Log4j2的高性能之道

简介: Log4j2的高性能之道

log4j2之所以能在异步写日志时性能提高这么多,离不开优秀的mq组件Disruptor

目前使用该队列的知名软件包括但不限于Apache Storm、Camel、Log4j2。

底层队列的实现对性能的影响是最大的。logback使用的是异步appender,log4j2使用的是disruptor。

异步Appender的实现,内部内置了一个BlockingQueue队列,具体实现采用了ArrayBlockingQueue。而Disruptor则是使用了Ringbuffer。

性能上的优劣,绝大部分原因都是数据模型的问题,往下我们分析一下BlockingQueue和disruptor的实现方式:

1、ArrayBlockingQueue

ArrayBlockingQueue采用的是加锁的方式来处理线程安全问题的。

加锁的问题,虽然历代JDK一直投入大量的精力去解决问题,比如优化Sync关键字的实现方式、添加读写锁等,但是由于结构特性的问题,一直无法从根本上解决性能开销问题。

2、Disputor

Disputor采用了环形数据结构Ringbuffer来解决这个问题(他们称之为魔法圆环,或魔法圆圈之类的),此种数据结构的有点是,不需要记录额外的下标,直接由JNI返回可以操作的地址,然后当多线程并发读写的时候,使用的也是无锁化cas方式

目录
相关文章
|
3月前
|
存储 负载均衡 算法
「读书笔记」《大规模分布式存储系统:原理解析与架构实战》:一
「读书笔记」《大规模分布式存储系统:原理解析与架构实战》:一
|
3月前
|
存储 负载均衡 分布式数据库
「读书笔记」《大规模分布式存储系统:原理解析与架构实战》:六
「读书笔记」《大规模分布式存储系统:原理解析与架构实战》:六
|
3月前
|
分布式计算 关系型数据库 大数据
「读书笔记」《大规模分布式存储系统:原理解析与架构实战》:九
「读书笔记」《大规模分布式存储系统:原理解析与架构实战》:九
|
3月前
|
存储 缓存 运维
「读书笔记」《大规模分布式存储系统:原理解析与架构实战》:三
「读书笔记」《大规模分布式存储系统:原理解析与架构实战》:三
|
2月前
|
分布式计算 大数据 数据处理
深度解密Spark性能优化之道
课程通过实战案例解析和性能调优技巧的讲解,帮助学员提升大数据处理系统的性能和效率。课程内容涵盖了Spark性能调优的各个方面,包括内存管理、并行度设置、数据倾斜处理、Shuffle调优、资源配置等关键技术和策略。学员将通过实际案例的演示和分析,掌握解决Spark应用性能问题的方法和技巧,从而提升数据处理效率,优化应用性能。无论您是初学者还是有一定经验的大数据工程师,本课程都将为您提供宝贵的实战经验和实用技能,助您成为Spark性能调优的专家。
31 7
深度解密Spark性能优化之道
|
9月前
|
存储 Linux 测试技术
2023年C/C++高性能技术知识大整理(进阶到大神级别)
2023年C/C++高性能技术知识大整理(进阶到大神级别)
|
设计模式 缓存 Java
高德Go生态的服务稳定性建设|性能优化的实战总结
目前go语言不仅在阿里集团内部,在整个互联网行业内也越来越流行,本文把高德过去go服务开发中的性能调优经验进行总结和沉淀,希望能为正在使用go语言的同学在性能优化方面带来一些参考价值。
22972 5
高德Go生态的服务稳定性建设|性能优化的实战总结
|
存储 算法 架构师
【架构师之路 四】需要掌握的技能点---架构性能优化
【架构师之路 四】需要掌握的技能点---架构性能优化
115 0
|
消息中间件 缓存 容灾
金融系统性能优化之道
系统设计得再好,如不能及时完成业务处理也不行。为什么不同业务有不同优化需求,以及常见的优化方式和问题有哪些。
86 0
|
缓存 架构师 容灾
分布式架构原理--分布式架构演进过程
分布式架构原理专题: (演进过程及如何把应用从单机扩展的分布式;CDN加速静态文件访问;系统监控、容灾、存储动态扩容;架构设计及业务驱动分化;CAP\Base理论及其应用)
240 0
分布式架构原理--分布式架构演进过程