关于微服务:近期业务大量突增微服务性能优化总结4增加对于同步微服务的-HTTP-请求等待队列的监控

49次阅读

共计 3798 个字符，预计需要花费 10 分钟才能阅读完成。

最近，业务增长的很迅猛，对于咱们后盾这块也是一个不小的挑战，这次遇到的外围业务接口的性能瓶颈，并不是独自的一个问题导致的，而是几个问题揉在一起：咱们解决一个之后，发上线，之后发现还有另一个的性能瓶颈问题。这也是我经验不足，导致没能一下子定位解决；而我又对咱们后盾整个团队有着执著的自尊，不想通过大量程度扩容这种形式挺过压力顶峰，导致线上间断几晚都呈现了不同水平的问题，必定对于咱们的业务增长是有影响的。这也是我不成熟和要反思的中央。这系列文章次要记录下咱们针对这次业务增长，对于咱们后盾微服务零碎做的通用技术优化，针对业务流程和缓存的优化因为只实用于咱们的业务，这里就不再赘述了。本系列会分为如下几篇：

改良客户端负载平衡算法
开发日志输入异样堆栈的过滤插件
针对 x86 云环境改良异步日志期待策略
减少对于同步微服务的 HTTP 申请期待队列的监控以及云上部署，须要小心达到实例网络流量下限导致的申请响应迟缓
针对零碎要害业务减少必要的侵入式监控

绝对于基于 spring-webflux 的异步微服务，基于 spring-webmvc 的同步微服务没有很好的解决客户端有申请超时配置的状况。当客户端申请超时时，客户端会间接返回超时异样，然而调用的服务端工作，在基于 spring-webmvc 的同步微服务并没有被勾销，基于 spring-webflux 的异步微服务是会被勾销的 。 目前，还没有很好的方法在同步环境中能够勾销这些曾经超时的工作。

咱们的基于 spring-webmvc 的同步微服务，HTTP 容器应用的是 Undertow。在 spring-boot 环境下，咱们能够配置解决 HTTP 申请的线程池大小：

server:
  undertow:
    # 以下的配置会影响 buffer, 这些 buffer 会用于服务器连贯的 IO 操作
    # 如果每次须要 ByteBuffer 的时候都去申请，对于堆内存的 ByteBuffer 须要走 JVM 内存调配流程（TLAB -> 堆），对于间接内存则须要走零碎调用，这样效率是很低下的。# 所以，个别都会引入内存池。在这里就是 `BufferPool`。# 目前，UnderTow 中只有一种 `DefaultByteBufferPool`，其余的实现目前没有用。# 这个 DefaultByteBufferPool 绝对于 netty 的 ByteBufArena 来说，非常简单，相似于 JVM TLAB 的机制
    # 对于 bufferSize，最好和你零碎的 TCP Socket Buffer 配置一样
    # `/proc/sys/net/ipv4/tcp_rmem` (对于读取)
    # `/proc/sys/net/ipv4/tcp_wmem` (对于写入)
    # 在内存大于 128 MB 时，bufferSize 为 16 KB 减去 20 字节，这 20 字节用于协定头
    buffer-size: 16364
    # 是否调配的间接内存(NIO 间接调配的堆外内存)，这里开启，所以 java 启动参数须要配置下间接内存大小，缩小不必要的 GC
    # 在内存大于 128 MB 时，默认就是应用间接内存的
    directBuffers: true
    threads:
      # 设置 IO 线程数, 它次要执行非阻塞的工作, 它们会负责多个连贯, 默认设置每个 CPU 外围一个读线程和一个写线程
      io: 4
      # 阻塞工作线程池, 当执行相似 servlet 申请阻塞 IO 操作, undertow 会从这个线程池中获得线程
      # 它的值设置取决于零碎线程执行工作的阻塞系数，默认值是 IO 线程数 *8
      worker: 128

其背地的线程池，是 jboss 的线程池：org.jboss.threads.EnhancedQueueExecutor，spring-boot 目前不能通过配置批改这个线程池的队列大小，默认队列大小是 Integer.MAX

咱们须要监控这个线程池的队列大小，并针对这个指标做一些操作：

当这个工作继续增多的时候，就代表这时候申请解决跟不上申请到来的速率了，须要报警。
当累积到肯定数量时，须要将这个实例临时从注册核心取下，并扩容。
待这个队列生产完之后，从新上线。
当超过肯定工夫还是没有生产完的话，将这个实例重启。

