不改一行代码定位线上性能问题

Posted on Edited on In Views: Views: Disqus:

背景

最近时运不佳，几乎天天被线上问题骚扰。前几天刚解决了一个 HashSet 的并发问题，周六又来了一个性能问题。

大致的现象是：

我们提供出去的一个 OpenAPI 反应时快时慢，快的时候几十毫秒，慢的时候几秒钟才响应。

尝试解决

由于这种也不是业务问题，不能直接定位。所以尝试在测试环境复现，但遗憾的测试环境贼快。

没办法只能硬着头皮上了。

中途有抱着侥幸心里让运维查看了 Nginx 里 OpenAPI 的响应时间，想把锅扔给网络。结果果然打脸了；Nginx 里的日志也表明确实响应时间确实有问题。

为了清晰的了解这个问题，我简单梳理了这个调用过程。

整个的流程算是比较常见的分层架构：

  • 客户端请求到 Nginx。
  • Nginx 负载了后端的 web 服务。
  • web 服务通过 RPC 调用后端的 Service 服务。

日志大法

我们首先想到的是打日志，在可能会慢的方法或接口处记录处理时间来判断哪里有问题。

但通过刚才的调用链来说，这个请求流程不短。加日志涉及的改动较多而且万一加漏了还有可能定位不到问题。

再一个是改动代码之后还会涉及到发版上线。

工具分析

所以最好的方式就是不改动一行代码把这个问题分析出来。

这时就需要一个 agent 工具了。我们选用了阿里以前开源的 Tprofile 来使用。

只需要在启动参数中加入 -javaagent:/xx/tprofiler.jar 即可监控你想要监控的方法耗时，并且可以给你输出报告，非常方便。对代码没有任何侵入性同时性能影响也较小。

工具使用

下面来简单展示下如何使用这个工具。

首先第一步自然是 clone 源码然后打包，可以克隆我修改过的源码。

因为这个项目阿里多年没有维护了，还残留一些 bug,我在它原有的基础上修复了个影响使用的 bug，同时做了一些优化。

执行以下脚本即可。

1
2
3
git clone https://github.com/crossoverJie/TProfiler

mvn assembly:assembly

到这里之后会在项目的 TProfiler/pkg/TProfiler/lib/tprofiler-1.0.1.jar 中生成好我们要使用的 jar 包。

接下来只需要将这个 jar 包配置到启动参数中，同时再配置一个配置文件路径即可。

这个配置文件我 copy 官方的解释。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
#log file name
logFileName = tprofiler.log
methodFileName = tmethod.log
samplerFileName = tsampler.log

#basic configuration items
# 开始取样时间
startProfTime = 1:00:00

# 结束取样时间
endProfTime = 23:00:00

# 取样的时间长度
eachProfUseTime = 10

# 每次取样的时间间隔
eachProfIntervalTime = 1

samplerIntervalTime = 20

# 端口，主要不要冲突了
port = 50000
debugMode = false
needNanoTime = false

# 是否忽略 get set 方法
ignoreGetSetMethod = true

#file paths 日志路径
logFilePath = /data/work/logs/tprofile/${logFileName}
methodFilePath =/data/work/logs/tprofile/${methodFileName}
samplerFilePath =/data/work/logs/tprofile/${samplerFileName}

#include & excludes items
excludeClassLoader = org.eclipse.osgi.internal.baseadaptor.DefaultClassLoader

# 需要监控的包
includePackageStartsWith = top.crossoverjie.cicada.example.action

# 不需要监控的包
excludePackageStartsWith = com.taobao.sketch;org.apache.velocity;com.alibaba;com.taobao.forest.domain.dataobject

最终的启动参数如下：

1
2
-javaagent:/TProfiler/lib/tprofiler-1.0.1.jar
-Dprofile.properties=/TProfiler/profile.properties

为了模拟排查接口响应慢的问题，我用 cicada 实现了一个 HTTP 接口。其中调用了两个耗时方法：

这样当我启动应用时，Tprofile 就会在我配置的目录记录它所收集的方法信息。

我访问接口 http://127.0.0.1:5688/cicada-example/demoAction?name=test&id=10 几次后它就会把每个方法的明细响应写入 tprofile.log。

由左到右每列分别代表为：

线程ID、方法栈深度、方法编号、耗时（毫秒）。

但 tmethod.log 还是空的；

这时我们只需要执行这个命令即可把最新的方法采样信息刷到 tmethod.log 文件中。

1
2
3
java -cp /TProfiler/tprofiler.jar com.taobao.profile.client.TProfilerClient 127.0.0.1 50000 flushmethod

flushmethod success

其实就是访问了 Tprofile 暴露出的一个服务，他会读取、解析 tprofile.log 同时写入 tmethod.log.

其中的端口就是配置文件中的 port。

再打开 tmethod.log ：

其中会记录方法的信息。

  • 第一行数字为方法的编号。可以通过这个编号去 tprofile.log(明细)中查询每次的耗时情况。
  • 行末的数字则是这个方法在源码中最后一行的行号。

其实大部分的性能分析都是统计某个方法的平均耗时。

所以还需要执行下面的命令，通过 tmethod.log tprofile.log 来生成每个方法的平均耗时。

1
2
java -cp /TProfiler/tprofiler.jar com.taobao.profile.analysis.ProfilerLogAnalysis tprofiler.log tmethod.log topmethod.log topobject.log
print result success

打开 topmethod.log 就是所有方法的平均耗时。

  • 4 为请求次数。
  • 205 为平均耗时。
  • 818 则为总耗时。

和实际情况是相符的。

方法的明细耗时

这是可能还会有其他需求；比如说我想查询某个方法所有的明细耗时怎么办呢？

官方没有提供，但也是可以的，只是要麻烦一点。

比如我想查看 selectDB() 的耗时明细：

首先得知道这个方法的编号，在 tmethod.log 中可以看查到。

1
2 top/crossoverjie/cicada/example/action/DemoAction:selectDB:84

编号为 2.

之前我们就知道 tprofile.log 记录的是明细，所以通过下面的命令即可查看。

1
grep 2 tprofiler.log

通过第三列方法编号为 2 的来查看每次执行的明细。

但这样的方式显然不够友好，需要人为来过滤干扰，步骤也多；所以我也准备加上这样一个功能。

只需要传入一个方法名称即可查询采集到的所有方法耗时明细。

总结

回到之前的问题；线上通过这个工具分析我们得到了如下结果。

  • 有些方法确实执行时快时慢，但都是和数据库相关的。由于目前数据库压力较大，准备在接下来进行冷热数据分离，以及分库分表。
  • 在第一步操作还没实施之前将部分写数据库的操作改为异步，减小响应时间。
  • 考虑接入 pinpoint 这样的 APM工具。

类似于 Tprofile 的工具确实挺多的，找到适合自己的就好。

在还没有使用类似于 pinpoint 这样的分布式跟踪工具之前应该会大量依赖于这个工具，所以后续说不定也会做一些定制，比如增加一些可视化界面等，可以提高排查效率。

你的点赞与分享是对我最大的支持