项目上线一年，整理了一份SpringBoot性能优化方案！

标签： dev | 发表时间：2022-09-23 00:00 | 作者：
出处：https://itindex.net/relian

文章来源：https://juejin.cn/post/7062548565800779789



前言

SpringBoot已经成为Java届的No.1框架，每天都在蹂躏着数百万的程序员们。当服务的压力上升，对SpringBoot服务的优化就会被提上议程。


本文将详细讲解SpringBoot服务优化的一般思路，并附上若干篇辅助文章作为开胃菜。




1.有监控才有方向


在开始对SpringBoot服务进行性能优化之前，我们需要做一些准备，把SpringBoot服务的一些数据暴露出来。

比如，你的服务用到了缓存，就需要把缓存命中率这些数据进行收集；用到了数据库连接池，就需要把连接池的参数给暴露出来。我们这里采用的监控工具是Prometheus，它是一个是时序数据库，能够存储我们的指标。SpringBoot可以非常方便的接入到Prometheus中。创建一个SpringBoot项目后，首先，加入maven依赖。 
   
    <dependency>     
     <groupId>org.springframework.boot</groupId>     
     <artifactId>spring-boot-starter-actuator</artifactId>     
 </dependency>     
 <dependency>     
     <groupId>io.micrometer</groupId>     
     <artifactId>micrometer-registry-prometheus</artifactId>     
 </dependency>     
 <dependency>     
     <groupId>io.micrometer</groupId>     
     <artifactId>micrometer-core</artifactId>     
 </dependency>
然后，我们需要在 application.properties 配置文件中，开放相关的监控接口。 
   
    management.endpoint.metrics.enabled=true     
management.endpoints.web.exposure.include=*     
management.endpoint.prometheus.enabled=true     
management.metrics.export.prometheus.enabled=true
启动之后，我们就可以通过访问 http://localhost:8080/actuator/prometheus来获取监控数据。 想要监控业务数据也是比较简单的。你只需要注入一个MeterRegistry实例即可。下面是一段示例代码： 
   
    @Autowired     
MeterRegistry registry;     
     
@GetMapping("/test")     
@ResponseBody     
public String test() {     
    registry.counter("test",     
            "from", "127.0.0.1",     
            "method", "test"     
    ).increment();     
     
    return "ok";     
}
从监控连接中，我们可以找到刚刚添加的监控信息。 
   
    test_total{from="127.0.0.1",method="test",} 5.0
这里简单介绍一下流行的Prometheus监控体系，Prometheus使用拉的方式获取监控数据，这个暴露数据的过程可以交给功能更加齐全的telegraf组件。 如图，我们通常使用Grafana进行监控数据的展示，使用AlertManager组件进行提前预警。这一部分的搭建工作不是我们的重点，感兴趣的同学可自行研究。下图便是一张典型的监控图，可以看到Redis的缓存命中率等情况。


2.Java生成火焰图


火焰图是用来分析程序运行瓶颈的工具。在纵向，表示的是调用栈的深度；横向表明的是消耗的时间。所以格子的宽度越大，越说明它可能是一个瓶颈。

火焰图也可以用来分析Java应用。可以从github上下载 async-profiler 的压缩包 进行相关操作。比如，我们把它解压到/root/目录。然后以javaagent的方式来启动Java应用。命令行如下： 
   
    java -agentpath:/root/build/libasyncProfiler.so=start,svg,file=profile.svg -jar spring-petclinic-2.3.1.BUILD-SNAPSHOT.jar
运行一段时间后，停止进程，可以看到在当前目录下，生成了 profile.svg文件，这个文件是可以用浏览器打开的，一层层向下浏览，即可找到需要优化的目标。

