高性能高并發系統的穩定性保障

作者：肖飛 2016-12-21 09:33:40

可行性指標：999,一周10分鐘;9999，一周1分鐘不可用。可用性：從客戶角度。可用性度量：A = MTBF / (MTBF + MTTR) ，其中MTBF表示mean time betweenfailures，而MTTR表示maximum time to repair or resolve。

作者：肖飛，于2011年8月份加入京東，曾親身參與到京東的應用性能監控、統一日志、流式計算、內存緩存、四層防攻擊等一些基礎技術平臺的研發和搭建工作，經歷了京東的技術系統從簡單粗放向復雜精細化的演變過程。目前主要工作為多中心交易項目中的數據復制中間件JingoBUS的研發。平時也會開發一些公共的平臺和工具，關注分布式系統的實現、程序設計、性能優化、開發語言等。

本文是2015年肖飛在內部分享的《高性能高并發系統的穩定性保障》PPT內容。

性能、并發、穩定性三者關系

高性能：高吞吐量、低延時
公式：吞吐量(并發)=單位時間/平均延時
N-th% Latency：TP99, TP999
穩定性：低延時的穩定性標準為TP99/TP999是隱含的必要條件;系統的穩定性標準：高+可用;用戶標準

吞吐量：QPS， TPS，OPS等等，并發。并不是越高越好，需要考慮TP99。用戶角度：系統是個黑盒，復雜系統中的任何一環到會導致穩定性問題。SLA：在某種吞吐量下能提供TP99為n毫秒的服務能力。降低延時，會提高吞吐量，但是延時的考核是TP99這樣的穩定的延時。

如何改善延時

你應該知道如下表格

原文：http://www.eecs.berkeley.edu/~rcs/research/interactive_latency.html

JeffDean
Disk random read IOPS:
IOPS = 1000 / (4 + 60000/7200/2) = 122
IOPS = 1000 / (4 + 60000/10000/2) = 142
IOPS = 1000 / (4 + 60000/15000/2) = 166
SSD random read IOPS:
IOPS = 1000000/16=62500

數字的啟示

高速緩存的威力;
線程切換代價cache miss
順序寫優于隨機寫
局域網絡快于本地HDD
大塊讀優于小塊讀
SSD解決隨機讀寫
跨地域IDC網絡是最大的延時

策略

關鍵路徑：“28原則”(20%的代碼影響了80%的性能問題，抓重點)、“過早優化是萬惡之源”。不同解讀;
優化代碼：空間換時間：各級緩存;時間換空間：比如傳輸壓縮，解決網絡傳輸的瓶頸;多核并行：減少鎖競爭;lesscode;各類語言、框架、庫的trick;算法+數據結構，保持代碼的清晰、可讀、可維護和擴展;
通過性能測試和監控找出瓶頸

metric

原文：http://www.vpsee.com/2014/09/linux-performance-tools/

通過性能測試和監控：

單系統operf/jprofiler etc;
Java的一系列工具：jstat, jstack, jmap, jvisualvm,HeapAnalyzer, mat
分布式跟蹤系統：Dapper，鷹眼等

benchmark

原文：http://www.vpsee.com/2014/09/linux-performance-tools/

微觀

內存分配

吞吐量和利用率的權衡

顯式分配器：jemalloc/tcmalloc代替默認的ptmalloc

隱式分配器：JVM GC的各種調優

是否使用hugepagen預分配和重用：Netty的Pooled ByteBuf

減少拷貝：new ArrayList(int), new StringBuilder(int)

內存分配器利用率：減少內部或外部碎片;Page Table(頁表)， TLB(頁表寄存器緩沖)，減少TLB miss,pin cache。增加COW的開銷, 與內存分配器的實現沖突。JVM的GC調優是很多Java應用的關注重點。

