网站性能优化的三重境界

这篇文章是关于网站性能优化体验的，性能优化是一个复杂的话题，牵涉的东西非常多，我只是按照我的理解列出了性能优化整个过程中需要考虑的种种因素。点到为止，包含的内容以浅显的介绍为主，如果你有见解能告知我那再好不过了。无论如何，希望阅读它的你有所收获。

我眼中的网站性能问题都反映了一个网站的“Availability”（中文叫做可用性，但是这个翻译也不足够达意），以往我的认识是，这个网站如果全部或者部分不可用，那是功能问题，但是如果响应慢、负载差，这才是性能问题；可是后来我逐渐意识到，性能问题涵盖的范围更广，我还没法给出一个准确定义，但是许多非业务逻辑错误引起的网站问题都可能可以算做性能问题，比如可扩展性差，比如单点故障问题。

在网站性能优化的最初阶段，也就是所谓的“ 第一重境界”，做局部的定位、分析和修正，考虑的仅仅是“ 优化”，这也是初涉性能优化问题的大多数人的认识。在问题发生以后，发现它和业务逻辑没有太大关系，就开始尝试寻找问题产生的原因并加以解决。

无论是网站无响应还是响应缓慢，还是响应曲线异常波动，比如，可以围绕 CPU 的使用问自己这样几个问题：

• 从 CPU 使用看系统是否繁忙？
• 如果系统繁忙，系统在做什么，为什么？（典型问题：HashMap 不安全并发导致的死循环）
• 如果系统空闲，那么瓶颈在哪里？（典型问题：IO 无响应）
• 如果响应波动，是否存在周期，周期是什么？（典型问题：连接迅速占满，每一周期批量超时断开一批）
• 如果响应波动，性能到波谷时系统在做什么？
• 是否有背景 CPU 使用？（即无压力下观察 CPU 的使用情况。典型问题：正执行的定时任务占用过多系统资源）

在这些问题中，情况虽然千变万化，简单地说，CPU 的使用是核心，CPU 使用率高，说明系统资源被充分利用，可能系统在实实在在地做事，反之，需要寻找其他瓶颈。通过结合进程、线程的快照，来初步确定问题的范围。CPU 使用率低的情况居多而且容易定位，只需要寻找其他的系统瓶颈；CPU 占用率偏高的问题往往比较不容易定位，虽然也有一些办法。关于具体性能问题的定位技术，这里不着过多笔墨，后续有机会详细介绍。

对于一个刚开始做性能优化的网站系统，下面的事情不妨都做一做，会有立竿见影的效果：

• 对于使用的成熟的技术，技术社区、官方文档，往往会给出这种技术的白皮书或者优化指导，请参考。比如 Struts2 的官方性能调优指南、Java6 性能优化白皮书。
• 平台和虚拟机调优。对于使用平台和虚拟机的项目来说，这是必须要做的，一个 JVM 的参数可以对系统有显著的影响。比如 Linux 下连接管理的参数，JVM 关于堆大小分布的参数等等。
• 前端审查。这里的审查指的是通过 Page speed、YSlow 等工具，以及一些业界通用的法则和经验（比如yahoo 的若干条前端性能优化法则）来评估现有页面的问题。

如果你需要系统的指导，不妨参考这张图（点此下载大图和 mmap 文件：Site_Performance_Practice_Road_Map）：

从使用的工具上说，性能问题的定位很大程度上是面向操作系统、虚拟机系统的问题定位。从问题定位的时机上说，又可以分为：

• 截取型：截取系统某个层面的一个快照加以分析。比如一些堆栈切面和分析的工具，jstack、jmap、kill -3、MAT、Heap Analyser 等。
• 监控型：监视系统变化，甚至数据流向。比如 JProfiler、JConsole、JStat、BTrace 等等。
• 验尸型：系统已经宕机了，但是留下了一些“ 罪证”，在事后来分析它们。最有名的就是 JVM 挂掉之后可能会留下的 hs_err_pid.log，或者是生成的 crash dump 文件。