3.Skywalking


对于一个web服务来说，最缓慢的地方就在于数据库操作。所以，使用本地缓存和分布式缓存优化，能够获得最大的性能提升。

对于如何定位到复杂分布式环境中的问题，我这里想要分享另外一个工具：Skywalking。Skywalking是使用探针技术（JavaAgent）来实现的。通过在Java的启动参数中，加入javaagent的Jar包，即可将性能数据和调用链数据封装、发送到Skywalking的服务器。下载相应的安装包（如果使用ES存储，需要下载专用的安装包），配置好存储之后，即可一键启动。将agent的压缩包，解压到相应的目录。 
   tar xvf skywalking-agent.tar.gz  -C /opt/
在业务启动参数中加入agent的包。比如，原来的启动命令是： 
   
    java  -jar /opt/test-service/spring-boot-demo.jar  --spring.profiles.active=dev
改造后的启动命令是： 
   
    java -javaagent:/opt/skywalking-agent/skywalking-agent.jar -Dskywalking.agent.service_name=the-demo-name  -jar /opt/test-service/spring-boot-demo.ja  --spring.profiles.active=dev
访问一些服务的链接，打开Skywalking的UI，即可看到下图的界面。我们可以从图中找到响应比较慢QPS又比较高的的接口，进行专项优化。


4.优化思路


对一个普通的Web服务来说，我们来看一下，要访问到具体的数据，都要经历哪些主要的环节。

如下图，在浏览器中输入相应的域名，需要通过DNS解析到具体的IP地址上。为了保证高可用，我们的服务一般都会部署多份，然后使用Nginx做反向代理和负载均衡。Nginx根据资源的特性，会承担一部分动静分离的功能。其中，动态功能部分，会进入我们的SpringBoot服务。 SpringBoot默认使用内嵌的tomcat作为Web容器，使用典型的MVC模式，最终访问到我们的数据。


5.HTTP优化


下面我们举例来看一下，哪些动作能够加快网页的获取。为了描述方便，我们仅讨论HTTP1.1协议的。


1.使用CDN加速文件获取比较大的文件，尽量使用CDN（Content Delivery Network）分发。甚至是一些常用的前端脚本、样式、图片等，都可以放到CDN上。CDN通常能够加快这些文件的获取，网页加载也更加迅速。 2.合理设置Cache-Control值浏览器会判断HTTP头Cache-Control的内容，用来决定是否使用浏览器缓存，这在管理一些静态文件的时候，非常有用。相同作用的头信息还有Expires。Cache-Control表示多久之后过期，Expires则表示什么时候过期。这个参数可以在Nginx的配置文件中进行设置。 
   
    location ~* ^.+\.(ico|gif|jpg|jpeg|png)$ {     
            # 缓存1年     
            add_header Cache-Control:no-cache, max-age=31536000;     
}
3.减少单页面请求域名的数量减少每个页面请求的域名数量，尽量保证在4个之内。这是因为，浏览器每次访问后端的资源，都需要先查询一次DNS，然后找到DNS对应的IP地址，再进行真正的调用。DNS有多层缓存，比如浏览器会缓存一份、本地主机会缓存、ISP服务商缓存等。从DNS到IP地址的转变，通常会花费 20-120ms的时间。减少域名的数量，可加快资源的获取。 4.开启gzip开启gzip，可以先把内容压缩后，浏览器再进行解压。由于减少了传输的大小，会减少带宽的使用，提高传输效率。在nginx中可以很容易的开启。配置如下： 
   
    gzip on;     
gzip_min_length 1k;     
gzip_buffers 4 16k;     
gzip_comp_level 6;     
gzip_http_version 1.1;     
gzip_types text/plain application/javascript text/css;
5.对资源进行压缩对JavaScript和CSS，甚至是HTML进行压缩。道理类似，现在流行的前后端分离模式，一般都是对这些资源进行压缩的。 6.使用keepalive由于连接的创建和关闭，都需要耗费资源。用户访问我们的服务后，后续也会有更多的互动，所以保持长连接可以显著减少网络交互，提高性能。nginx默认开启了对客户端的keep avlide支持。你可以通过下面两个参数来调整它的行为。 
   
    http {     
    keepalive_timeout  120s 120s;     
    keepalive_requests 10000;     
}
nginx与后端upstream的长连接，需要手工开启，参考配置如下： 
   
    location ~ /{     
       proxy_pass http://backend;     
       proxy_http_version 1.1;     
       proxy_set_header Connection"";     
}


