摘要：前言這篇文章的主題是記錄一次程序的性能優(yōu)化，在優(yōu)化的過程中遇到的問題，以及如何去解決的。因?yàn)槲覀兊倪B接數(shù)只有，一旦請(qǐng)求過多，勢(shì)必會(huì)導(dǎo)致數(shù)據(jù)庫(kù)瓶頸。我們?cè)俅螇簻y(cè)，結(jié)果顯示萬(wàn)，服務(wù)器數(shù)據(jù)庫(kù)連接正常，連接正常，響應(yīng)時(shí)間平均為，錯(cuò)誤率為。

這篇文章的主題是記錄一次Python程序的性能優(yōu)化，在優(yōu)化的過程中遇到的問題，以及如何去解決的。為大家提供一個(gè)優(yōu)化的思路，首先要聲明的一點(diǎn)是，我的方式不是唯一的，大家在性能優(yōu)化之路上遇到的問題都絕對(duì)不止一個(gè)解決方案。

首先大家要明確的一點(diǎn)是，脫離需求談優(yōu)化都是耍流氓，所以有誰(shuí)跟你說在xx機(jī)器上實(shí)現(xiàn)了百萬(wàn)并發(fā)，基本上可以認(rèn)為是不懂裝懂了，單純的并發(fā)數(shù)完全是無意義的。其次，我們優(yōu)化之前必須要有一個(gè)目標(biāo)，需要優(yōu)化到什么程度，沒有明確目標(biāo)的優(yōu)化是不可控的。再然后，我們必須明確的找出性能瓶頸在哪里，而不能漫無目的的一通亂搞。

這個(gè)項(xiàng)目是我在上家公司負(fù)責(zé)一個(gè)多帶帶的模塊，本來是集成在主站代碼中的，后來因?yàn)椴l(fā)太大，為了防止出現(xiàn)問題后拖累主站服務(wù)，所有由我一個(gè)人負(fù)責(zé)拆分出來。對(duì)這個(gè)模塊的拆分要求是，壓力測(cè)試QPS不能低于3萬(wàn)，數(shù)據(jù)庫(kù)負(fù)責(zé)不能超過50%，服務(wù)器負(fù)載不能超過70%, 單次請(qǐng)求時(shí)長(zhǎng)不能超過70ms，錯(cuò)誤率不能超過5%。

環(huán)境的配置如下:
服務(wù)器：4核8G內(nèi)存，centos7系統(tǒng)，ssd硬盤
數(shù)據(jù)庫(kù)：Mysql5.7，最大連接數(shù)800
緩存: redis, 1G容量。
以上環(huán)境都是購(gòu)買自騰訊云的服務(wù)。
壓測(cè)工具：locust，使用騰訊的彈性伸縮實(shí)現(xiàn)分布式的壓測(cè)。

需求描述如下：
用戶進(jìn)入首頁(yè)，從數(shù)據(jù)庫(kù)中查詢是否有合適的彈窗配置，如果沒有，則繼續(xù)等待下一次請(qǐng)求、如果有合適的配置，則返回給前端。這里開始則有多個(gè)條件分支，如果用戶點(diǎn)擊了彈窗，則記錄用戶點(diǎn)擊，并且在配置的時(shí)間內(nèi)不再返回配置，如果用戶未點(diǎn)擊，則24小時(shí)后繼續(xù)返回本次配置，如果用戶點(diǎn)擊了，但是后續(xù)沒有配置了，則接著等待下一次。

根據(jù)需求，我們知道了有幾個(gè)重要的點(diǎn)，1、需要找出合適用戶的彈窗配置，2、需要記錄用戶下一次返回配置的時(shí)間并記錄到數(shù)據(jù)庫(kù)中，3、需要記錄用戶對(duì)返回的配置執(zhí)行了什么操作并記錄到數(shù)據(jù)庫(kù)中。

我們可以看到，上述三個(gè)重點(diǎn)都存在數(shù)據(jù)庫(kù)的操作，不只有讀庫(kù)，還有寫庫(kù)操作。從這里我們可以看到如果不加緩存的話，所有的請(qǐng)求都?jí)旱綌?shù)據(jù)庫(kù)，勢(shì)必會(huì)占滿全部連接數(shù)，出現(xiàn)拒絕訪問的錯(cuò)誤，同時(shí)因?yàn)閟ql執(zhí)行過慢，導(dǎo)致請(qǐng)求無法及時(shí)返回。所以，我們首先要做的就是講寫庫(kù)操作剝離開來，提升每一次請(qǐng)求響應(yīng)速度，優(yōu)化數(shù)據(jù)庫(kù)連接。整個(gè)系統(tǒng)的架構(gòu)圖如下：

將寫庫(kù)操作放到一個(gè)先進(jìn)先出的消息隊(duì)列中來做，為了減少?gòu)?fù)雜度，使用了redis的list來做這個(gè)消息隊(duì)列。

然后進(jìn)行壓測(cè)，結(jié)果如下：

QPS在6000左右502錯(cuò)誤大幅上升至30%，服務(wù)器cpu在60%-70%之間來回跳動(dòng)，數(shù)據(jù)庫(kù)連接數(shù)被占滿tcp連接數(shù)為6000左右，很明顯，問題還是出在數(shù)據(jù)庫(kù)，經(jīng)過排查sql語(yǔ)句，查詢到原因就是找出合適用戶的配置操作時(shí)每次請(qǐng)求都要讀取數(shù)據(jù)庫(kù)所導(dǎo)致的連接數(shù)被用完。因?yàn)槲覀兊倪B接數(shù)只有800，一旦請(qǐng)求過多，勢(shì)必會(huì)導(dǎo)致數(shù)據(jù)庫(kù)瓶頸。好了，問題找到了，我們繼續(xù)優(yōu)化，更新的架構(gòu)如下

