在 Zen And The Art Of Scaling - A Koan And Epigram Approach中, Russell
Sullivan提出了一个非常有趣的总结:软件开发常见的20个传统的系统瓶颈,这听起来像是说有 20个故事情节,并且依赖于你如何策划这些故事,或许都是真的,但唯有实践才知道它们带给我们的酸甜苦辣。
有一天, Aurelien Broszniowski给我发了一份电子邮件,把这些瓶颈用列表的方式展示出来。在接下来的交谈过程中,我又把该列表抄送给了Russell,Russell对此列表进行了整理。
Russell说:“我真希望在年轻时看到这样的一份列表”。伴随着经验的增长、项目的增多、解决各种不同类型的问题和不断总结各种经验教训,你会在这份列表上添加更多的东西。所以,当你在阅读该份列表时就像是在回顾一个个故事片段。
数据库
- 工作任务内存超过可用的RAM内存
- 长/短查询
- 写入冲突
- 大连接(join)占用内存
虚拟化
- 共享一个HDD、磁盘寻死(disk seek death)
- 在云端网络I/O波动
编程
- 线程:死锁、调试、非线性扩展等
- 事件驱动编程:callback()过于复杂、如何在函数调用中存储有状态等
- 缺乏调优、跟踪、日志等
- 单模块不可扩展、单点故障(SPOF:Single Point Of Failure)、非横向扩展等
- 有状态应用程序
- 设计问题:开发的应用程序只在自己的机器行运行正常,或者只是在几个人测试的时候正常(没有经历压力测试)。
- 算法过于复杂
- 相关服务,例如DNS查找以及其他可能屏蔽的服务
- 堆栈空间
磁盘
- 访问本地磁盘
- 随机访问磁盘I/O
- 磁盘碎片
- 当SSD写入的数据大于SSD容量时,性能会下降
OS
- Fsync饱和,Linux缓冲区填塞(Fsync flushing, linux buffer cache filling up)
- TCP缓冲区太小
- 文件描述符限制
- 功率分配(Power budget)
缓存
- 没使用memcached(数据库崩溃)
- HTTP中:headers、etags、没有使用gzip压缩等。
- 没有充分利用浏览器缓存
- 字节码缓存(如PHP)
- L1/L2缓存:这是个令人头疼的大瓶颈。把关键并且经常访问的数据存储在L1/L2中。这涉及到很多:snappy网络I/O,列数据库直接在压缩数据上运行算法等。利用一些技术不销毁你的TLB。最重要的思想是紧紧的抓住计算机的体系结构,涉及多核CPU,L1/L2,共享的L3,NUMA RAM,从DRAM到芯片数据传输带宽/延迟,DRAM缓存的DiskPages,DirtyPages,流经CPU<->DRAM<->NIC的TCP包。
CPU
- CPU过载
- 内容切换—>单核上开启的线程过多、Linux调度器、系统调用太多等
- IO等待—>所有的CPU在同速等待
- CPU缓存:缓存数据是一个细粒度进程,为了在多个实例与不同的值数据之间找到正确的平衡,来保持缓存数据的一致性和繁重同步。
- 底板吞吐量(Backplane throughput)
网络
- NIC刷爆、IRQ饱和、软中断占用掉了100%CPU
- DNS查询
- 数据包丢失
- 网络中存在预期外的路由
- 访问网络磁盘
- 共享SAN
- 服务器故障—>无法从服务处得到响应
进程
内存
- 内存不足—>杀死进程,切换到swap,挂起
- 内存不足导致磁盘交换(与swap相关)
- 记忆库开销过大(Memory library overhead)
- 内存分片(在Java中需要会因为内存回收而停顿;在C中,malloc总是开始分配内存)
作者:fwj380891124 发表于2012-11-8 10:19:08
原文链接