揭秘亿级流量下系统的高性能、高并发和稳定性保障

1、性能、并发、稳定性三者关系

高性能：高吞吐量、低延时

公式：吞吐量（并发）=单位时间/平均延时

N-th% Latency：TP99, TP999

稳定性：低延时的稳定性标准为TP99/TP999是隐含的必要条件；系统的稳定性标准：高+可用；用户标准

吞吐量：QPS， TPS，OPS等等，并发。并不是越高越好，需要考虑TP99。用户角度：系统是个黑盒，复杂系统中的任何一环到会导致稳定性问题。SLA：在某种吞吐量下能提供TP99为n毫秒的服务能力。降低延时，会提高吞吐量，但是延时的考核是TP99这样的稳定的延时。

2、如何改善延时

你应该知道如下表格

原文：

http://www.eecs.berkeley.edu/~rcs/research/interactive_latency.html

Jeff Dean（互联网战神）

Disk random read IOPS:

IOPS = 1000 / (4 + 60000/7200/2) = 122

IOPS = 1000 / (4 + 60000/10000/2) = 142

IOPS = 1000 / (4 + 60000/15000/2) = 166

SSD random read IOPS:

IOPS = 1000000/16=62500

数字的启示

高速缓存的威力；

线程切换代价cache miss

顺序写优于随机写

局域网络快于本地HDD

大块读优于小块读

SSD解决随机读写

跨地域IDC网络是最大的延时

策略
关键路径：“28原则”（20%的代码影响了80%的性能问题，抓重点）、“过早优化是万恶之源”。不同解读；

优化代码：空间换时间：各级缓存；时间换空间：比如传输压缩，解决网络传输的瓶颈；多核并行：减少锁竞争；lesscode；各类语言、框架、库的trick；算法+数据结构，保持代码的清晰、可读、可维护和扩展；

通过性能测试和监控找出瓶颈

metric
原文：http://www.vpsee.com/2014/09/linux-performance-tools/

通过性能测试和监控：

单系统operf/jprofiler etc；
Java的一系列工具：jstat, jstack, jmap, jvisualvm,HeapAnalyzer, mat
分布式跟踪系统：Dapper，鹰眼等

benchmark
原文：http://www.vpsee.com/2014/09/linux-performance-tools/

微观
内存分配
吞吐量和利用率的权衡
显式分配器：jemalloc/tcmalloc代替默认的ptmalloc
隐式分配器：JVM GC的各种调优
是否使用hugepagen预分配和重用：Netty的Pooled ByteBuf
减少拷贝：new ArrayList(int), new StringBuilder(int)

内存分配器利用率：减少内部或外部碎片；Page Table（页表）， TLB（页表寄存器缓冲），减少TLB miss,pin cache。增加COW的开销, 与内存分配器的实现冲突。JVM的GC调优是很多Java应用的关注重点。
减少系统调用
批处理: buffer io，pipeline
使用用户态的等价函数: gettimeofday ->clock_gettime
减少锁竞争
RWMutex
CAS
Thread local
最小化锁范围
最小化状态，不变类

批处理增加了内存拷贝的开销，但是减少了系统调用开销，减少了上下文切换的影响。bufferio的例子：日志、网络读写。pipeline的例子：redis。
减少上下文切换
触发：中断、系统调用、时间片耗尽、IO阻塞等
危害：L1/L2 Cache Missing，上下文保存/恢复
单线程：基于状态机redis和Master/Worker的nginx

CPU亲和性绑定
ThreadPool的配置，不同任务类型不同的ThreadPool
几个例子：1、docker中线程池大小的核数自动设定；2、CPU节能模式；3、CENTOS-7.1内核BUG。
网络
内核TCP Tuning参数和SocketOption：net.ipv4.tcp_*
TCP Socket连接池
网络I/O模型
传输压缩
编解码效率
超时、心跳和重试机制
网卡：多队列中断CPU绑定；增加带宽：万兆、Bonding；Offload特性：ethtool -k eth0；UIO Driver: DPDK

连接池：减少握手、减少服务端session创建消耗。网络I/O模型：BIO、Non-Blocking IO、AIO；select/poll、epoll/kqueue、aio；netty使用nativetransport。Offload特性：ethtool-k eth0。将数据包分组、重组、chksum等从内核层放到硬件层做。

3、如何提高吞吐量
改善和降低单机的延时，一般就能提高我们的吞吐量。从集群化上讲，因素就比较多。
宏观
提升系统扩展能力
应用的无状态架构
缓存/存储的集群架构：冗余复制（负载均衡、异构解除系统依赖）；分布式（数据sharding , 副本，路由，数据一致性）；切换
微服务/SOA
扩容
异步化
缓存

复制
通过复制提高读吞吐量、容灾、异构
通过数据分片，提高写吞吐量
程序双写：一致性难以控制，逻辑复杂，幂等性要求。完全把控复制和切换时机。异构系统唯一选择。同步双写（数据一致性高，影响性能，不适合多个复制集）；异步双写（数据一致性差，性能高，适合多个复制集）；CDC[Change Data Capture]（canal,databus等）
底层存储复制机制：一致性由底层控制，对应用端透明。程序和底层存储配合切换

