运维中性能优化的常见模式及趋势
2016-02-20 19:34:25   来源： 山丘 高效运维    评论：0 点击：

作者介绍

陈显铭(蚂蚁金服技术专家，艺名山丘，公众号：loopfork)

专注码砖七年之久，喜欢码砖，喜欢扔锤子(山丘之王出自寒冰王座)。常混迹中生代技术群(公众号：freshmanTechnology)、高效运维(公众号：greatops)等高大上社群。专注高可用、分布式、性能优化、稳定性、高效运维等方向。自我评价：不算出名，但是对于技术有一点点情怀，爱交友，欢迎技术讨论。

性能优化的价值

从上图可以看出几个优点：

◆ 成本降低

◆ 稳定性提升

◆ 用户体验体验提升

性能优化的缺点有：维护成本增加，代码可能变复杂，结构可能变复杂，技术栈可能变复杂。

性能优化的两种模式

个人总结，性能优化整体上可以分为两类：单应用优化和结构型优化。

◆ 单应用优化，关注单系统瓶颈，通过解决单系统瓶颈提升性能。

◆ 结构型优化，通过改造链路结构和配比，进行整体性能的优化。

单应用优化常见步骤

优化基本思路(闭环)：

1.确定性能瓶颈/热点；

2.确定优化方案；

3.实施、反馈优化情况。

确定性能瓶颈/热点的常见方法：

1.性能压测：通过工具/人肉等方式，量化运行时的性能情况。

2.业务/代码梳理：通过代码走读，发现资源消耗热点(牛B的人可以这么干)；通过统计代码对资源的操作，量化代码对资源的消耗(比如一个业务操作会进行多少次数据库调用，会进行多少次服务运算等方式)。

压测时常观察的内容及工具有(举例Java应用)：

1.压测工具：jmeter

2.内存的使用情况：mat，gc日志，vmstat

3.IO情况：iostat

4.网络情况：netstat

5.热点代码：jprofile，btrace，jstack，jstat

6.CPU情况：top

优化的常见手段或模式：

1.静态化：动态数据和静态数据分离。

2.异步化：使用异步化减少主流程中的非关键业务逻辑。

3.并行化：使用多线程并发处理，缩短响应时间。

4.内存优化：减少对象大小，减少对象创造，数据模型优化。

5.去重复运算：业务逻辑优化，或者使用缓存。

6.减少数据库操作：数据冗余，数据缓存等。

7.缩短数据库事务：短事务，异步化，最终一致性等方式可以考虑。

8.精简代码逻辑：去除冗余代码，诸如过度设计检查等代码。

9.精简日志操作：日志大小要关注，注意IO上的瓶颈;日志太多，说明生成的string也会多，也增加了gc负担。

等等。

结构型优化常见步骤

此部分介绍的内容，在很多网站架构变迁的文章中介绍过，这里通过图的方式展现出来。

每个阶段都有适用的软件架构，基于成本、建设复杂度、维护成本的考虑，不必强求一开始建设很完整的技术体系。

个人认为，性能是驱动应用体系研究的重要驱动力，可以通过下面应用结构演进看出来。

1.单应用时代常见瓶颈先发生在DB。　

2.单应用时代常见第一个解法是使用缓存(偏向应用级别缓存)。

3.单应用时代常见第一个解法是独立缓存服务(集中式缓存，如memcache)。

4.单应用集中式部署带来应用集群处理能力提升。

5.单应用集中式部署部署后的DB瓶颈。

6.单应用集中式部署部署后的DB瓶颈解法(数据库拆分、读写分离)。

7.服务化拆分应对更大范围请求量。

8.服务化集群部署模式。

两个结构优化的案例

◆ 处理单点/网络瓶颈的可行方式

◆ 处理数据库连接池瓶颈的可行手段

总结：性能/应用优化的几个趋势

【编辑推荐】