了解到这里，再给出这样几个常见问题定位的场景：

第一类：请求无响应，浏览器始终处于等待状态。

定位方法：kill -3 或者 jstack 先分析线程堆栈，找到当前 block 的线程。

常见于：外部接口调用无返回或者网络 IO 阻塞无响应；死锁；死循环；……。

第二类：宕机，进程挂掉。

定位方法（这一类问题普遍比较难定位）：

   （1）寻找 hs_err_pidxxx.log 这样的 JVM 日志

   （2）使用 JVM 参数在 JVM crash 时写入到 dump 文件中

   （3）catalina.out 中寻找最后的日志

   （4）宕机前环境数据采集

常见于：JDK bug（数次遇到过 JIT 引起的这一类问题）；调用 dll 的问题；……

第三类：请求响应时间长。

定位方法：kill -3 或者 jstack 先分析线程堆栈，看线程大都停留在什么操作上面，再细化分析。

常见于： 内存不足，可见到连续的 Full GC；网络拥塞；LoadRunner 等压力客户端瓶颈；数据库瓶颈，可进一步分析 DB 快照；……

第四类：TPS 低；TPS 逐渐降低；TPS 振荡幅度过大。

定位方法（这一类问题最常见，定位的方法也最复杂）：

首先观察在压力增大时，CPU 使用率能否上去，如果不能上去，寻找其他瓶颈：网络/内存/磁盘/……；CPU

使用率上去了，观察在无压力时，是否有背景 CPU 使用（例如有后台定时任务线程消耗了大量 CPU 资源），如果没有，那可以尝试 JProfiler 等工具结合线程分析、业务分析，寻找热点。

常见于：其他业务线程干扰；内存泄露；连接句柄用完；缓存命中率低下……

好，暂时说到这里，下面来看第二重境界。达到这重境界意味着已经能够跳出“ 事后优化” 的局限了，在设计和编码的过程当中，能够正式和全面地考虑性能的因素，比如：

• 减少使用时间敏感的容器管理，而使用容量或数量敏感的容器管理。比如我往一个缓冲里面存放若干数据，一种设计是每 10 分钟 flush 入库一次，还有一种设计是数据到达 10M 大小的时候 flush 入库一次，通常情况下，你觉得哪个方案更可靠？
• 线程的统一管理使用。我的经验是，10 次对线程创建或者线程池的使用，往往就有 5 次是会出问题的。
• 避免使用同步 Ajax。同步 Ajax 会造成浏览器假死，直至响应返回。
• 分析对同步、锁的使用。即便在一些有名的开源库中，我们也不止一次发现过不合理的同步设计，N 多数据，单一的全局同步块（这是一种性能设计层面上的“ 中心化”），结果它就成为了瓶颈，改动还不容易下手，很麻烦。

对于不成熟的团队，建议能安排有经验的程序员把关设计文档和编码中的性能问题，把常见的问题列出来参考学习。

达到第二重境界还有一个明显的特征，就是在软件流程的前中期就开始做性能目标的论证和性能问题的验证：

• 性能切面分析。这指的是在系统设计初期，为了评估一个系统的性能表现，做出一个性能类似的系统原型，并对其做性能测试和评估，这时候因为性能问题而涉及到方案的变更，影响较小。据我所知，能够做到这一点的项目极少。在大多数团队中，依赖于架构师和掌握话语权的设计者依靠经验来避免性能问题带来的大的方案变更（或者，干脆摔一次跤，再进行痛苦的“ 重构”）。
• 性能的自动化测试验证。这一步必须伴随着 Coding 进行才有较大的意义，以便尽早发现性能问题。
• 设计和代码层面的评审。其实功能问题考虑得多、暴露得早，真正有危险的往往都是那些被忽视的非功能性问题，比如性能问题。

最后是第三重境界。达到这重境界的团队能够在早期规划构想阶段就将性能作为一个必备因素包含在内，这可不是随口说说的经验的估计，而是要有数据驱动的理论设计，比如做性能建模，根据市场大小、业务量、服务等级等等计算出性能的具体指标，并且在此要求下做合理的架构设计。

这里涉及的东西有很多，除了数据，还需要有大量的思考，对于一个网站来说，不妨问问如下的问题：

• 数据量会有多大，我该设计什么样的存储？一致性的要求又如何？
• 实时性要求是怎么样的？用户可以接受多少时间的数据延迟？
• 网站需要考虑到什么程度的可伸缩性？
• 哪些流程的数据处理有性能风险，数据量是什么级别的？怎么解决这个问题？
• 主要的业务时间消耗是怎样的，我需要设计怎样的业务流来满足？

所有的性能问题和其他一切非功能性问题一样，都是一定程度上的 trade off，所以越优秀的设计者越需要思考，来规划这些问题的解决方案，在规划中因为性能问题而涉及到的因素有哪些，太多太多了。