扩容
每年大促前的核心工作：该扩容了吗？现状分析；扩容规划（关键系统峰值20倍吞吐量）；扩容依据（架构梳理、线上压测）；
扩容checklist：前（部署、DB授权…）；后（配置更新、LB更新、接入日志、接入监控…）
应用扩容、数据扩容、写扩容、读扩容
垂直扩容：加内存、升级SSD、更换硬件。数据复制、切换
水平扩容：数据迁移或初始化

现状分析：去年双十一到目前，峰值时的性能数据；软硬件性能指标；数据存储容量。
扩容规划；流量规划：核心系统20倍吞吐量；数据增长量规划；扩容依据；架构梳理；线上压测。
读扩容比写扩容难；读写分离。

异步化
解耦利器
削峰填谷
页面异步化
系统异步化
JMQ
状态机（worker）+DB
本地队列
集中式缓存队列

本地内存队列：实时价格回源服务响应之后，通过BlockingQueue异步更新前端缓存。本地日志队列：库存预占。集中式缓存队列：商品变更任务下发系统。

异步化的一些例子：
1、操作系统内核的高速缓存队列，磁盘延迟刷盘；
2、mysql数据库复制、redis复制；

异步化需要注意的是：
1、任务要落地；
2、不可避免的重复执行，需要幂等；
3、是否需要保证顺序、如何保证顺序。

缓存
久经考验的局部性原理
多级缓存：浏览器browser cache、cdn、nginx本地redis缓存、本地JVM缓存、集中式缓存…
缓存前置：2/8原则、单品页、实时价格、库存状态
一致性、延迟权衡
缓存主节点负责写，和最重要的校验
通过CDC监听数据库binlog主动更新缓存
CPU不是瓶颈，网络才是
优化编码，减少尺寸
优化操作
优化拓扑

4、如何保障稳定性
宏观
提高可用性
分组和隔离
限流
降级
监控和故障切换

可用性
可用性衡量指标：几个9
可用性度量：A = MTBF / (MTBF + MTTR)
减少故障、加长可用时间
减少故障修复时间（发现、定位、解决）
冗余复制、灾备切换，高可用的不二法门
如何快速切换？
切换的影响
监控、ThoubleShooting、软件质量的影响

可行性指标：999,一周10分钟；9999，一周1分钟不可用。可用性：从客户角度。可用性度量：A = MTBF / (MTBF + MTTR) ，其中MTBF表示mean time betweenfailures，而MTTR表示maximum time to repair or resolve。

高可用行性的成本和收益，好钢用在刀刃上。

如何快速切换：有可以切换的？可以不重启应用么？操作快捷么？演练过么？

切换的影响：切换目标资源能否承受新增的压力；切换是否影响状态（数据的一致性、丢失问题）。

监控到位、即时，减少故障发现时间；监控全面，增加故障分析时可以参考的数据。

troubleshooting的能力，踩坑的精力， COE，问题本质、根源的追查。

软件质量：编码是否健壮、（异常处理、防御性、2/8原则）超时处理、日志是否全面合理、线程名称等等。

测试：case是否全面、自动回归。

上线：是否灰度：N+1, N+2；回滚方案、数据回滚。

分组和隔离
网络流量隔离：大数据单独部署，QOS；
业务系统隔离：秒杀系统独立出主交易；
流量分组：对使用者按照重要程度、请求量、SLA要求等因素分级
存储的分组：按照使用者重要程度、实时性要求等因素，将数据库的复制集分组

传统世界的例子：道路被划分为高速道路、自行道、人行道等，各行其道。

流量分组
举例：商品基础信息读服务。对使用者按照重要程度、请求量、SLA要求等因素分级，将服务实例和存储分组：交易、生产、网站、移动、promise、ERP…

读写分离
举例：商品主数据服务。按照使用者重要程度、实时性要求等因素，将数据库分组：ERP、POP、网站、大数据平台…

限流
限流原则：影响到用户体验，谨慎使用
区分正常流量和超预期流量：限流标准来自压力测试、折算
读少限，写多限
客户端配合限流
不同分组的限流阈值
各层限流手段

前置限流，快速失败：比如通过提供给调用方的JSF客户端，封装限流逻辑。
Nginx层限流：自主研发的模块；几个规则：账户，IP，系统调用流程。
应用限流：减少并发数线程数；读少限，写多限；DB限流；连接数。

降级
保证用户的核心需求
降级需要有预案和开关：确定系统和功能级别，是否可降，影响如何；降级需要有开关
非关键业务屏蔽：购物车的库存状态
业务功能模块降级：实时价格更新不及时；peking库，保订单管道、生产，暂停统计相关
数据降级：动态降级到静态；远程服务降级到本地缓存：采销岗服务

