sampling interval: 16277ms
  5. Thread calibration: mean lat.: 4647.927ms, rate sampling interval: 16285ms
  6. Thread Stats Avg Stdev Max +/- Stdev
  7. Latency 16.49s 4.98s 27.34s 63.90%
  8. Req/Sec 106.50 1.50 108.00 100.00%
  9. 6471 requests in 30.03s, 39.31MB read
  10. Socket errors: connect 0, read 0, write 0, timeout 60
  11. Requests/sec: 215.51
  12. Transfer/sec: 1.31MB

Nio2。

  1. [root@localhost wrk2-master]# ./wrk -t2 -c100 -d30s -R2000 http://172.16.1.57:8080/owners?lastName=
  2. Running 30s test @ http://172.16.1.57:8080/owners?lastName=
  3. 2 threads and 100 connections
  4. Thread calibration: mean lat.: 4358.805ms, rate sampling interval: 15835ms
  5. Thread calibration: mean lat.: 4622.087ms, rate sampling interval: 16293ms
  6. Thread Stats Avg Stdev Max +/- Stdev
  7. Latency 17.47s 4.98s 26.90s 57.69%
  8. Req/Sec 125.50 2.50 128.00 100.00%
  9. 7469 requests in 30.04s, 45.38MB read
  10. Socket errors: connect 0, read 0, write 0, timeout 4
  11. Requests/sec: 248.64
  12. Transfer/sec: 1.51MB

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:

  1. <dependency>
  2. <groupId>org.springframework.boot</groupId>
  3. <artifactId>spring-boot-starter-web</artifactId>
  4. <exclusions>
  5. <exclusion>
  6. <groupId>org.springframework.boot</groupId>
  7. <artifactId>spring-boot-starter-tomcat</artifactId>
  8. </exclusion>
  9. </exclusions>
  10. </dependency>
  11. <dependency>
  12. <groupId>org.springframework.boot</groupId>
  13. <artifactId>spring-boot-starter-undertow</artifactId>
  14. </dependency>

8、各个层次的优化方向

Controller层

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。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。如果项目,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

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(prototype),很少会保存状态,而且可以被controller复用。
service层的代码组织,对代码的可读性、性能影响都比较大。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。
SpringBoot 性能这样优化 - 图6
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@Transactional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、MQ事务消息、分布式事务中间件等。
SpringBoot 性能这样优化 - 图7
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,来简单比较一下。

ACID

关系数据库,最大的特点就是事务处理, 即满足ACID。

  • 原子性(Atomicity):事务中的操作要么都做,要么都不做。
  • 一致性(Consistency):系统必须始终处在强一致状态下。
  • 隔离性(Isolation):一个事务的执行不能被其他事务所干扰。
  • 持续性(Durability):一个已提交的事务对数据库中数据的改变是永久性的。

    BASE

    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:

  • 基本可用(Basically Available):系统能够基本运行、一直提供服务。

  • 软状态(Soft-state):系统不要求一直保持强一致状态。
  • 最终一致性(Eventual consistency):系统需要在某一时刻后达到一致性要求。

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。

Dao层

经过合理的数据缓存,都会尽量避免请求穿透到Dao层。除非对ORM本身提供的缓存特性特别的熟悉,否则,推荐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ShardingJdbc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,但在编码的时候,一定要注意这些区别。

End

下面来总结一下,简单看了一下SpringBoot常见的优化思路。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。
SpringBoot自身的Web容器是Tomcat,那就可以通过对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,也提供了一系列的优化思路。
最后,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。
SpringBoot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。