hello，大家好呀，我是小楼。
最近无聊（摸）闲逛（鱼）github时，发现了一个阿里开源项目可以贡献代码的地方。
不是写单测、改代码格式那种，而是比较有挑战的性能优化，最关键的是还不难，仔细看完本文后，有点基础就能写出来的那种，话不多说，发车！
相信大家在日常写代码获取时间戳时，会写出如下代码:
long ts = System.currentTimeMillis();读者中还有一些Gopher，我们用Go也写一遍：
UnixTimeUnitOffset = uint64(time.Millisecond / time.Nanosecond)
ts := uint64(time.Now().UnixNano()) / UnixTimeUnitOffset在一般情况下这么写，或者说在99%的情况下这么写一点问题都没有，但有位大佬研究了Java下时间戳的获取：
http://pzemtsov.github.io/2017/07/23/the-slow-currenttimemillis.html
他得出了一个结论：并发越高，获取时间戳越慢！
具体到细节咱也不是很懂，大概原因是由于只有一个全局时钟源，高并发或频繁访问会造成严重的争用。
缓存时间戳
我最早接触到用缓存时间戳的方式来优化是在Cobar这个项目中：
由于Cobar是一款数据库中间件，它的QPS可能会非常高，所以才有了这个优化，我们瞅一眼他的实现：
- 起一个单独的线程每隔20ms获取一次时间戳并缓存起来
- 使用时间戳时直接取缓存
/**
* 弱精度的计时器，考虑性能不使用同步策略。
*
* @author xianmao.hexm 2011-1-18 下午06:10:55
*/
public class TimeUtil {
private static long CURRENT_TIME = System.currentTimeMillis();
public static final long currentTimeMillis() {
return CURRENT_TIME;
}
public static final void update() {
CURRENT_TIME = System.currentTimeMillis();
}
}timer.schedule(updateTime(), 0L, TIME_UPDATE_PERIOD); // TIME_UPDATE_PERIOD 是 20ms
...
// 系统时间定时更新任务
private TimerTask updateTime() {
return new TimerTask() {
@Override
public void run() {
TimeUtil.update();
}
};
}Cobar之所以这么干，一是因为往往他的QPS非常高，这样可以减少获取时间戳的CPU消耗或者耗时；其次是这个时间戳在Cobar内部只做统计使用，就算不准确也并无大碍，从实现上看也确实是弱精度。
后来我也在其他的代码中看到了类似的实现，比如Sentinel（不是Redis的Sentinel，而是阿里开源的限流熔断利器Sentinel）。
Sentinel作为一款限流熔断的工具，自然是自身的开销越小越好，于是同样都是出自阿里的Sentinel也用了和Cobar类似的实现：缓存时间戳。
原因也很简单，尽可能减少对系统资源的消耗，获取时间戳的性能要更优秀，但又不能和Cobar那样搞个弱精度的时间戳，因为Sentinel获取到的时间戳很可能就决定了一次请求是否被限流、熔断。
所以解决办法也很简单，直接将缓存时间戳的间隔改成1毫秒
去年我还写过一篇文章《低开销获取时间戳》，里面有Sentinel这段代码：
甚至后来的Sentinel-Go也采取了一模一样的逻辑：
以前没有多想，认为这样并没有什么不妥。
直到前两天晚上，没事在Sentinel-Go社区中瞎逛，看到了一个issue，大受震撼：
提出这位issue的大佬在第一段就给出了非常有见解的观点：
说的比较委婉，什么叫「负向收益」？
我又搜索了一下，找到了这个issue：
TimeUtil吃掉了50%的CPU，这就是「负向收益」，还是比较震惊的！
看到这个issue，我简单地想了下：
- 耗时：获取时间戳在一般情况下耗时几乎都不会影响到系统，尤其是我们常写的业务系统
- CPU：假设每毫秒缓存一次时间戳，抛开其他开销不说，每秒就有1000次获取时间戳的调用，如果每次请求中只有1次获取时间戳的操作，那么至少得有1000QPS的请求，才能填平缓存时间戳的开销，况且还有其他开销