侥幸的是，org.jboss.threads.EnhancedQueueExecutor 自身通过 JMX 裸露了 HTTP servlet 申请的线程池的各项指标：

咱们的我的项目中，应用两种监控：

prometheus + grafana 微服务指标监控，这个次要用于报警以及疾速定位问题本源
JFR 监控，这个次要用于具体定位单实例问题

对于 HTTP 申请期待队列监控，咱们应该通过 prometheus 接口向 grafana 裸露，采集指标并欠缺响应操作。

裸露 prometheus 接口指标的代码是：

@Log4j2
@Configuration(proxyBeanMethods = false)
// 须要在引入了 prometheus 并且 actuator 裸露了 prometheus 端口的状况下才加载
@ConditionalOnEnabledMetricsExport("prometheus")
public class UndertowXNIOConfiguration {
    @Autowired
    private ObjectProvider<PrometheusMeterRegistry> meterRegistry;
    // 只初始化一次
    private volatile boolean isInitialized = false;

    // 须要在 ApplicationContext 刷新之后进行注册
    // 在加载 ApplicationContext 之前，日志配置就曾经初始化好了
    // 然而 prometheus 的相干 Bean 加载比较复杂，并且随着版本更迭改变比拟多，所以就间接偷懒，在整个 ApplicationContext 刷新之后再注册
    // ApplicationContext 可能 refresh 屡次，例如调用 /actuator/refresh，还有就是多 ApplicationContext 的场景
    // 这里为了简略，通过一个简略的 isInitialized 判断是否是第一次初始化，保障只初始化一次
    @EventListener(ContextRefreshedEvent.class)
    public synchronized void init() {if (!isInitialized) {Gauge.builder("http_servlet_queue_size", () ->
            {
                try {return (Integer) ManagementFactory.getPlatformMBeanServer()
                            .getAttribute(new ObjectName("org.xnio:type=Xnio,provider=\"nio\",worker=\"XNIO-2\""),"WorkerQueueSize");
                } catch (Exception e) {log.error("get http_servlet_queue_size error", e);
                }
                return -1;
            }).register(meterRegistry.getIfAvailable());
            isInitialized = true;
        }
    }
}

之后，调用 /actuator/prometheus 咱们就能看到对应的指标：

# HELP http_servlet_queue_size  
# TYPE http_servlet_queue_size gauge
http_servlet_queue_size 0.0

当产生队列沉积时，咱们能疾速的报警，并且直观地从 grafana 监控上发现：

当初的私有云，都会针对物理机资源进行虚拟化，对于网络网卡资源，也是会虚拟化的。以 AWS 为例，其网络资源的虚拟化实现即 ENA（Elastic Network Adapter）。它会对以下几个指标进行监控并限度：

带宽：每个虚拟机实例（AWS 中为每个 EC2 实例），都具备流量出的最大带宽以及流量入的最大带宽。这个统计应用一种网络 I/O 积分机制，依据均匀带宽使用率调配网络带宽，最初的成果是 容许短时间内超过额外带宽，然而不能继续超过。
每秒数据包 (PPS，Packet Per Second) 个数：每个虚拟机实例（AWS 中为每个 EC2 实例）都限度 PPS 大小
连接数：建设连贯的个数是无限的
链接本地服务拜访流量：个别在私有云，每个虚拟机实例（AWS 中为每个 EC2 实例）拜访 DNS，元数据服务器等，都会限度流量

同时，成熟的私有云，这些指标个别都会对用户提供展现剖析界面，例如 AWS 的 CloudWatch 中，就提供了以下几个指标的监控：

在业务流量突增时，咱们通过 JFR 发现拜访 Redis 有性能瓶颈，然而 Redis 自身的监控显示他并没有遇到性能瓶颈。这时候就须要查看是否因为网络流量限度导致其除了问题，在咱们出问题的时间段，咱们发现 NetworkBandwidthOutAllowanceExceeded 事件显著进步了很多：

对于这种问题，就得须要思考 垂直扩容 （晋升实例配置）与 程度扩容 （多实例负载平衡）了，或者缩小 网络流量（减少压缩等）