不改一行代碼定位線上性能問題

背景
最近時運不佳，幾乎天天被線上問題騷擾。前幾天剛解決了一個 HashSet 的并發(fā)問題，周一又來了一個性能問題。

大致的現(xiàn)象是：
我們提供出去的一個 OpenAPI 反應(yīng)時快時慢，快的時候幾十毫秒，慢的時候幾秒鐘才響應(yīng)。

嘗試解決
由于這種也不是業(yè)務(wù)問題，不能直接定位。所以嘗試在測試環(huán)境復(fù)現(xiàn)，但遺憾的測試環(huán)境賊快。

沒辦法只能硬著頭皮上了。

中途有抱著僥幸心里讓運維查看了 Nginx 里 OpenAPI 的響應(yīng)時間，想把鍋扔給網(wǎng)絡(luò)。結(jié)果果然打臉了；Nginx 里的日志也表明確實響應(yīng)時間確實有問題。

為了清晰的了解這個問題，我簡單梳理了這個調(diào)用過程。

整個的流程算是比較常見的分層架構(gòu)：

客戶端請求到 Nginx。
Nginx 負(fù)載了后端的 web 服務(wù)。
web 服務(wù)通過 RPC 調(diào)用后端的 Service 服務(wù)。
日志大法

我們首先想到的是打日志，在可能會慢的方法或接口處記錄處理時間來判斷哪里有問題。

但通過剛才的調(diào)用鏈來說，這個請求流程不短。加日志涉及的改動較多而且萬一加漏了還有可能定位不到問題。

再一個是改動代碼之后還會涉及到發(fā)版上線。

工具分析

所以最好的方式就是不改動一行代碼把這個問題分析出來。

這時就需要一個 agent 工具了。我們選用了阿里以前開源的 Tprofile 來使用。

只需要在啟動參數(shù)中加入 -javaagent:/xx/tprofiler.jar 即可監(jiān)控你想要監(jiān)控的方法耗時，并且可以給你輸出報告，非常方便。對代碼沒有任何侵入性同時性能影響也較小。

工具使用
下面來簡單展示下如何使用這個工具。

首先第一步自然是 clone 源碼然后打包，可以克隆我修改過的源碼。

因為這個項目阿里多年沒有維護(hù)了，還殘留一些 bug,我在它原有的基礎(chǔ)上修復(fù)了個影響使用的 bug，同時做了一些優(yōu)化。

執(zhí)行以下腳本即可。

git clone https://github.com/crossoverJie/TProfiler
mvn assembly:assembly
到這里之后會在項目的 TProfiler/pkg/TProfiler/lib/tprofiler-1.0.1.jar 中生成好我們要使用的 jar 包。

接下來只需要將這個 jar 包配置到啟動參數(shù)中，同時再配置一個配置文件路徑即可。

這個配置文件我 copy 官方的解釋。

#log file name
logFileName = tprofiler.log
methodFileName = tmethod.log
samplerFileName = tsampler.log
#basic configuration items

開始取樣時間

startProfTime = 1:00:00

結(jié)束取樣時間

endProfTime = 23:00:00

取樣的時間長度

eachProfUseTime = 10

每次取樣的時間間隔

eachProfIntervalTime = 1
samplerIntervalTime = 20

端口，主要不要沖突了

port = 50000
debugMode = false
needNanoTime = false

是否忽略 get set 方法

ignoreGetSetMethod = true
#file paths 日志路徑
logFilePath = /data/work/logs/tprofile/${logFileName}
methodFilePath =/data/work/logs/tprofile/${methodFileName}
samplerFilePath =/data/work/logs/tprofile/${samplerFileName}
#include & excludes items
excludeClassLoader = org.eclipse.osgi.internal.baseadaptor.DefaultClassLoader