6.Tomcat优化


Tomcat本身的优化，也是非常重要的一环。可以直接参考下面的文章。

搞定tomcat重要参数调优！


7.自定义Web容器


如果你的项目并发量比较高，想要修改最大线程数、最大连接数等配置信息，可以通过自定义Web容器的方式，代码如下所示。

   
    @SpringBootApplication(proxyBeanMethods = false)     
public class App implements WebServerFactoryCustomizer<ConfigurableServletWebServerFactory> {     
 public static void main(String[] args) {     
  SpringApplication.run(PetClinicApplication.class, args);     
 }     
 @Override     
 public void customize(ConfigurableServletWebServerFactory factory) {     
  TomcatServletWebServerFactory f = (TomcatServletWebServerFactory) factory;     
        f.setProtocol("org.apache.coyote.http11.Http11Nio2Protocol");     
     
  f.addConnectorCustomizers(c -> {     
   Http11NioProtocol protocol = (Http11NioProtocol) c.getProtocolHandler();     
   protocol.setMaxConnections(200);     
   protocol.setMaxThreads(200);     
   protocol.setSelectorTimeout(3000);     
   protocol.setSessionTimeout(3000);     
   protocol.setConnectionTimeout(3000);     
  });     
 }     
}
注意上面的代码，我们设置了它的协议为org.apache.coyote.http11.Http11Nio2Protocol，意思就是开启了Nio2。这个参数在Tomcat8.0之后才有，开启之后会增加一部分性能。对比如下： 默认。 
   
    [root@localhost wrk2-master]# ./wrk -t2 -c100 -d30s -R2000 http://172.16.1.57:8080/owners?lastName=     
Running 30s test @ http://172.16.1.57:8080/owners?lastName=     
  2 threads and 100 connections     
  Thread calibration: mean lat.: 4588.131ms, rate sampling interval: 16277ms     
  Thread calibration: mean lat.: 4647.927ms, rate sampling interval: 16285ms     
  Thread Stats   Avg      Stdev     Max   +/- Stdev     
    Latency    16.49s     4.98s   27.34s    63.90%     
    Req/Sec   106.50      1.50   108.00    100.00%     
  6471 requests in 30.03s, 39.31MB read     
  Socket errors: connect 0, read 0, write 0, timeout 60     
Requests/sec:    215.51     
Transfer/sec:      1.31MB
Nio2。 
   
    [root@localhost wrk2-master]# ./wrk -t2 -c100 -d30s -R2000 http://172.16.1.57:8080/owners?lastName=     
Running 30s test @ http://172.16.1.57:8080/owners?lastName=     
  2 threads and 100 connections     
  Thread calibration: mean lat.: 4358.805ms, rate sampling interval: 15835ms     
  Thread calibration: mean lat.: 4622.087ms, rate sampling interval: 16293ms     
  Thread Stats   Avg      Stdev     Max   +/- Stdev     
    Latency    17.47s     4.98s   26.90s    57.69%     
    Req/Sec   125.50      2.50   128.00    100.00%     
  7469 requests in 30.04s, 45.38MB read     
  Socket errors: connect 0, read 0, write 0, timeout 4     
Requests/sec:    248.64     
Transfer/sec:      1.51MB
你甚至可以将tomcat替换成undertow。undertow也是一个Web容器，更加轻量级一些，占用的内容更少，启动的守护进程也更少，更改方式如下： 
   
