关于性能优化的一些实践

背景

在海量并发业务的场景下，比如电商抢购、微信红包这样的场景下，我们经常会遇到各种各样的性能问题，在应对这些问题的时候，应该有怎样的方法论去指导我们解决问题，基于这几年的开发经验，做一个简单的分享。性能优化包含两个方面的理解：

• 业务层面的性能优化
• 框架层面的性能优化

在比较大的互联网公司中，一般不会直接使用开源的框架做业务开发，这里就涉及到框架的性能问题，一般的框架都需要解决几个问题

1. 锁的粒度，在高并发的请求处理中，都需要解决输入输出队列的锁的问题，这是一个演化的过程，从古老的文件锁，到现在的无锁循环队列，对框架的处理性能是有质的飞跃
2. 调度的粒度，在TX，比较老的框架，其实一开始都是多进程的框架，后面才慢慢有了多线程，以及后面的微线程的框架，越来越小的调度代价，减少内核态和用户态的切换，能够有效的带来性能的收益。
3. 拷贝的次数，一个请求，从请求进入之后，经历过几个流程的处理，经历了几次的内存拷贝，对整个框架的性能也有比较大的影响

技术手段

不过，本文不讨论框架层面的性能优化，更多的是介绍业务层面的相关技术手段

• 前端保护后端
• 业务流程解耦（异步化）
• 数据库分库分表
• 柔性可用，可降级
• Set化部署

以上技术手段在MY微信红包中的具体实现

1.前端保护后端

在高并发的场景中，瞬间的并发量是非常大的，因此请求应该呈现一个漏斗型往下递减

所以，我们在前端CGI层利用缓存（如redis、memcache等）做了一些优化，比如在抢红包的场景中，用redis存储红包剩下的个数，每个人是否抢过这个红包这些标识， 尽量只让真正可以抢红包的请求通过CGI层落入逻辑层，快速的过滤掉不合理的请求。

在前端，我们一般用CDN（或者类似的数据靠近服务）做前端页面的加速；

接入层作为后端的第一个模块，接收最多的请求，一般的优化方式有合并请求，数据预加载等，在云监控的场景中，前端接入层需要接收大量的数据点，需要屏蔽无效的数据点，这里就会有数据预加载的请求，将接入的信息（变更频率很低）预加载到内存中，请求进来之后根据内存中的预存储数据做数据的过滤。

2.业务流程解耦

在业务开发过程中，我们经常会遇到耗时的场景，比如在抢红包入账的场景中，入账的操作是一个事务，耗时比较长，放在核心流程中，会影响整体的吞吐量，或者是在监控数据上报的场景中，后续的数据梳理和告警判断都是很重的业务逻辑，这就需要我们去解耦这个流程，利用消息队列对这个入账的流程或者其他的处理流程进行解耦，保证并发量 ,如下图，是笔者最近开发的事件中心架构，就用到CKafka做业务的解耦

事件中心架构

3. 数据库分库分表

分库分表作为一个比较老的手段，依然是很有效的增加并发能力的方法（因为我们很多不经意的查询或者更新都会导致锁表）。例如在红包的根据红包ID，将红包落入不同的表中，这样在抢红包的场景中，DB的锁的压力就分散到各个表中，这里如何做分表是调优的关键，核心思想就是均匀的分配数据。

本身如何均匀的做数据分配也是一个比较难的问题，我们在监控数据的存储中，也会遇到这样的问题，监控的数据一般会用KV存储，基于LSM的HBASE和在这个基础上做了优化opentsdb是比较主流的选择，opentsdb不仅针对时序数据的特点做了优化，同时，针对rowKey的生成方式也做了比较多的改进，避免数据分布不均导致数据热点的产生,这里不展开讨论。

4. 柔性可用，过载保护可降级

在数据层发生灾难、系统负载高的情况下，保证业务的最核心流程可用，牺牲一些用户体验来达到系统的稳定。例如对抢红包的返回结果进行降级，不返回红包列表等，只让用户看到自己抢的红包的结果。

基于业务优先级的过载保护

5. Set化部署

以最近参与的云监控项目为例，腾讯云现在的地域非常广，最新的地域现在在俄罗斯（欢迎试用），海外地域到国内的数据延迟一般在300ms以上，这就要求我们在所有地域都有Set去做就近接入，减少因为网络延迟带来的影响，云监控现在在每个地域都是单独部署，只有告警发送模块等少量服务是集中部署的

set化部署

结论

工作接近五年，前面的三年多的时间一直从事的是2C产品的开发，经历过苦哈哈的计算内存空间的时候，因为2C的数据体量远比2B的产品要大，TX以前的A/B/C的服务器性能也一般（从现在看来），在这种场景下成长起来的程序员都会比较抠门，更多的去想如何节省机器，当然现在我觉得也是有一定参考价值的，希望对你有用