监控和切换
无所不在的监控：网络流量；操作系统指标；服务接口调用量、TP99、错误率…；日志；业务量变化；太多监控了，如何提高监控的质量
切换：切换开关；成熟的流程可自动化；数据的重要性、一致性，要求强一致的，可以人工介入；系统的指标没法判断、监控点不全的，需人工判断决定

review

Nginx层限流：自主研发的模块；几个规则：账户，IP，系统调用流程。

应用限流：减少并发数线程数；读少限，写多限；DB限流；连接数

5、如何验证性能和稳定性
线上压测：两类压力测试场景（读业务压测、写业务压测）；压力测试方案（从集群中缩减服务器、复制流量、模拟流量、憋单）
全流程演练：降级、切换等

读业务压力测试：是将线上业务隔离后,压测至系统临界点,通过分析系统在临界点时软硬件指标定位系统短板并优化。

写逻辑压力测试,如果数据具有不可恢复性,一定要提前做好数据隔离保护,如订单号压测,为避免影响线上业务,压测前后都要做好“跳号”以隔离线上数据。

从集群中缩减服务器。加大单台服务器的压力。大概估算出正常的集群规模能够承载的流量。

复制流量。主要通过 Tcpcopy 复制端口流量,多层翻倍放大流。

模拟流量。模拟流量主要脚本攻击工具和压测工具结合,主要用ab,siege,webbench,loadruner通过多台机器压测。分机房,按分支进行压测。

憋单。主要针对后续的订单生产系统压测。通过在管道积压一批订单,然后快速释放,形成对后续生产系统持续快速的冲击,达到压测的目的。

揭秘亿级流量下系统的高性能、高并发和稳定性保障相关推荐

理论+算法+实战，教你如何实现亿级流量下的分布式限流
摘要:在互联网应用中,高并发系统会面临一个重大的挑战,那就是大量流高并发访问,比如:天猫的双十一.京东618.秒杀.抢购促销等,这些都是典型的大流量高并发场景. 本文分享自华为云社区<[高并发] ...
一招上手！这样设计扛住亿级流量活动系统
作者 | 刘艳杰责编 | 伍杏玲出品 | CSDN云计算(CSDNcloud) 在企业里,做活动是一种十分常见的需求,有面向C端用户开展的活动,也有面向公司内部员工的活动.随着互联网技术的不断发展 ...
实战系列-亿级流量秒杀系统JVM调优
导语关于亿级流量的秒杀系统的调优,其实并不仅仅包括对于JVM的调优,还有包括网络调优.IO调优.负载均衡调优,缓存调优,中间件调优等等一些东西内容的调优计划,一个亿级流量的秒杀系统仅仅是通过JV ...
多年亿级流量下的高并发经验总结，我毫无保留的写在了这本书中（CSDN创始人、总裁、副总裁联合推荐）
大家好,我是冰河~~ 今天,给大家隆重的宣布一个好消息:继出版<海量数据处理与大数据技术实战>.<MySQL技术大全:开发.优化与运维实战>和<深入理解分布式事务:原理与 ...
【高并发】如何实现亿级流量下的分布式限流？这些理论你必须掌握！！
写在前面在互联网应用中,高并发系统会面临一个重大的挑战,那就是大量流高并发访问,比如:天猫的双十一.京东618.秒杀.抢购促销等,这些都是典型的大流量高并发场景.关于秒杀,小伙伴们可以参见我的另一篇 ...
多年亿级流量下的高并发经验总结，都毫无保留地写在了这本书中
随着互联网的不断发展,CPU硬件的核心数也在不断提升,并发编程越来越普及,但是并发编程并不像其他业务那样简单明了. 在编写并发程序时,往往会出现各种各样的Bug,这些Bug常常以某种"诡异& ...
十亿级流量下，我与Redis时延小突刺的战斗史
作者:vivo互联网服务器团队-Wang Shaodong 一.背景某一日收到上游调用方的反馈,提供的某一个Dubbo接口,每天在固定的时间点被短时间熔断,抛出的异常信息为提供方dubbo线程池被耗 ...
亿级流量系统架构之如何设计承载百亿流量的高性能架构【石杉的架构笔记】...
点击上方"方志朋",选择"置顶或者星标" 你的关注意义重大! 本文来源:石杉的架构笔记(ID:shishan100) 一.往期回顾上篇文章<大型系统架构 ...
【高并发】亿级流量场景下如何实现分布式限流？看完我彻底懂了！！（文末有福利）
写在前面在互联网应用中,高并发系统会面临一个重大的挑战,那就是大量流高并发访问,比如:天猫的双十一.京东618.秒杀.抢购促销等,这些都是典型的大流量高并发场景.关于秒杀,小伙伴们可以参见我的另一篇 ...

揭秘亿级流量下系统的高性能、高并发和稳定性保障

揭秘亿级流量下系统的高性能、高并发和稳定性保障相关推荐

最新文章

热门文章