減少系統調用

批處理: buffer io，pipeline

使用用戶態的等價函數: gettimeofday ->clock_gettime

減少鎖競爭

RWMutex

CAS

Thread local

最小化鎖范圍

最小化狀態，不變類

批處理增加了內存拷貝的開銷，但是減少了系統調用開銷，減少了上下文切換的影響。bufferio的例子：日志、網絡讀寫。pipeline的例子：redis。

減少上下文切換

觸發：中斷、系統調用、時間片耗盡、IO阻塞等

危害：L1/L2 Cache Missing，上下文保存/恢復

單線程：基于狀態機redis和Master/Worker的nginx

CPU親和性綁定

ThreadPool的配置，不同任務類型不同的ThreadPool

幾個例子：1、docker中線程池大小的核數自動設定;2、CPU節能模式;3、CENTOS-7.1內核BUG。

網絡

內核TCP Tuning參數和SocketOption：net.ipv4.tcp_*

TCP Socket連接池

網絡I/O模型

傳輸壓縮

編解碼效率

超時、心跳和重試機制

網卡：多隊列中斷CPU綁定;增加帶寬：萬兆、Bonding;Offload特性：ethtool -k eth0;UIO Driver: DPDK

連接池：減少握手、減少服務端session創建消耗。網絡I/O模型：BIO、Non-Blocking IO、AIO;select/poll、epoll/kqueue、aio;netty使用nativetransport。Offload特性：ethtool-k eth0。將數據包分組、重組、chksum等從內核層放到硬件層做。

如何提高吞吐量

改善和降低單機的延時，一般就能提高我們的吞吐量。從集群化上講，因素就比較多。

宏觀

提升系統擴展能力
應用的無狀態架構
緩存/存儲的集群架構：冗余復制(負載均衡、異構解除系統依賴);分布式(數據sharding , 副本，路由，數據一致性);切換
微服務/SOA
擴容
異步化
緩存

復制

通過復制提高讀吞吐量、容災、異構
通過數據分片，提高寫吞吐量
程序雙寫：一致性難以控制，邏輯復雜，冪等性要求。完全把控復制和切換時機。異構系統唯一選擇。同步雙寫(數據一致性高，影響性能，不適合多個復制集); 異步雙寫(數據一致性差，性能高，適合多個復制集);CDC[Change Data Capture](canal,databus等)
底層存儲復制機制：一致性由底層控制，對應用端透明。程序和底層存儲配合切換

擴容

每年大促前的核心工作：該擴容了嗎?現狀分析;擴容規劃(關鍵系統峰值20倍吞吐量);擴容依據(架構梳理、線上壓測);
擴容checklist：前(部署、DB授權....);后(配置更新、LB更新、接入日志、接入監控....)
應用擴容、數據擴容、寫擴容、讀擴容
垂直擴容：加內存、升級SSD、更換硬件。數據復制、切換
水平擴容：數據遷移或初始化

現狀分析：去年雙十一到目前，峰值時的性能數據;軟硬件性能指標;數據存儲容量。

擴容規劃;流量規劃：核心系統20倍吞吐量;數據增長量規劃;擴容依據;架構梳理;線上壓測。

讀擴容比寫擴容難;讀寫分離。

異步化

解耦利器
削峰填谷
頁面異步化
系統異步化
JMQ
狀態機(worker)+DB
本地隊列
集中式緩存隊列

本地內存隊列：實時價格回源服務響應之后，通過BlockingQueue異步更新前端緩存。本地日志隊列：庫存預占。集中式緩存隊列：商品變更任務下發系統。

異步化的一些例子：

1、操作系統內核的高速緩存隊列，磁盤延遲刷盤;

2、mysql數據庫復制、redis復制;

異步化需要注意的是：

1、任務要落地;

2、不可避免的重復執行，需要冪等;

3、是否需要保證順序、如何保證順序。

緩存

久經考驗的局部性原理
多級緩存：瀏覽器browser cache、cdn、nginx本地redis緩存、本地JVM緩存、集中式緩存...
緩存前置：2/8原則、單品頁、實時價格、庫存狀態
一致性、延遲權衡
緩存主節點負責寫，和最重要的校驗
通過CDC監聽數據庫binlog主動更新緩存
CPU不是瓶頸，網絡才是
優化編碼，減少尺寸
優化操作
優化拓撲

如何保障穩定性

宏觀

提高可用性
分組和隔離
限流
降級
監控和故障切換

可用性

可用性衡量指標：幾個9
可用性度量：A = MTBF / (MTBF + MTTR)
減少故障、加長可用時間
減少故障修復時間(發現、定位、解決)
冗余復制、災備切換，高可用的不二法門
如何快速切換?
切換的影響
監控、ThoubleShooting、軟件質量的影響

高可用行性的成本和收益，好鋼用在刀刃上。

如何快速切換：有可以切換的?可以不重啟應用么? 操作快捷么?演練過么?

