前言
之前有很多同学问我，性能测试中到底该如何去定位分析瓶颈并进行性能优化？感觉压测场景设计做的很全面，分析工具也用了很多，但一直无法快速的定位分析并进行优化。
性能分析和优化一直是技术领域热门的一个话题，无论是三高（高性能、高可用、高稳定），还是CAP（数据一致性、服务可用性、分区容错性），都强调了服务的性能和可用。
这篇文章，我想谈谈我对于性能分析和优化的一些理解。
请求是如何被处理的？
“工欲善其事，必先利其器；欲利其器，必晓其理”。
在进行性能分析优化之前，先来看看一个请求处理的生命周期图。
如上图所示，是常见的一个微服务分布式架构下的请求处理过程。
我们经常谈的性能快和慢，实际上是一个相对的数值，它更多的是我们对于用户使用系统时访问速度体验的评估。
因此在进行性能定位分析之前，一定要清楚请求经过了哪些链路环节？它们的耗时分别是多少？是否是正常数值区间？如果数值异常，可能的原因是什么？
通过快速排除法，将性能分析和优化的点聚焦在一定范围内，这样才能快速定位排查原因。
常见的性能问题与原因
看了上面的请求处理生命周期流程图，可以得到下面几点影响性能的因素。
网络带宽
网络对性能的影响不言而喻。
如果带宽不足，单位时间内的请求过多，就会导致数据包的传输延迟较大。
如果网络不稳定，也会导致RT的曲线抖动较为剧烈，产生毛刺甚至丢包，这个时候P90/P99的数值也可能变大。因此稳定和足够的网络带宽，对系统的性能来说是很重要的。
负载均衡
现在的SLB层已经优化的足够好，但如果负载均衡出现问题，可能会导致流量分发不均匀，导致部分应用节点流量异常，健康检查不通过从而被踢下线。甚至服务注册重试失败或者弹性扩容不够及时，还会导致可用的节点承受了较多的请求最终导致雪崩效应。
安全策略
现在的软件系统，常见的安全防护策略有ddos高防以及WAF，一般都是部署在SLB和流量网关之间或者更上层。
安全防护策略常见的场景有异常检测、输入验证、安全补丁、状态管理以及基于规则和异常的保护功能。
这些安全策略能够有效的保护系统不受到一些恶意的攻击和侵入，但这些策略生效也是需要耗费时间的。
流量网关
上面提到的几个部分都可以看做是互联网时代的基础通用层，而网关是伴随着微服务和容器化出现的，作为用户流量的系统入口，网关也承担了较多的功能，比如：
- 日志
- 身份鉴权
- 灰度发布
- 限流熔断
- 可观测性metrics
- 应用限流apm tracing
上述的功能，无论是身份鉴权还是可观测性的metrics的实现，都需要耗费一定时间。
特别是对于请求的RT比较敏感的业务，对流量网关功能的耗时要求更为严格。
Web应用层
近几年前后端分离的系统设计越来越多，web层更多的负责页面的渲染展示和部分讨好用户的交互设计。如何让用户更快感知到他所感兴趣的东西，这个时候CDN和缓存就派上用场了。
利用CDN和缓存特性“就近加载”，让用户感知的性能更快，也是性能优化领域很重要的一点。
APP应用层
前面讲了web层负责页面渲染展示和友好的交互，那App应用层（即我们常说的后端服务）则更多的负责逻辑计算。逻辑计算是很吃资源的，当然和它的一些参数配置以及技术架构也有较大关联。常见的影响后端服务性能的因素如下：
- 硬件资源：如CPU/Memory；
- 参数配置：如Activethreads/TimeOut；
- 缓存配置：缓存中的大Key及缓存命中率；
- 并行计算：请求下游依赖是串行还是并行？
- 代码逻辑：最经典的例子——for循环无线套娃；
- 日志处理：特别是异常日志的处理以及生产日志级别；
- 处理机制：同步还是异步？如果是异步，MQ容量及消费能力如何？