但这只是我们的想当然，如果有数据支撑就又说服力了。为此前面提出「负向收益」的大佬做了一系列分析和测试，我们白嫖一下他的成果：
看完后我跪在原地，久久不能起身。
课代表来做个总结：
- 缓存时间戳开销最大的地方是sleep和获取时间戳
- 理论上来说单机QPS需要大于4800才会有正向收益，真实测试结果也是在4000QPS以内都没有正向收益
- 如果不要这个缓存时间戳，获取时间戳耗时会增加，但这在可接受范围内
- 鉴于常规情况下QPS很少会达到4K，所以最后结论是在Sentinel-Go中默认禁用这个特性
这一顿操作下来，连Sentinel社区的大佬也觉得很棒，竖起来大拇指：
然而做了这么多测试，最后的修改就只是把true改成false：
自适应算法
本来我以为看到这位大佬的测试已经是非常有收获了，没想到接下去的闲逛又让我发现了一个更了不得的东西。
既然上面分析出来，在QPS比较高的情况下，收益才能抵消被抵消，那么有没有可能实现一个自适应的算法，在QPS较低的时候直接从系统获取，QPS较高时，从缓存获取。
果不其然，Sentinel（Java版，版本>=1.8.2）已经实现了！
我们捋一下它的实现：
我们首先看最核心的缓存时间戳的循环（每毫秒执行1次），在这个循环中，它将缓存时间戳分成了三个状态：
- RUNNING：运行态，执行缓存时间戳策略，并统计写时间戳的QPS（把对缓存时间戳的读写QPS分开统计）
- IDLE：空闲态（初始状态），什么都不做，只休眠300毫秒
- PREPARE：准备态，缓存时间戳，但不统计QPS
这三个状态怎么流转呢？答案在开头调用的check方法中：
首先check逻辑有个间隔，也就是每隔一段时间（3秒）来做一次状态转换；
其次如果当前状态是空闲态并且读QPS大于HITS_UPPER_BOUNDARY（1200），则切换为准备态。
如果当前状态是运行态且读QPS小于HITS_LOWER_BOUNDARY（800），则切换为空闲态。
发现似乎少了切换到运行态的分支，看上面的循环中，第三个准备态的分支运行一次就将状态切换为运行态了。
这是为啥？其实准备态只是为了让程序从空闲态切换到运行态时过渡的更平滑，因为空闲态下缓存时间戳不再更新，如果没有过渡直接切换到运行态，那可能切换后获取的时间戳是有误差的。
文字可能不直观，我们画一个状态流转图：
最后这些准备好了，获取时需要做两件事：一是统计读时间戳的QPS，二是获取时间戳；如果是空闲态或准备态则直接获取系统时间返回，如果是运行态则从缓存中拿时间戳。
当程序比较空闲时，不会缓存时间戳，降低CPU的消耗，QPS较高时缓存时间戳，也能降低CPU的消耗，并且能降低获取时间戳的时延，可谓是一举两得。
但这中间我有个疑问，这里QPS的高低边界不知道是如何得出的，是拍脑袋还是压测出来的，不过这个数值似乎并不一定绝对准确，可能和机器的配置也有关系，所以我倾向这个值可以配置，而不是在代码中写死，关于这点，这段代码的作者也解释了原因：
最后可能你会问，这QPS咋统计呀？
这可是Sentinel的强项，利用LeapArray统计，由于这不是本文重点，就不展开了，有兴趣可以参考我之前的文章《Sentinel-Go 源码系列（三）滑动时间窗口算法的工程实现》，虽然文章是Go的，但算法和Java的是一模一样，甚至实现都是照搬。
有没有测试数据支撑呢？有另一位大佬在评论区贴出了他的测试数据，我们看一下：
在低负载下，CPU消耗降低的特别明显，高负载则没什么变化，这也符合我们的预期。
看到这里你是不是觉得该点题了？没错，Sentinel-Go还没实现上述的自适应算法，这是个绝佳的机会，有技术含量，又有参考（Java版），是不是心动了？
社区中也有该issue：
这个issue在2021年8月有个哥们认领了，但截止目前还没贡献代码，四舍五入等于他放弃了，所以你懂我意思吧？
最后说一句
如果你觉得文章还可以，麻烦动动小手，点个关注、在看、赞，你的鼓励是我持续创作的动力！
对了，如果觉得还不过瘾，可以再看看这些相关文章：
- 《参与开源项目很难吗？》
- 《Sentinel-Go 源码系列（一）｜开篇》
- 《Sentinel-Go 源码系列（二）｜初始化流程和责任链设计模式》
- 《Sentinel-Go 源码系列（三）滑动时间窗口算法的工程实现》
- 《Sentinel在docker中获取CPU利用率的一个BUG》
- 《低开销获取时间戳》
感谢阅读，我们下期再见~
搜索关注微信公众号"捉虫大师"，后端技术分享，架构设计、性能优化、源码阅读、问题排查、踩坑实践。