切換的影響：切換目標資源能否承受新增的壓力;切換是否影響狀態(數據的一致性、丟失問題)。

監控到位、即時，減少故障發現時間;監控全面，增加故障分析時可以參考的數據。

troubleshooting的能力，踩坑的精力， COE，問題本質、根源的追查。

軟件質量：編碼是否健壯、(異常處理、防御性、2/8原則)超時處理、日志是否全面合理、線程名稱等等。

測試：case是否全面、自動回歸。

上線：是否灰度：N+1, N+2;回滾方案、數據回滾。

分組和隔離

網絡流量隔離：大數據單獨部署，QOS;
業務系統隔離：秒殺系統獨立出主交易;
流量分組：對使用者按照重要程度、請求量、SLA要求等因素分級
存儲的分組：按照使用者重要程度、實時性要求等因素，將數據庫的復制集分組

傳統世界的例子：道路被劃分為高速道路、自行道、人行道等，各行其道。

流量分組

舉例：商品基礎信息讀服務。對使用者按照重要程度、請求量、SLA要求等因素分級，將服務實例和存儲分組：交易、生產、網站、移動、promise、ERP...

讀寫分離

舉例：商品主數據服務。按照使用者重要程度、實時性要求等因素，將數據庫分組：ERP、POP、網站、大數據平臺...

限流

限流原則：影響到用戶體驗，謹慎使用
區分正常流量和超預期流量：限流標準來自壓力測試、折算
讀少限，寫多限
客戶端配合限流
不同分組的限流閾值
各層限流手段

前置限流，快速失敗：比如通過提供給調用方的JSF客戶端，封裝限流邏輯。

Nginx層限流：自主研發的模塊;幾個規則：賬戶，IP，系統調用流程。

應用限流：減少并發數線程數;讀少限，寫多限;DB限流;連接數。

降級

保證用戶的核心需求

降級需要有預案和開關：確定系統和功能級別，是否可降，影響如何;降級需要有開關

非關鍵業務屏蔽：購物車的庫存狀態

業務功能模塊降級：實時價格更新不及時;peking庫，保訂單管道、生產，暫停統計相關

數據降級：動態降級到靜態;遠程服務降級到本地緩存：采銷崗服務

監控和切換

無所不在的監控：網絡流量;操作系統指標;服務接口調用量、TP99、錯誤率...;日志;業務量變化;太多監控了，如何提高監控的質量

切換：切換開關;成熟的流程可自動化;數據的重要性、一致性，要求強一致的，可以人工介入;系統的指標沒法判斷、監控點不全的，需人工判斷決定

review

Nginx層限流：自主研發的模塊;幾個規則：賬戶，IP，系統調用流程。

應用限流：減少并發數線程數;讀少限，寫多限;DB限流;連接數。

如何驗證性能和穩定性

線上壓測：兩類壓力測試場景(讀業務壓測、寫業務壓測);壓力測試方案(從集群中縮減服務器、復制流量、模擬流量、憋單)
全流程演練：降級、切換等

讀業務壓力測試：是將線上業務隔離后,壓測至系統臨界點,通過分析系統在臨界點時軟硬件指標定位系統短板并優化。

寫邏輯壓力測試,如果數據具有不可恢復性,一定要提前做好數據隔離保護,如訂單號壓測,為避免影響線上業務,壓測前后都要做好“跳號”以隔離線上數據。

從集群中縮減服務器。加大單臺服務器的壓力。大概估算出正常的集群規模能夠承載的流量。

復制流量。主要通過 Tcpcopy 復制端口流量,多層翻倍放大流。

模擬流量。模擬流量主要腳本攻擊工具和壓測工具結合,主要用ab,siege,webbench,loadruner通過多臺機器壓測。分機房,按分支進行壓測。

憋單。主要針對后續的訂單生產系統壓測。通過在管道積壓一批訂單,然后快速釋放,形成對后續生產系統持續快速的沖擊,達到壓測的目的。

【本文來自51CTO專欄作者張開濤的微信公眾號(開濤的博客)，公眾號id: kaitao-1234567】

責任編輯：武曉燕來源：開濤的博客

高性能系統保障