誰是性能殺手？Kafka多Topic下啟用SSL時延增大問題分析

問題背景

項目中將Kafka接口進行RESTful封裝，在使用RESTful接口進行性能測試時，發現Topic數增多后，開啟SSL與非SSL進行測試，發現開啟SSL后性能下降得厲害。例如600個Topic總數每個Topic3分區3副本的場景下，使用1200個線程只發送10個Topic，開啟SSL的TPS只有3100，但是不開啟SSL性能達到11000。

其中測試客戶端會啟動多個線程，每個線程采用同步發送的方式調用RESTful API發送，即每次發送成功一條后才發送下一條。 客戶端會根據發送線程在Topic數之間進行均分，例如1200個線程發送10個Topic，則每個Topic同時有120個線程進行發送。

定位與分析過程

1.SSL性能下降

1.定位分析

開啟SSL是會導致性能下降的， 主要來自于CPU的耗時與JVM的具體實現，參見Kafka官網的解釋：

從我們之前測試的結果來看，高可靠場景SSL性能下降并沒有太厲害（從2.3W TPS下降到2.1W TPS）。應該是觸發了某些其他問題。通過JStack查看啟動SSL下的堆棧，發現存在一些發送線程被Block住：

這個堆棧里面做的事情，是來自于java.security.SecureRandom要產生隨機數，采用”SHA1PRNG”算法。在sun/oracle的jdk里，這個隨機算法的的實現在底層依賴到操作系統提供的隨機數據，默認用的是/dev/random，在讀取時，/dev/random設備會返回小于熵池噪聲總數的隨機字節。/dev/random可生成高隨機性的公鑰或一次性密碼本。若熵池空了，對/dev/random的讀操作將會被阻塞，直到收集到了足夠的環境噪聲為止。這個問題在網上也查到，主要是JDK提供的SecureRandom函數存在1個全局的鎖，在熵源不足且SSL線程多的時候很容易碰到這個問題，具體見：

https://github.com/netty/netty/issues/3639

http://bugs.java.com/view_bug.do?bug_id=6521844

2.解決措施

措施一：更新JDK

目前這個問題是在OpenJDK 1.8中解決了，可以通過升級JDK到使用OpenJDK，但是這個方案不太好替換，并且OpenJDK和原來有什么不兼容還不清楚。

措施二：采用非阻塞的熵源: /dev/urandom

通過設置-Djava.security.egd=file:/dev/./urandom宏，隨機數時選擇/dev/urandom，它會重復地使用熵池中的數據以產生偽隨機數據避免阻塞，不過隨機安全性會降低。

2.Topic多情況下性能下降

1.定位分析

發現在Topic600個情況下，非SSL與SSL的時延其實差距并沒有原先發現的問題那么大，以下是我們用SDK接口測試的時延數據：

600個 Topic總量下，400個線程同時發送10個Topic，非SSL與SSL時延對比：

可以看出時延差距在20%之內，主要的時延增加來自于Topic增多導致的。 

為什么Topic增多會導致時延增多？針對這個問題通過在程序進行打點測試，以下是在不同的Topic數量情況下，針對10個Topic，總發送5000條消息的場景下，非SSL時延對比：

其中總時延 = 消息的待發送隊列等待時延 + 服務端處理平均時延 + 網絡發送與響應時延。

從上面的表格可以看出基本上每個處理環節上都增加了時延4~5倍。為什么會出現這種情況？分析如下可能點：

1、磁盤的寫速度變慢

2、Server由于Topic多需要過濾信息變慢

3、復制處理在多Topic下變慢。即使無數據，多Topic下復制線程也會一直發送空請求

4、Topic多資源占用大

通過逐一分析、排除與測試，主要原因還是在第三點：服務端在復制處理在Topic數量多的情況下變慢導致的。

例如10個Topic的時候，如果用10個復制線程（目前性能測試就是配置10）用于副本復制，則每個復制線程會分配到1個Topic；而當Topic有600個的時候，如果還是10個復制線程用于副本復制，則每個復制線程會分配到60個Topic。 如果此時只發送前10個Topic的時候，很有可能只有1個復制線程在工作，其他的復制線程由于分配到的Topic沒有數據，基本處于空閑狀態。

2.解決措施

既然復制線程變慢，我們可以通過繼續增加復制線程的方式提高性能，在600個Topic場景只發送10個Topic場景下，我們把復制線程提升到60個，這樣10個Topic能盡可能分配到不同的復制線程中，提高了復制的速度。以下是實際測試結果：

可以看到增加到60個fetch線程后，時延變為100ms左右。同時原來的環境下，通過增加復制線程（修改配置num.replica.fetchers=60），在原環境下1200個發送線程即使啟動SSL，性能也能達到11000+。

性能提升措施總結

RESTful API是同步接口，但是內部使用的SDK接口是異步發送。根據高可靠場景下異步發送的能力能達到2W+ TPS來看，主要還是同步接口的并發壓力上不去導致的，可以通過以下措施來改進：

1、增加請求等待時間linger.ms

通過在客戶端增加參數linger.ms，使得每個請求回等待指定的時間后再發送，使得每個請求可以發送更多的數據，即增加合包率。

2、增加同步發送對同1個Topic的并發數量

3、減少Topic的分區數

因為目前RESTful API并沒有用盡服務端的能力（1個分區的能力瓶頸還沒達到），默認的3個分區是浪費資源，并且會導致合包率降低，如果采用1個分區，則同樣的壓力下，合包率能提升3倍，這樣性能也能提升。這個措施還可以支持更多的Topic數。

4、增加復制線程

5、考慮提供異步發送SDK接口