本文分享自天翼云开发者社区《多RID分层路径计算性能优化》.作者：罗****斌

针对以上问题和性能分析点，进行了以下优化，分别是：

1）基础探测图按rid分层染色计算所有点到点路径，零拷贝

萃取整个路径算法需要修改的部分，单独创建一个临时变量用于不可避免的一次路径计算过程中写操作，防止任何一次两点路径计算更改全局基础探测图操作，这样一个频道下任意两点之间路径并按rid分层染色计算路径都可以在一个基础探测图里实现，而不是每次进行两点之间路径计算就拷贝一次基础探测图，赋值及循环耗时非常大。

2）按rid再细粒度拆分路径计算任务

在之前，最小路径计算单元是点到点之间的路径计算，如果遇到一个点里有多rid，则在计算点到点路径时串行循环计算rid，如果rid很多，则此次路径计算会占用较长cpu时间而无法去处理其它部分。现在对这部分逻辑进行优化，原则就是按rid粒度拆分路径计算单元，挺高并发度，更好的利用协程效应。

3）节点按rid染色分层循环次数缩小至节点个数

之前在图遍历时实时判断rid归属分层并染色，遍历次数和判断次数是：节点个数*节点个数。现在是在创建的临时变量里遍历节点个数并按rid提前进行分层染色，标记为某种状态，称之为预分层染色，大大减少遍历次数和判断次数。

4）路径计算协程个数及队列大小调整

随着业务发展，面临的场景也在不断变化，之前的配置是按一个点到点计算一条路径来优化配置的。而现在按rid分层计算则使路径计算量暴增，点到点拆分出的计算任务按rid倍数增长，需要对其并发处理个数喝队列缓存大小进行调整。

5）json字段优化

在两两互探节点较多时，预处理模块处理性能较之前下降明显。如500*500节点场景下，旧版本1.15.0预处理模块耗时是80毫秒，而新版本1.16.0不开启rid计算并且每个节点携带40个rid时耗时变成940秒，下降11倍，有点触目惊心。后分析发现，耗时基本在json.Unmarshal，预处理以往观察也确实在这块耗时较大，这说明没有引入新的函数导致了预处理模块性能下降。对此，仔细查看json.Unmarshal性能火焰图后发现其中在数组创建上消耗很大，联想到最近新增的rid字段并使用数组类型接收，有可能是这块导致。随后把rid字段去除上报1.16.0版本，预处理模块处理耗时瞬间降低到110毫秒，反向证明rid数组是罪魁祸首。

经过反复思考验证后，把rid字段改为字符串类型性能可到较大提升，预处理模块耗时下降到240毫秒，在多出rid字段处理情况下，性能损耗基本能接受，故新增一个rids字段为字符串类型，删除rid为组数类型字段。

6）路径汇聚优化为两重汇聚

之前的汇聚是一个协程进行按频道名进行路径汇聚，现在按rid拆分计算任务暴增后处理性能跟不上，导致汇聚队列积压影响路径计算速率，计划对这部分进行多次汇聚优化。增加一层并发汇聚，并发数可配置，进行粗粒度汇聚后降低待汇聚条数，然后再定义一个单协程二层汇聚进行最终汇聚，主动汇聚或者被动汇聚在二层汇聚里判断实现。