高质量编程与性能调优实战2 | 青训营

性能调优原则：

• 要依据数据而不是猜测
• 要定位最大瓶颈而不是细枝末节
• 不要过早优化
• 不要过度优化，系统可能要继续开发，任意产生不兼容的情况

学习使用性能调优优化工具pprof

性能优化调优案例:

• 业务服务优化

  • 基本概念

    0. 服务:能单独部署,承载一定功能的程序
    1. 依赖:ServiceA的功能实现依赖于ServiceB的相应结果,称为ServiceA依赖于serviceB
    2. 调用链路:能支持一个接口请求的相关服务集合极其相互之间的依赖关系
    3. 基础库:公共的工具包,中间件

  • 流程:

    0. 建立服务性能的评估手段

       0. 服务性能评估方式

          • 单独的benchmark无法满足复杂逻辑分析
          • 不同负载情况下性能表现差异

       1. 请求流浪构造

          • 不同请求参数覆盖逻辑不同
          • 线上真实流量情况

       2. 压测范围

          • 单机器压测
          • 集群压测

       3. 性能数据采集

          • 单机性能数据
          • 集群性能数据

    1. 分析性能数据,定位性能瓶颈,可以使用性能评估工具进行

       0. 使用库不规范,日志等使用不规范占用过多资源
       1. 高并发场景优化不足,在高并发情况下会出现什么问题

    2. 重点优化项改造

       0. 正确是基础:把线上的流量和返回值和优化后的进行对比,差别不大说明优化后并没有产生错误

       1. 响应数据diff

          • 线上请求数据录制回放
          • 新旧逻辑接口数据diff

    3. 优化效果验证

       0. 重复压测验证

       1. 上线评估优化效果

          • 关注服务监控
          • 逐步放量
          • 收集性能数据

    4. 进一步优化,服务整体的链路分析

       0. 规范上游服务调用接口,明确场景需求
       1. 分析链路,通过业务流程优化提升服务性能

• 基础库优化

  AB实验SDK的优化

  0. 分析基础库核心逻辑和性能瓶颈

     • 设计完善改造方案
     • 数据按需获取
     • 数据序列化协议优化

  1. 内部压测验证

  2. 推广业务服务落地验证,整体上节省资源

• Go语言优化(使用最广的优化)

  0. 编译器和运行时优化

     • 优化内存分配策略

     • 优化代码编译流程,生成更高效的程序

     • 内部压测验证

     • 退管业务服务落地

     • 优点

       0. 接入简单,只需要调整编译配置
       1. 通用性强

总结:

• 性能调优原则:要依靠数据而不是依靠猜测
• 性能分析工具pprof要熟练使用
• 性能调优要保证正确性,定位到主要瓶颈