在线上环境，由于业务场景需要，要求程序能够在普通的4G机器中依然正常运行。 而原来的环境配置为8核16G，微服务部署，一共有6个功能模块。 而现在要求在一台4核4G的设备上正常运行。

问题清单

1. 模块合并过程中各种冲突，各种Bean无法正常加载
2. 事件处理性能原来每秒3000～1w左右，现在突然骤降至几百左右；
3. 事件存在丢失现象，而且丢失比较严重
4. 发现系统cache一直在不断的上涨，free -m 后发现可余内存几乎用没了(剩余100M左右，其实就差不多是用完了，不会再降低)

问题排查

1. 代码冲突

• 包名冲突。 不同模块的包名设计上有重复
• 类名冲突。 @Configuration @Bean @Controller @Service @Repository 等注解中没有指定Bean实例的名称。

2. 事件处理性能慢

现有的处理流程如下：

项目采用SpringBoot构建，引入 spring-boot-stater-redis

1. 通过HTTP接收到异步事件，存储到Redis;

2. 存储的同时，将事件通过Redis的发布订阅发送到不同的处理单元进行处理；

3. 每个事件处理单元通过Redis订阅，然后处理事件；

4. 起一个定时器，每秒钟从Redis中查询一个时间窗口的事件，构建索引，然后bulkIndex到ES

2.1 问题发现

1. Redis的订阅发布，内部会维护一个container线程，此线程会一直存在；2. 每次订阅，都会产生一个新的前缀为RedisListeningContainer-的线程处理;3. 通过jvisualvm.exe 查看线程数，该类线程数一直在飙升

2.2 问题定位

2.2.1 Redis订阅发布问题

程序中的实现如下：

@Bean

RedisMessageListenerContainer manageContainer(

RedisConnectionFactory factory, MessageListener listener) {

RedisMessageListenerContainer manageContainer =

new RedisMessageListenerContainer ();

manageContainer.setConnectionFactory(factory);

// manageContainer.setTaskExecutor();

}

代码中被注释掉的那一行，实际代码中是没有该行的，也就是没有设置 taskExecutor

• 查询了 spring-redis.xsd 中关于 listener-container 的说明，默认的 task-executor 和 subscription-task-executor 使用的是 SimpleAsyncTaskExecutor 。
• 在源码中的位置

RedisMessageListenerContainer.class...

protected TaskExecutor createDefaultTaskExecutor() {

String threadNamePrefix = (beanName != null ? beanName + "-" :

DEFAULT_THREAD_NAME_PREFIX) ;

return new SimpleAsyncTaskExecutor(threadNamePrefix);

}

...

SimpleAsyncTaskExecutor.class

protected void doExecute(Runnable task) {

Thread thread =

(this.threadFactory != null

? this.threadFactory,newThread(task)

: createThread(task));

thread.start();

}

• SimpleAsyncTaskExecutor 的execute()方法，是很无耻的 new Thread() ,调用 thread.start() 来执行任务

2.2.2 事件处理都是耗时操作，造成线程数越来越多，甚至OOM

2.3 问题解决

找到问题的产生原因，主要的解决思路有三种：

• 配置 manageContainer.setTaskExecutor(); 然后选择自己创建的线程池;
• 去掉一部分发布订阅，改用 Spring 提供的 观察者模式 ，将绝大部分事件处理的场景，通过此方式完成发布。 SpringUtils.getApplicationContext() .publihEvent(newEventOperation(eventList));
• 采用 Rector 模式实现事件的异步高效处理;

创建了2个线程组(参考netty的底层实现):1. 一个用于处理事件接收 “event-recv-executor-” coreSize = N * 2，CPU密集型2. 一个用于事件的异步处理 “event-task-executor-” coreSize = N / 0.1，IO密集型事件处理逻辑

@Override

public void onApplicationEvent (EventOperation event) {

eventTaskExecutor.execute(() -> {

doDealEventOperation(event);

});

}

3. 事件丢失

现有的处理流程如下：

项目采用SpringBoot构建，引入 spring-boot-stater-redis1. 后台维护了一个定时器，每秒钟从Redis中查询一个时间窗口的事件

3.1 问题发现

在后台定位日志输出，正常情况下，应该是每秒钟执行一次定时，

但实际是，系统并不保证一定能每隔1S执行一次，

由于系统中线程比较多，CPU的切换频繁，

导致定时有可能1S执行几次或者每隔几秒执行一次

3.2 问题定位

3.2.1 定时任务不可靠

由于定时并无法保证执行，而定时任务获取事件时，是按照时间窗口截取，通过redisTemplate.opsForZSet().rangeByScore(key, minScore, maxScore)实现，势必会造成有数据无法被加载到程序中，而一直保存在Redis中，无法获取，也无法删除

