Spring / Hibernate应用性能调优

对大部分典型的Spring/Hibernate企业应用来说，应用的性能大部分由持久层的性能决定。

这篇文章会重温一下怎么去确认我们的应用是否是”数据库依赖（data-bound）”（ 译者注：即非常依赖数据库，大量时间花在数据库操作上），然后会大概过一下7个常用的提升应用性能的速效方案。

怎么确定应用是否是“数据库依赖”

确认一个应用是是否是数据库依赖，首先通过在一些开发环境中做基本的运行，可以使用 VisualVM来进行监控。VisualVM是一个和JDK一起发布的Java性能调优器，可以通过命令行jvisualvm运行。

执行Visual VM后，尝试下面的步骤：

1. 双击你正在运行的应用
2. 选择抽样器(Sampler)
3. 点击设置复选框
4. 选择只调优包，并且限定如下的包类型：
   • 你的应用程序包
   • org.hibernate.*
   • org.springframework.*
   • 你的数据库jar包名，如oracle.*
   • 点击抽样(Sample) CPU

CPU抽样一个典型的“数据库依赖”应用将会得到类似下面的结果：

我们可以看到Java客户端进程花费了56%的时间在等待数据库从网络中返回结果。

这是一个很好的标志，表示正是数据库查询造成了应用的缓慢。Hibernate反射调用占了32.7%是正常，而且我们对此也无能为力。

性能调优第一步 —— 得到基准运行值（baseline run）

性能调优的第一步是为程序定义一个基准运行值。我们需要一系列可以使程序运行的有效输入数据，它必须跟在生产环境运行类似。

最主要的区别是基准运行需要在更短的时间内运行完成，比较理想的指导值是执行时间为5-10分钟。

什么是好的基准（baseline）?

一个好的基准需要有下面的特性：

• 保证功能正确
• 输入数据在可变性上和生产环境类似
• 在短时间内可以完成
• 在基准运行中做的优化可以直接影响到完整运行

取一个好的基准可以解决一大半的问题。

什么是不好的基准

例如，在一个批处理运行的执行电话数据记录的电信系统中，取得前10000条记录会是一个 错误的做法。

原因是：前10000条有可能大部分是语音电话，但未知的性能问题却是在处理短信通道（SMS traffic）。在一个大批量执行的过程中获取前面的一些记录不是一个好的基准，有可能会得到错误的结论。

收集SQL日志和查询时间

SQL查询和执行时间可以使用如 log4jdbc来进行收集。可以看这篇博客关于如何使用log4jdbc来收集SQL查询 —— 通过log4jdbc来改进Spring/Hibernate的SQL日志.

查询执行时间是在Java客户端进行计算的，它包含了到数据库的网络往返请求耗时。SQL查询日志看起来就像这样：

    16 avr. 2014 11:13:48 | SQL_QUERY /* insert your.package.YourEntity */ insert into YOUR_TABLE (...) values (...) {executed in 13 msec}

Prepared statements自己也是很好的信息源——它允许识别经常执行的查询类型。根据这篇博客，可以很简单地记录—— Hibernate在哪里，为什么做这个SQL查询。

SQL日志可以得到什么数据

SQL日志可以回答这些问题：

• 最慢的查询是什么？
• 最频繁的查询是什么？
• 生成主键花了多少时间？
• 是否有数据可以通过缓存受益？

怎么转换SQL日志

也许对于大日志文件最可行的方案就是使用命令行工具。这个方法的优点是比较灵活。

只需要耗费点时间写一小段脚本或命令，我们可以抽取大部分任何需要的数据。任何命令行都可以按你喜欢的方式去使用。

如果你使用Unix命令行，bash会是一个很好的选择。Bash也可以在Windows工作站中使用，使用例如 Cygwin或 Git这些包含bash命令行的工具。

常用的速效方案

下面的速效方案可以识别Spring/Hibnerate应用中的常见性能问题和对应的解决方案。

速效方案1 —— 减少主键提前生成

在一些插入密集（intert-intensive）的处理中，主键生成策略的选择有很大的影响。一个常见的生成ID的方法是使用数据库的序列（sequences），通常每个表一个，以避免插入不同表时的冲突。

问题在于，如果插入50条记录，我们希望可以避免50次通过数据库获取50个ID的网络往返，而不使Java进程在大部分时间内等待。

Hibernate通常是怎么处理这个的？

Hibernate提供了新优化的ID生成器可以避免这个问题。对于sequences，会默认使用一个HiLo id生成器。HiLo序列生成器的工作过程如下：

• 调用一次sequence返回1000(最大值)
• 如下计算50个ID：
  • 1000 * 50 + 0 = 50000
  • 1000 * 50 + 1 = 50001
  • …
  • 1000 * 50 + 49 = 50049, 达到小值 (50)
  • 调用sequence获取更大的值1001 …依此类推…

所以从第一次sequence调用时，就已经生成了50个key了，减少了大量的网络往返耗时。

这些新优化的主键生成器在Hibernate4中是默认开启的，在需要时，可以通过设置hibernate.id.new_generator_mappings为false进行关闭。