数据存储层
数据存储层即数据库，数据库层面影响性能的因素应该是最常见也是最多的。比如：
- 锁：不合理的锁使用导致的请求等待；
- 索引：未加索引或索引未生效导致慢SQL；
- 数据量：表数据量过大导致的读写变慢等问题；
针对业务扩张及数据量变大问题，常见的优化策略有分库分表、垂直拆分、读写分离。
压测不是发现问题的唯一手段
回到性能定位分析和优化的话题上，关于性能优化，如下三点是必须铭记的。
性能优化的目标
在保持和降低系统99%RT的前提下，不断提高系统吞吐量，提高流量高峰时期的服务可用性。
性能优化的挑战
- 日益增长的用户量（带来访问量的提升，大数据量的存储和处理）；
- 越来越多样的业务（业务的不断迭代和发展，会使其复杂性指数提升）；
- 越来越复杂的系统（为了支撑业务迭代发展，系统架构会变得很复杂）；
性能优化的路径
- 降低响应时间；
- 提高系统吞吐量；
- 提高服务可用性；
PS：三者关系在某些场景下互相矛盾冲突，不可兼得！
性能优化的道法术器
基于上述的几点内容，结合我个人实践经验和看法，性能定位和分析有下面四个境界：
- 道：熟悉业务逻辑，了解系统架构；
- 法：掌握技术原理，熟知问题定位和分析优化的软件工程方法论；
- 术：不断实践踩坑，总结归纳性能验证、定位分析的方法和经验；
- 器：熟练使用性能测试、监控追踪、问题分析和优化的各种工具并擅加利用；
如何让系统运行的更快更稳定
时间空间
软件系统的三高（高性能、高可用、高稳定）要求，归根结底实际上需要在成本、收益、风险之间做取舍，我们很难做到用最低的成本达到最好的效果。有个很早之前的优化理论，叫做“时间换空间，空间换时间”，讲的就是在响应时间和硬件资源消耗之间做平衡。
性能优化的关键在于平衡各部分组件的性能平衡点，如果CPU资源有空闲，但是内存使用紧张，便可以使用时间换空间的策略，达到整体的性能优化；反之CPU资源紧张，内存资源有空闲，则可以使用空间换时间的策略，提升整体性能。
分层优化
请求的处理过程要经过多个链路环节，除了优化耗时最长难度和成本较低的环节之外，在每个环节都进行一定优化，则对整体性能的提升有很大帮助。
下面是流量高峰时的一些优化或者说应对案例：
数据库
- 扩容：DB是有状态服务，计算层便于扩容，将DB节点放到容器中，有需要扩容；
- 灾备：对于大流量读场景可通过流量切换方式，将部分流量迁移到备份集群分流；
- 巡检：慢SQL是常见的问题，可通过自动监控和历史数据分析，提供辅助式决策；
应用层(计算层)
- 限流：控制访问应用的流量在系统承载范围内
- 在业务请求入口（网关）限流，避免内部互相调用放大流量；
- 限流是个演进状态，从连接池、IP、指定SQL到更细的层级粒度做限流；
- 每个调用层都做限流，每个应用先保证自己可用，对其他依赖调用要做到“零信任”；
- 降级：强依赖通过熔断做紧急处理，弱依赖提前主动降级
- 主动降级：提前进行风险识别，然后针对性降级，可降低已知的风险；
- 紧急降级：假设出现重大的问题，才需要决策是否启用的方案（风险较大）；
- 预案平台：预案平台的目的是留痕，方便后续把限流降级等配置恢复回来；
- 熔断：熔断下游强依赖的服务
- 双十一零点的前半小时， 做一个动态推送，把日志关掉；
- 真正流量来的时候，留一台机器来观察错误和异常的日志；
- 隔离：核心和非核心业务做隔离
身份识别和业务隔离案例如下：
- RPC group分组：假设有100个节点，40个给核心业务(交易)，60个给其他业务；
- 业务身份：中台架构可通过业务身份把订单秒杀等应用打上标记，便于隔离区分；
