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。