    <dependency>     
      <groupId>org.springframework.boot</groupId>     
      <artifactId>spring-boot-starter-web</artifactId>     
      <exclusions>     
        <exclusion>     
          <groupId>org.springframework.boot</groupId>     
          <artifactId>spring-boot-starter-tomcat</artifactId>     
        </exclusion>     
      </exclusions>     
    </dependency>     
    <dependency>     
      <groupId>org.springframework.boot</groupId>     
      <artifactId>spring-boot-starter-undertow</artifactId>     
    </dependency>


8.各个层次的优化方向


Controller层

controller层用于接收前端的查询参数，然后构造查询结果。现在很多项目都采用前后端分离的架构，所以controller层的方法，一般会使用@ResponseBody注解，把查询的结果，解析成JSON数据返回（兼顾效率和可读性）。由于controller只是充当了一个类似功能组合和路由的角色，所以这部分对性能的影响就主要体现在数据集的大小上。如果结果集合非常大，JSON解析组件就要花费较多的时间进行解析。大结果集不仅会影响解析时间，还会造成内存浪费。假如结果集在解析成JSON之前，占用的内存是10MB，那么在解析过程中，有可能会使用20M或者更多的内存去做这个工作。我见过很多案例，由于返回对象的嵌套层次太深、引用了不该引用的对象（比如非常大的byte[]对象），造成了内存使用的飙升。所以，对于一般的服务，保持结果集的精简，是非常有必要的，这也是DTO(data transfer object)存在的必要。如果你的项目，返回的结果结构比较复杂，对结果集进行一次转换是非常有必要的。另外，可以使用异步Servlet对Controller层进行优化。它的原理如下：Servlet 接收到请求之后，将请求转交给一个异步线程来执行业务处理，线程本身返回至容器，异步线程处理完业务以后，可以直接生成响应数据，或者将请求继续转发给其它 Servlet。

Service层

service层用于处理具体的业务，大部分功能需求都是在这里完成的。service层一般是使用单例模式（prototype），很少会保存状态，而且可以被controller复用。

service层的代码组织，对代码的可读性、性能影响都比较大。我们常说的设计模式，大多数都是针对于service层来说的。这里要着重提到的一点，就是分布式事务。 如上图，四个操作分散在三个不同的资源中。要想达到一致性，需要三个不同的资源进行统一协调。它们底层的协议，以及实现方式，都是不一样的。那就无法通过Spring提供的Transaction注解来解决，需要借助外部的组件来完成。很多人都体验过，加入了一些保证一致性的代码，一压测，性能掉的惊掉下巴。分布式事务是性能杀手，因为它要使用额外的步骤去保证一致性，常用的方法有：两阶段提交方案、TCC、本地消息表、MQ事务消息、分布式事务中间件等。 如上图，分布式事务要在改造成本、性能、实效等方面进行综合考虑。有一个介于分布式事务和非事务之间的名词，叫做 柔性事务。柔性事务的理念是将业务逻辑和互斥操作，从资源层上移至业务层面。关于传统事务和柔性事务，我们来简单比较一下。 ACID关系数据库, 最大的特点就是事务处理, 即满足ACID。

  • 原子性（Atomicity）：事务中的操作要么都做，要么都不做。

  • 一致性（Consistency）：系统必须始终处在强一致状态下。

  • 隔离性（Isolation）：一个事务的执行不能被其他事务所干扰。

  • 持续性（Durability）：一个已提交的事务对数据库中数据的改变是永久性的。


BASEBASE方法通过牺牲一致性和孤立性来提高可用性和系统性能。BASE为BasicallyAvailable, Soft-state, Eventually consistent三者的缩写，其中BASE分别代表：

  • 基本可用（Basically Available）：系统能够基本运行、一直提供服务。

  • 软状态（Soft-state）：系统不要求一直保持强一致状态。

  • 最终一致性（Eventual consistency）：系统需要在某一时刻后达到一致性要求。
互联网业务，推荐使用补偿事务，完成最终一致性。比如，通过一系列的定时任务，完成对数据的修复。具体可以参照下面的文章。 常用的 分布式事务 都有哪些？我该用哪个？