而要解决这样在规划中就预料到的性能问题，也有许多内容值得讨论，下面列出一些供参考：

• 1、集群组网：这是最基本的横向扩展的方式，把单节点的压力通过负载均衡分担到多个节点下，提高了系统负载能力的同时，亦提高了稳定性。
• 2、反向代理：一个大型的互联网网站不能不引入反向代理对静态资源的处理，Servlet 容器用来处理静态图像和文本是非常奢侈的，Apache、Nginx、Squid 都是优秀的解决方案。
• 3、页面静态化：互联网应用“ 缓存为王”，这可能是数种方案中能带来惠利最明显的一种，通过静态页面的生成和访问，有效地降低了系统负载。Web2.0 的应用缓存命中率通常要稍差。
• 4、数据库优化：用户的访问难以满足了，数据库硬件设备的强化以外，从最基本的拆表、SQL 调优，到纵向和横向的分库几乎成为必不可少的解决办法，或者更换廉价存储解决方案，使用 NoSQL 数据库等等。
• 5、CDN：CDN 指的是内容分发网络，通过网络的广域层面对用户需求的分担，避开互联网上有可能影响数据传输速度和稳定性的瓶颈和环节，提高用户体验。
• 6、分布式存储：海量信息的爆炸，需要廉价存储的解决方案，Web2.0 的数据尤甚。分布式存储系统可以保证大吞吐量的数据读写和海量数据存储，实时性就显得不那么重要了。
• 7、数据缓存：这里的数据缓存和页面缓存区分开，数据缓存通常包括持久层层面的缓存和外部接口调用的缓存，数据缓存可以减小各类 I/O 调用，增加用户响应的平均时间。
• 8、功能性集群：初步的集群是对等的，这类集群方式简单可控；但是随着产品日益复杂化，用户访问压力日益增大，单纯的对等集群解决不了所有的问题，且产生大量冗余处理逻辑，使用功能性集群可以将完成不同功能的节点规约在一起。
• 9、页面分区：对一个大型网站，这是必不可少的。目的就是要进行页面静态化，并将动态和静态的区域分离开，以便在用户访问的时候，只做简单的聚合操作。
• 10、页面片段的生成和页面的聚合相剥离：许多频繁访问的相对静态的页面片段通常只需要的定时或事件触发的情况下才生成一次，甚至可以放在系统压力较轻的夜间生成。用户每次请求时只需要将静态的页面片段聚合成一个完整的页面（亦需要添加上动态的部分）即可。
• 11、隔离：对复杂系统的隔离和备份主要是为了解决稳定性问题，保持每一个单元的“ 简单”，化整为零，更容易将单元独立开发、产品化。
• 12、聚合方式的改进：引入高性能的服务端页面聚合方式（经过验证，常规 SSI、ESI 的性能存在缺陷）；甚至客户端聚合：将展示模板送到客户端，再通过 Ajax 请求将 JSON（或其它简单格式）数据流送到客户端，在客户端使用 Ajax 聚合出最终的页面来，好处在于将服务端的压力分担到客户端。
• 13、组件服务化：服务化的好处在于易于将组件的处理并行化，增加整体的响应速度。模式可以遵循 SOA 的方式，系统中使用高性能的 ESB 来进行服务编排和任务分派。

要达到第三重境界还要能够预测性能问题。这就需要成熟的监控体系，监控系统的变化，尽快做出反应。

比如国内发生了重大事件，用户量陡增，监控系统能够及时识别出用户量监控曲线一个非常明显的跳跃过程（比如持续事件超过某个值，且曲线斜率超过某个值），发出告警，并且自动扩容来应付潜在的风险。这些，都是建立在常规的业务运营数据收集基础之上的，然后需要做数据挖掘，给出关键点。

再比如互联网应用“ 缓存为王”。对于缓存的设计，甚至很大程度上决定了应用的成败（如果你很有钱，靠大量的 CDN 这种非常规路线的另说，呵呵）。缓存的设计需要考虑到缓存的大小、分级、队列、命中率计算、生命周期、更新换页、数据分发、数据一致性和数据持久化等等问题，这些东西往往被很多只重视那些页面展示效果和功能的人所忽视，但如果你是优秀的设计者，你需要积累这些思考。

Think big。有这样一个真实的例子，我们曾经发现页面模板的 OGNL 性能不高（两次反射之故），遂在项目中把大部分 OGNL 表达式都改成了 EL 表达式，花了很多时间精力，性能也确实提高了，但是能提高多少呢？大概只有 30%，这是一种细水长流的改进，对系统的破坏性不大，但是收效也不足以令人沾沾自喜，还失去了一些 OGNL 的灵活性。之后，我们换了一个思路，从大局入手，给页面划分区域，定制缓存框架，引入页面缓存能力，虽然整套方案有些复杂，但是这种架构上的进化，由于页面的生成或者部分生成直接命中了缓存文件，性能一下有了飞跃，提高了 600%~800%。这就是 Think big，从大处着想，见得到工程大块的结构，需要足够的视野、足够的经验和积累，可以带来显著的效果。