为什么主键生成仍然是个问题？

问题在于，如果你定义主键生成策略为AUTO，优化生成器仍然是关闭的，你的应用仍然还是会进行很大数量的sequence调用。

为了保证新的优化生成器被启用，确保使用SEQUENCE策略而不是AUTO：

    @Id
    @GeneratedValue(strategy = GenerationType.SEQUENCE, generator = "your_key_generator")
    private Long id;

有了这个小改变，’插入密集’的应用会有10%-20%的提升，而并不需要做其他的代码修改。

速效方案2 —— 使用JDBC批量插入/修改

对于批量的程序，JDBC驱动通常会提供称之为’JDBC批量插入/修改’的优化方案用于减少网络往返消耗。在使用它们时，插入/修改在发送到数据库前会在驱动层排队（译者注：达到一定的数量后会一次性发送多条SQL进行执行）。

当指定的阀值达到后，队列中的批量语句将会被一次性发送到数据库。这防止了驱动一个接一个的发送请求，浪费多个网络请求。

下面是用于启用批量插入/更新的entity manager factory的配置：

    <prop key="hibernate.jdbc.batch_size">100</prop>
    <prop key="hibernate.order_inserts">true</prop>
    <prop key="hibernate.order_updates">true</prop>

只是设置JDBC batch size 不会生效。这是因为JDBC驱动只有在具体某个相同的表接收到插入/更新时才会把插入当成批量处理。

如果接收到对一个新表的插入命令，JDBC驱动会在执行新表的批量语句前先送出上一个表的批量的语句。

使用Spring Batch时也有隐晦地使用到一个类似的功能。这个优化可以很简单地为你的“插入密集”应用节省30%到40%的时间，而不需要修改一行代码。

速效方案3 —— 定期刷新和清空Hibernate session

当添加/修改数据库数据时，为了防止它们在session关闭后被重新修改，Hibnerate会在session中保持已经持久化的实体的版本。

但很多时候，在插入数据库完成后，我们可以安全地丢弃实体。这可以在Java客户端释放内存，防止由于长时间运行Hibernate session造成的性能问题。

这种长时间运行的session 应该被尽量避免，但如果由于某些原因确实需要使用，下面的代码展示了怎么继续保存内存引用：

    entityManager.flush();
    entityManager.clear();

这个flush会触发发送操作，新实体的插入操作会被立刻发送到数据库。clear会从session中释放新实体。

速效方案4 —— 减少Hibernate提前的dirty-check

Hibernate使用称之为dirty-checking的内部的机制来跟踪修改的实体。这个机制并不基于实体的equals和hashcode方法。

Hibnerate竭尽所能使dirty-checking的性能损耗降到最小，只有在需要的时候才进行dirty-check，但这个机制依然是会有损耗的。在有大量字段的表时尤其需要注意。

在执行任何优化前，最重要的就是使用VisualVM计算一下dirty-check的损耗。

怎么避免dirty-check

在Spring中，我们所知的业务方法是只读的，dirty-check可以通过下面的方法进行关闭：

    @Transactional(readOnly=true)
    public void someBusinessMethod() {
    ....
    }

另外一个可选的避免dirty-check的方法就是使用Hibnerate无状态Session(Stateless Session)，在 文档中有详细描述。

速效方案5 —— 查找“坏”查询方案

检查一下在最慢查询列表中的查询，看看它们是否有好的查询方案。最常见的“坏”查询方案是：

• 全表查询(Full table scans)：它发生在当表由于缺失索引或过期的表数据而被全量扫描。
• 完全笛卡尔连接(Full cartesian joins)：这意味着多个表计算完全笛卡尔积。检查一下是否缺少连接条件，或是否可以通过分割语句来避免。

速效方案6 —— 检查错误的提交间隔

如果你正在做批量处理，提交的间隔在性能结果中可以造成巨大的差别，可以达到10-100倍。

确认一个提交的间隔是所期望的(Spring Batch一般是100-1000)。它通常是因为这个参数没有正确配置。

速效方案7 —— 使用二级和查询缓存

如果发现某些数据很适合缓存，那么看一下这篇文章怎么去配置Hibernate缓存： Hibernate二级/查询缓存的陷阱。

结论

要解决应用的性能问题，要做的最重要的就是收集一些可以找到当前瓶颈所在的数据。没有一些数据，基本上不可能在有效的时间内猜到问题在哪里。并且，虽然不是所有，但很多的典型的“数据库依赖”的应用性能陷阱都可以通过使用Spring Batch框架在第一时间避免。

相关文章

• Spring/Hibernate应用性能调优
• 跟我一起学Spring 3（1）
• Hibernate和UUID标示符
• 九大工具助你玩转Java性能优化
• Hibernate调试——定位查询源头
• Spring @Transactional工作原理
• 使用Spring跟踪应用异常（6）—构建一个可运行JAR包
• 使用Spring跟踪应用异常（5）—用Spring进行调度
• 使用Spring跟踪应用异常（4）— 用Spring发送邮件
• 使用Spring跟踪应用异常（3）—策略模式与包级私有