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 的并發問題，周一又來了一個性能問題。

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

嘗試解決
由于這種也不是業務問題，不能直接定位。所以嘗試在測試環境復現，但遺憾的測試環境賊快。

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 的響應時間，想把鍋扔給網絡。結果果然打臉了；Nginx 里的日志也表明確實響應時間確實有問題。

為了清晰的了解這個問題，我簡單梳理了這個調用過程。

整個的流程算是比較常見的分層架構：

客戶端請求到 Nginx。
Nginx 負載了后端的 web 服務。
web 服務通過 RPC 調用后端的 Service 服務。
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。

只需要在啟動參數中加入 -javaagent:/xx/tprofiler.jar 即可監控你想要監控的方法耗時，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了，還殘留一些 bug,我在它原有的基礎上修復了個影響使用的 bug，同時做了一些優化。

執行以下腳本即可。

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

需要監控的包

includePackageStartsWith = top.crossoverjie.cicada.example.action

不需要監控的包

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

這樣當我啟動應用時，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響應寫入 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。

第一行數字為方法的編號。可以通過這個編號去 tprofile.log(明細)中查詢每次的耗時情況。
行末的數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計某個方法的平均耗時。

所以還需要執行下面的命令，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。
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耗時怎么辦呢？

官方沒有提供，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：

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，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 的來查看每次執行的明細。

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。

總結
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果。

有些方法確實執行時快時慢，但都是和數據庫相關的。由于目前數據庫壓力較大，準備在接下來進行冷熱數據分離，以及分庫分表。
在第一步操作還沒實施之前將部分寫數據庫的操作改為異步，減小響應時間。
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該會大量依賴于這個工具，所以后續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