我們將全部的配置都加載到緩存中，只有在緩存中沒有配置的時(shí)候才會(huì)去讀取數(shù)據(jù)庫(kù)。

接下來我們?cè)俅螇簻y(cè)，結(jié)果如下：
QPS壓到2萬(wàn)左右的時(shí)候就上不去了，服務(wù)器cpu在60%-80%之間跳動(dòng)，數(shù)據(jù)庫(kù)連接數(shù)為300個(gè)左右，每秒tpc連接數(shù)為1.5萬(wàn)左右。

這個(gè)問題是困擾我比較久的一個(gè)問題，因?yàn)槲覀兛梢钥吹剑覀?萬(wàn)的QPS，但是tcp連接數(shù)卻并沒有達(dá)到2萬(wàn)，我猜測(cè)，tcp連接數(shù)就是引發(fā)瓶頸的問題，但是因?yàn)槭裁丛蛩l(fā)的暫時(shí)無法找出來。

這個(gè)時(shí)候猜測(cè)，既然是無法建立tcp連接，是否有可能是服務(wù)器限制了socket連接數(shù)，驗(yàn)證猜測(cè)，我們看一下，在終端輸入ulimit -n命令，顯示的結(jié)果為65535，看到這里，覺得socket連接數(shù)并不是限制我們的原因，為了驗(yàn)證猜測(cè)，將socket連接數(shù)調(diào)大為100001.

再次進(jìn)行壓測(cè)，結(jié)果如下：

QPS壓到2.2萬(wàn)左右的時(shí)候就上不去了，服務(wù)器cpu在60%-80%之間跳動(dòng)，數(shù)據(jù)庫(kù)連接數(shù)為300個(gè)左右，每秒tpc連接數(shù)為1.7萬(wàn)左右。

雖然有一點(diǎn)提升，但是并沒有實(shí)質(zhì)性的變化，接下來的幾天時(shí)間，我發(fā)現(xiàn)都無法找到優(yōu)化的方案，那幾天確實(shí)很難受，找不出來優(yōu)化的方案，過了幾天，再次將問題梳理了一遍，發(fā)現(xiàn)，雖然socket連接數(shù)足夠，但是并沒有全部被用上，猜測(cè)，每次請(qǐng)求過后，tcp連接并沒有立即被釋放，導(dǎo)致socket無法重用。經(jīng)過查找資料，找到了問題所在，

tcp鏈接在經(jīng)過四次握手結(jié)束連接后并不會(huì)立即釋放，而是處于timewait狀態(tài)，會(huì)等待一段時(shí)間，以防止客戶端后續(xù)的數(shù)據(jù)未被接收。

好了，問題找到了，我們要接著優(yōu)化，首先想到的就是調(diào)整tcp鏈接結(jié)束后等待時(shí)間，但是linux并沒有提供這一內(nèi)核參數(shù)的調(diào)整，如果要改，必須要自己重新編譯內(nèi)核，幸好還有另一個(gè)參數(shù)net.ipv4.tcp_max_tw_buckets， timewait 的數(shù)量，默認(rèn)是 180000。我們調(diào)整為6000，然后打開timewait快速回收，和開啟重用，完整的參數(shù)優(yōu)化如下

#timewait 的數(shù)量，默認(rèn)是 180000。
net.ipv4.tcp_max_tw_buckets = 6000

net.ipv4.ip_local_port_range = 1024 65000

#啟用 timewait 快速回收。
net.ipv4.tcp_tw_recycle = 1

#開啟重用。允許將 TIME-WAIT sockets 重新用于新的 TCP 連接。
net.ipv4.tcp_tw_reuse = 1

我們?cè)俅螇簻y(cè)，結(jié)果顯示：
QPS5萬(wàn)，服務(wù)器cpu70%,數(shù)據(jù)庫(kù)連接正常，tcp連接正常，響應(yīng)時(shí)間平均為60ms，錯(cuò)誤率為0%。

到此為止，整個(gè)服務(wù)的開發(fā)、調(diào)優(yōu)、和壓測(cè)就結(jié)束了。回顧這一次調(diào)優(yōu)，得到了很多經(jīng)驗(yàn)，最重要的是，深刻理解了web開發(fā)不是一個(gè)獨(dú)立的個(gè)體，而是網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)、編程語(yǔ)言、操作系統(tǒng)等多門學(xué)科結(jié)合的工程實(shí)踐，這就要求web開發(fā)人員有牢固的基礎(chǔ)知識(shí)，否則出現(xiàn)了問題還不知道怎么分析查找。

ps：服務(wù)端開啟了 tcp_tw_recycle 和 tcp_tw_reuse是會(huì)導(dǎo)致一些問題的，我們?yōu)榱藘?yōu)化選擇犧牲了一部分，獲得另一部分，這也是我們要明確的，具體的問題可以查看耗子叔的文章TCP 的那些事兒（上）

Leoython，擅長(zhǎng)Javascript, Python, Go，最近在研究Rust和k8s

E-Mail: leoython@gmail.com

文章編寫于: 2019/01/31

轉(zhuǎn)載請(qǐng)注明出處:

https://segmentfault.com/a/11...