需要監(jiān)控的包

includePackageStartsWith = top.crossoverjie.cicada.example.action

不需要監(jiān)控的包

excludePackageStartsWith = com.taobao.sketch;org.apache.velocity;com.alibaba;com.taobao.forest.domain.dataobject
最終的啟動參數(shù)如下：
-javaagent:/TProfiler/lib/tprofiler-1.0.1.jar
-Dprofile.properties=/TProfiler/profile.properties
為了模擬排查接口響應(yīng)慢的問題，我用 cicada 實現(xiàn)了一個 HTTP 接口。其中調(diào)用了兩個耗時方法：

這樣當(dāng)我啟動應(yīng)用時，Tprofile 就會在我配置的目錄記錄它所收集的方法信息。

我訪問接口 http://127.0.0.1:5688/cicada-example/demoAction?name=test&id=10 幾次后它就會把每個方法的明細(xì)響應(yīng)寫入 tprofile.log。
由左到右每列分別代表為：

線程ID、方法棧深度、方法編號、耗時（毫秒）。

但 tmethod.log 還是空的；

這時我們只需要執(zhí)行這個命令即可把最新的方法采樣信息刷到 tmethod.log 文件中。
java -cp /TProfiler/tprofiler.jar com.taobao.profile.client.TProfilerClient 127.0.0.1 50000 flushmethod
flushmethod success
其中的端口就是配置文件中的 port。
再打開 tmethod.log ：

不改一行代碼定位線上性能問題
其中會記錄方法的信息。

第一行數(shù)字為方法的編號?？梢酝ㄟ^這個編號去 tprofile.log(明細(xì))中查詢每次的耗時情況。
行末的數(shù)字則是這個方法在源碼中最后一行的行號。
其實大部分的性能分析都是統(tǒng)計某個方法的平均耗時。

所以還需要執(zhí)行下面的命令，通過 tmethod.log tprofile.log來生成每個方法的平均耗時。

java -cp /TProfiler/tprofiler.jar com.taobao.profile.analysis.ProfilerLogAnalysis tprofiler.log tmethod.log topmethod.log topobject.log
print result success
打開 topmethod.log 就是所有方法的平均耗時。

4 為請求次數(shù)。
205 為平均耗時。
818 則為總耗時。
和實際情況是相符的。

方法的明細(xì)耗時

這是可能還會有其他需求；比如說我想查詢某個方法所有的明細(xì)耗時怎么辦呢？

官方?jīng)]有提供，但也是可以的，只是要麻煩一點。

比如我想查看 selectDB() 的耗時明細(xì)：

首先得知道這個方法的編號，在 tmethod.log 中可以看查到。

2 top/crossoverjie/cicada/example/action/DemoAction:selectDB:84

編號為 2.

之前我們就知道 tprofile.log 記錄的是明細(xì)，所以通過下面的命令即可查看。

grep 2 tprofiler.log

通過第三列方法編號為 2 的來查看每次執(zhí)行的明細(xì)。

但這樣的方式顯然不夠友好，需要人為來過濾干擾，步驟也多；所以我也準(zhǔn)備加上這樣一個功能。

只需要傳入一個方法名稱即可查詢采集到的所有方法耗時明細(xì)。

總結(jié)
回到之前的問題；線上通過這個工具分析我們得到了如下結(jié)果。

有些方法確實執(zhí)行時快時慢，但都是和數(shù)據(jù)庫相關(guān)的。由于目前數(shù)據(jù)庫壓力較大，準(zhǔn)備在接下來進(jìn)行冷熱數(shù)據(jù)分離，以及分庫分表。
在第一步操作還沒實施之前將部分寫數(shù)據(jù)庫的操作改為異步，減小響應(yīng)時間。
考慮接入 pinpoint 這樣的 APM工具。
類似于 Tprofile 的工具確實挺多的，找到適合自己的就好。

在還沒有使用類似于 pinpoint 這樣的分布式跟蹤工具之前應(yīng)該會大量依賴于這個工具，所以后續(xù)說不定也會做一些定制，比如增加一些可視化界面等，可以提高排查效率。

你的點贊與分享是對我最大的支持