Dao层

经过合理的数据缓存，我们都会尽量避免请求穿透到Dao层。除非你对ORM本身提供的缓存特性特别的熟悉，否则，都推荐你使用更加通用的方式去缓存数据。

Dao层，主要在于对ORM框架的使用上。比如，在JPA中，如果加了一对多或者多对多的映射关系，而又没有开启懒加载，级联查询的时候就容易造成深层次的检索，造成了内存开销大、执行缓慢的后果。在一些数据量比较大的业务中，多采用分库分表的方式。在这些分库分表组件中，很多简单的查询语句，都会被重新解析后分散到各个节点进行运算，最后进行结果合并。举个例子，select count(*) from a这句简单的count语句，就可能将请求路由到十几张表中去运算，最后在协调节点进行统计，执行效率是可想而知的。目前，分库分表中间件，比较有代表性的是驱动层的ShardingJdbc和代理层的MyCat，它们都有这样的问题。这些组件提供给使用者的视图是一致的，但我们在编码的时候，一定要注意这些区别。


End


下面我们来总结一下。

我们简单看了一下SpringBoot常见的优化思路。我们介绍了三个新的性能分析工具。一个是监控系统Prometheus，可以看到一些具体的指标大小；一个是火焰图，可以看到具体的代码热点；一个是Skywalking，可以分析分布式环境中的调用链。在对性能有疑惑的时候，我们都会采用类似于 神农氏尝百草的方式，综合各种测评工具的结果进行分析。SpringBoot自身的Web容器是Tomcat，那我们就可以通过对Tomcat的调优来获取性能提升。当然，对于服务上层的负载均衡Nginx，我们也提供了一系列的优化思路。最后，我们看了在经典的MVC架构下，Controller、Service、Dao的一些优化方向，并着重看了Service层的分布式事务问题。这里有一个具体的优化示例。 5秒到1秒，记一次效果“非常”显著的性能优化SpringBoot作为一个广泛应用的服务框架，在性能优化方面已经做了很多工作，选用了很多高速组件。比如，数据库连接池默认使用hikaricp，Redis缓存框架默认使用lettuce，本地缓存提供caffeine等。对于一个普通的于数据库交互的Web服务来说，缓存是最主要的优化手。但细节决定成败，你要是想对系统做极致的优化，还需要参考下面的这篇文章。 卓越性能 の 军火库（非广告）

欢迎扫码加入儒猿技术交流群，每天晚上20:00都有Java面试、Redis、MySQL、RocketMQ、SpringCloudAlibaba、Java架构等技术答疑分享，更能跟小伙伴们一起交流技术

另外推荐儒猿课堂的1元系列课程给您，欢迎加入一起学习~


互联网Java工程师面试突击课 （1元专享）

SpringCloudAlibaba零基础入门到项目实战 （1元专享）

亿级流量下的电商详情页系统实战项目 （1元专享）


Kafka消息中间件内核源码精讲 （1元专享）


12个实战案例带你玩转Java并发编程 （1元专享）

Elasticsearch零基础入门到精通 （1元专享）

基于Java手写分布式中间件系统实战 （1元专享）

基于ShardingSphere的分库分表实战课 （1元专享）

相关 [项目 上线 一年] 推荐：

项目上线一年，整理了一份SpringBoot性能优化方案！

- - IT瘾-dev
文章来源：https://juejin.cn/post/7062548565800779789. SpringBoot已经成为Java届的No.1框架，每天都在蹂躏着数百万的程序员们. 当服务的压力上升，对SpringBoot服务的优化就会被提上议程. 本文将详细讲解SpringBoot服务优化的一般思路，并附上若干篇辅助文章作为开胃菜.

为了满足项目上线日期要求，我该怎么告诉我的团队工作更多时间？

- - 互联网的一些事-关注互联网产品管理，交流产品设计、用户体验心得
　　原文出处： Quora 译文出处： little lin. 　　最近在Quora 上看到了一个有趣的问题，What is the best way to communicate to a software development team that they need to work more hours to meet a launch date.