3.3 问题解决

找到问题的产生原因，主要的解决思路有两种：

• 加大容错率，将时间窗口拉大，原来是相隔1S的时间窗口，修改为相隔1MIN 【治标不治本，极端情况下，仍有可能造成该问题】;
• 采用 MQ消费 ，此方法需要额外部署MQ服务器，在集群配置高的情况下，可以采用，在配置低的机器下不合适；
• 采用 阻塞队列 ，利用 Lock.newCondition() 或者最普通的网络监听模式 while() 都可以;

本次问题中采用的是第三种形式。 起一个单独的线程，阻塞监听。

1. 事件接收后，直接塞到一个BlockingQueue中；

2. 当BlockingQueue有数据时，While循环不阻塞，逐条读取队列中的信息；

3. 每隔1000条数据，或者每隔1S，将数据写入ES，并分发其他处理流程

4. 系统cache一直在不断的上涨

在4G的机器下，发现经过一段时间的发包处理后，系统cache增长的非常快，最后几近于全部占满：

大概每秒钟10M的涨幅

4.1 问题发现

1. 因为对于ES的了解，插入数据时，先写缓存，后fsync到磁盘上，因此怀疑ES可能存在问题；2. 项目中日志使用log4j2不当： * 日志输出过多， * 日志没有加判断：if (log.isInfoEnabled()) * 日志文件append过大，没有按照大小切分等(本项目此问题之前已解决)

4.2 问题定位

4.2.1 ES插入机制问题

经过隔段分析，将有可能出现问题的地方，分别屏蔽后，进行测试。

最终定位到，在ES批量写入数据时，才会出现cache大量增长的现象

4.3 问题解决

用命令查看内存 free -m ，

• buffer : 作为 buffer cache 的内存，是 块设备 的读写缓冲区
• cached 表示 page cache的内存 和 文件系统的cache
• 如果 cached 的值很大，说明cache住的文件数很多

ES操作数据的 底层机制 ：

数据写入时，ES内存缓慢上升，是因为小文件过多(ES本身会在index时候建立大量的小文件)， linux dentry 和 inode cache 会增加。 可以参考： ES内存持续上升问题定位

本问题其实并没有完全解决，只是在一定程度上用性能换取缓存。

1. 修改系统参数，提高slab内存释放的优先级：

echo 10000 > /proc/sys/vm/vfs_cache_pressure；复制代码

1. 修改ES配置参数

## 这些参数是之前优化的

threadpool.bulk.type: fixed

threadpool.bulk.min: 10

threadpool.bulk.max: 10

threadpool.bulk.queue_size: 2000

threadpool.index.type: fixed

threadpool.index.size: 100

threadpool.index.queue_size: 1000

index.max_result_window: 1000000

index.query.bool.max_clause_count: 1024000

# 以下的参数为本次优化中添加的：

# 设置ES最大缓存数据条数和缓存失效时间

index.cache.field.max_size: 20000

index.cache.field.expire: 1m

# 当内存不足时，对查询结果数据缓存进行回收

index.cache.field.type: soft

# 当内存达到一定比例时，触发GC。默认为JVM的70%[内存使用最大值]

#indices.breaker.total.limit: 70%

# 用于fielddata缓存的内存数量，

# 主要用于当使用排序操作时，ES会将一些热点数据加载到内存中来提供客户端访问

indices.fielddata.cache.expire: 20m

indices.fielddata.cache.size: 10%

# 一个节点索引缓冲区的大小[max 默认无限制]

#indices.memory.index_buffer_size: 10%

#indices.memory.min_index_buffer_size: 48M

#indices.memory.max_index_buffer_size: 100M

# 执行数据过滤时的数据缓存，默认为10%

#indices.cache.filter.size: 10%

#indices.cache.filter.expire: 20m

# 当tranlog的大小达到此值时，会进行一次flush操作，默认是512M

index.translog.flush_threshold_size: 100m

# 在指定时间间隔内如果没有进行进行flush操作，会进行一次强制的flush操作，默认是30分钟

index.translog.flush_threshold_period: 1m

# 多长时间进行一次的磁盘操作，默认是5S

index.gateway.local.sync: 1s

历程回顾

• 对于本次调优过程，其主要修改方向还是代码，即代码的使用不当，或者考虑不周导致
• 其次，对于ES的底层实现机制并不很熟悉，定位到具体的问题所在；
• 本次优化过程中，涉及到对GC的定位，对Linux系统底层参数的配置等
• 由于日志传输采用HTTP，故每次传输都是新的线程。 IO开销比较大，后续会考虑替换成 长连接 。