通常系统容量的设计都会要求到峰值容量以上，如果是像秒杀、抢购之类对性能要求非常高的系统，往往还存在一个问题：设计了这么大的容量，平时大部分时间业务量都比较小，这些资源浪费怎么办？（题外话：这大概也是 Amazon 涉足云存储和云计算的初始缘由吧）

我们来看这样一个在性能驱动下架构变迁发展的例子：

初期，只有简单的应用服务器和 DB 服务器分家，使用简单的 Jetty 容器，系统的瓶颈在 DB 侧。简单就是美，网站刚刚运营，能访问就是王道：

系统在发展中不断地演化。

有一天发现用户压力越来越大，终于无法承受了，系统屡屡到达崩溃的边缘，在现有硬件和架构条件下很难支撑现有的业务，做出了这样的改变：

在这次改变中，做了这几件重要的事情：

• 1、引入了全页面的缓存。互联网应用缓存为王，全页面的缓存可以起到立竿见影的效果。
• 2、把页面展现抽象成为“ 主题”，和页面数据分离开来。并且，为此，引入了“ 聚合” 的概念，它为以后的进一步发展打下了一个伏笔。
• 3、为了缓解数据库的瓶颈，使用了 RAC 方式做持久层的集群。
• 4、对于 JS、CSS、图片等几乎一成不变的静态资源，引入反向代理，优先处理。

网站继续安安静静地发展，悄悄地演化。

终于有一天，用户访问量激增，百万级的 PV 达到了，WEB2.0 业务也增加进来，缓存的命中率越来越低，CPU 成为了瓶颈，访问异常缓慢。这一次，又要动刀了：

这一次的架构重构做了这么几件重要的事情：

• 1、静态资源（特别是可供下载的文件），使用 CDN 缓解压力。
• 2、把请求拆分成主请求、异步数据请求和静态资源请求，其中主请求仅仅是获取页面不变的部分（模板+静态数据），动态的数据以异步 JSON 的方式获取，并在浏览器端使用 JavaScript 聚合。这一步把某些聚合操作放置到了客户端进行，缓解了服务端压力。
• 3、真正将页面的聚合展现和页面的生成拆分开来，保证了用户响应是快速的。
• 4、引入多层次缓存（内存中对象集合使用 Memcached 缓存，接口层面缓存报文，页面缓存缓存文件等），同时，对于层次的划分，容易将整个系统拆分成若干个子部件独立运作，简单、独立。
• 5、数据库进一步拆分，读写分离。
• 6、页面分块。这是大型 Web2.0 网站共有的特点，一个页面上往往总有那么一部分是固定不变的，这些部分应当能以页面片段的形式缓存到磁盘上，每次页面生成的时候只需要更关注变化的部分即可。

继续、继续……

访问量增长了几十倍，集群的服务器也第一次达到了三位数，系统不稳定，速度重新落下，问题定位也无比困难，一切又开始扑朔迷离起来。

这一次，不可避免地又做了架构上的调整，首要的目标，是以隔离解耦的方式增加系统稳定性，同时，更便于产品化管理：

• 1、整体采用 SOA 方式布局，按照功能划分集群，并且每个功能集群定义为一个“ 服务”，内部采用 REST 风格的接口访问服务。服务驱动和编制引擎（ESB 角色）定时把可以提前生成的静态数据存放到共享存储上。
• 2、清晰化聚合逻辑，静态的数据尽量在服务端聚合完成，减少客户端数据请求的流量。
• 3、引入 NOSQL 数据库和廉价存储，适当放弃一致性，为海量数据做妥协。
• 4、开发核心业务功能包部署引擎（基于 OSGi），对于业务的定制，只需要按照功能包定义的格式开发，完成后可做到不重启应用增加业务功能。

最后要说的是，如你所见，性能因素是一个网站系统发展的其中一个重要推动力，再细致的思考也难以兼容那么多未知的场景，不妨多在扩展性和兼容性上下下功夫，避免网站冷清痛苦，网站大热更痛苦。

文章未经特殊标明皆为本人原创，未经许可不得用于任何商业用途，转载请保持完整性并注明来源链接 《四火的唠叨》