创意融资平台“点名时间”上线一个月推出8个项目已有4个超出目标完成

- 高春辉 - 36氪
一个月前我们曾报导过国内的第一个类Kickstarter创意项目融资平台——点名时间，现在刚刚过去一个月多一点，该平台上推出的8个项目已有4个成功超额获得目标资金. 而且其中的一个山海经杯垫已经开始实现量产发货，另外一个名叫《女孩真心话》的项目在上线当天就完成了所需的拍摄资金目标. 而现在这两个项目目前距离融资截止时间都还分别有1天和17天.

reCAPTCHA项目

- - 四火的唠叨
文章系本人原创，转载请保持完整性并注明出自 《四火的唠叨》. 要说reCAPTCHA，就要先说一说CAPTCHA，全称是Completely Automated Public Turing test to tell Computers and Humans Apart，即全自动区分计算机和人类的图灵测试，也就是通常说的“验证码”，目的就是要把计算机和人区分开来.

上线一年成为全美50大网站的Pinterest与一堆山寨网站

- - 慕容鱼吐的新闻泡
如果要我挑出今年最热门的网站，我会说非 Pinterest 莫属. 几个数据提供给你参考、感觉一下：. Pinterest 上线约一年多，目前已经募得 3,750 万美金左右的资金. 2010年10月，Pinterest 的不重复访客约每月50,000人，如今是450万人（数据参考：compete.com）.

项目集成项目管理之项目范围管理

- - CSDN博客系统运维推荐文章
7.1项目范围和项目范围管理.    项目范围：为完成具有规定特征和功能的产品、服务或结果，而必须完成的项目工作. 7.1.2项目范围管理的作用.    确定在项目内包括什么工作和不包括什么工作；由此界定的项目范围在项目的全生命周期内可能因某种原因而变化，项目范围管理也对这种变化进行管理. 7.1.3项目范围管理的主要过程.

项目的秘密——Programmers（29）

- allentranks - 西乔的九卦
载于《程序员》杂志2011年第9期. 从这一期起，开始在杂志上登出整P的大幅漫画，需要看大图的同学们，讯猛点击下图. 这个系列的漫画讲述程序员——这种神秘人类的囧事，故事多来源于我身边的程序员朋友,且以互联网开发背景为主. 如果你有什么可乐的关于程序员的故事、对话、代码，愿意通过漫画的形式分享，请给我发邮件.

绝望的项目——Programmers（21）

- leo - 西乔的九卦
载于《程序员》杂志2011年第1期. 这个系列的漫画讲述程序员——这种神秘人类的囧事，故事多来源于我身边的程序员朋友,且以互联网开发背景为主. 如果你有什么可乐的关于程序员的故事、对话、代码，愿意通过漫画的形式分享，请给我发邮件.

5种项目破坏者

- - InfoQ cn
Anders Abel是生活在瑞典斯德哥尔摩的一位软件开发者，他在自己的网站上撰写了一系列文章，箭头直指“项目破坏者”. 该系列的第二篇是《 项目破坏者分类》. Anders观察到的项目破坏者分五种：. 这种悲剧性的人物太没有安全感，一切都对他们充满了威胁. 为了克服他们的不安全感，这种破坏者会做出任何事，使出吃奶的力气，去强调一种特别难得的边界情况，因为他们正好就知道这种情况.

项目经理和Scrum Master

- - InfoQ cn
在博客上，大家对于Scrum Master和项目经理这两个角色依旧争论不休，许多评论员清晰地指出两者的不同，并表示两者不可并存，更不适合合二为一. Steve Hunton在Scrumalliance站点上发布了名为《 Scrum Master并不是项目经理的别名》的博文，他提到：. 与大众的认识相反，Scrum Master和项目经理这两个角色是完全不同的，也不应该混为一谈.