如何回答性能優化的問題，才能打動阿里面試官？

阿里妹導讀：平常工做中，咱們多少都會遇到應用的性能問題。在阿里面試中，性能優化也是常被問到的題目，用來考察是否有實際的線上問題處理經驗。面對這類問題，阿里工程師齊光給出了詳細流程。來阿里面試前，先看看這篇文章哦。

性能問題和Bug不一樣，後者的分析和解決思路更清晰，不少時候從應用日誌（文中的應用指分佈式服務下的單個節點）便可直接找到問題根源，而性能問題，其排查思路更爲複雜一些。

對應用進行性能優化，是一個系統性的工程，對工程師的技術廣度和技術深度都有所要求。一個簡單的應用，它不只包含了應用代碼自己，還和容器（虛擬機）、操做系統、存儲、網絡、文件系統等緊密相關，線上應用一旦出現了性能問題，須要咱們從多方面去考慮。

與此同時，除了一些低級的代碼邏輯引起的性能問題外，不少性能問題隱藏的較深，排查起來會比較困難，須要咱們對應用的各個子模塊、應用所使用的框架和組件的原理有所瞭解，同時掌握必定的性能優化工具和經驗。

本文總結了咱們在進行性能優化時經常使用的一些工具及技巧，目的是但願經過一個全面的視角，去感知性能優化的總體脈絡。本文主要分爲下面三個部分：

1. 第一部分會介紹性能優化的一些背景知識。
2. 第二部分會介紹性能優化的通用流程以及常見的一些誤區。
3. 第三部分會從系統層和業務層的角度，介紹高效的性能問題定位工具和高頻性能瓶頸點分佈。

本文中提到的線程、堆、垃圾回收等名詞，如無特別說明，指的是 Java 應用中的相關概念。

1.性能優化的背景

前面提到過，應用出現性能問題和應用存在缺陷是不同的，後者大多數是因爲代碼的質量問題致使，會致使應用功能性的缺失或出現風險，一經發現，會被及時修復。而性能問題，多是由多方面的因素共同做用的結果：代碼質量通常、業務發展太快、應用架構設計不合理等，這些問題處理起來通常耗時較長、分析鏈路複雜，你們都不肯意幹，所以可能會被一些臨時性的補救手段所掩蓋，如：系統水位高或者單機的線程池隊列爆炸，那就集羣擴容增長機器；內存佔用高/高峯時段 OOM，那就重啓分分鐘解決......

臨時性的補救措施只是在給應用埋雷，同時也只能解決部分問題。譬如，在不少場景下，加機器也並不能解決應用的性能問題，如對時延比較敏感的一些應用必須把單機的性能優化到極致，與此同時，加機器這種方式也形成了資源的浪費，長期來看是得不償失的。對應用進行合理的性能優化，可在應用穩定性、成本覈算得到很大的收益。

上面咱們闡述了進行性能優化的必要性。假設如今咱們的應用已經有了性能問題（eg. CPU 水位比較高），準備開始進行優化工做了，在這個過程當中，潛在的痛點會有哪些呢？下面列出一些較爲常見的：

1. 對性能優化的流程不是很清晰。初步定爲一個疑似瓶頸點後，就興高采烈地吭哧吭哧開始幹，最終解決的問題其實只是一個淺層次的性能瓶頸，真實的問題的根源並未觸達；
2. 對性能瓶頸點的分析思路不是很清晰。CPU、網絡、內存......這麼多的性能指標，我到底該關注什麼，應該從哪一起開始入手？
3. 對性能優化的工具不瞭解。遇到問題後，不清楚該用哪一個工具，不知道經過工具獲得的指標表明什麼。

2.性能優化的流程

在性能優化這個領域，並無一個嚴格的流程定義，可是對於絕大多數的優化場景，咱們能夠將其過程抽象爲下面四個步驟。

1. 準備階段：主要工做是是經過性能測試，瞭解應用的概況、瓶頸的大概方向，明確優化目標；
2. 分析階段：經過各類工具或手段，初步定位性能瓶頸點；
3. 調優階段：根據定位到的瓶頸點，進行應用性能調優；
4. 測試階段：讓調優過的應用進行性能測試，與準備階段的各項指標進行對比，觀測其是否符合預期，若是瓶頸點沒有消除或者性能指標不符合預期，則重複步驟2和3。

下圖即爲上述四個階段的簡要流程。

2.1 通用流程詳解

在上述通用流程的四個步驟當中，步驟2和3咱們會在接下來兩個部分重點進行介紹。首先咱們來看一下，在準備階段和測試階段，咱們須要作一些什麼。

| 2.1.1 準備階段

準備階段是很是關鍵的一步，不能省略。

首先，須要對咱們進行調優的對象進行詳盡的瞭解，所謂知己知彼，百戰不殆。

1. 對性能問題進行粗略評估，過濾一些由於低級的業務邏輯致使的性能問題。譬如，線上應用日誌級別不合理，可能會在大流量時致使 CPU 和磁盤的負載飆高，這種狀況調整日誌級別便可；
2. 瞭解應用的的整體架構，好比應用的外部依賴和核心接口有哪些，使用了哪些組件和框架，哪些接口、模塊的使用率較高，上下游的數據鏈路是怎麼樣的等；
3. 瞭解應用對應的服務器信息，如服務器所在的集羣信息、服務器的 CPU/內存信息、安裝的 Linux 版本信息、服務器是容器仍是虛擬機、所在宿主機混部後是否對當前應用有干擾等；

其次，咱們須要獲取基準數據，而後結合基準數據和當前的一些業務指標，肯定這次性能優化的最終目標。

1. 使用基準測試工具獲取系統細粒度指標。可使用若干 Linux 基準測試工具（eg. jmeter、ab、loadrunnerwrk、wrk等），獲得文件系統、磁盤 I/O、網絡等的性能報告。除此以外，相似 GC、Web 服務器、網卡流量等信息，若有必要也是須要了解記錄的；
2. 經過壓測工具或者壓測平臺（若是有的話），對應用進行壓力測試，獲取當前應用的宏觀業務指標，譬如：響應時間、吞吐量、TPS、QPS、消費速率（對於有 MQ 的應用）等。壓力測試也能夠省略，能夠結合當前的實際業務和過往的監控數據，去統計當前的一些核心業務指標，如午高峯的服務 TPS。

| 2.1.2 測試階段

進入到這一階段，說明咱們已經初步肯定了應用性能瓶頸的所在，並且已經進行初步的調優了。檢測咱們調優是否有效的方式，就是在仿真的條件下，對應用進行壓力測試。注意：因爲 Java 有 JIT（just-in-time compilation）過程，所以壓力測試時可能須要進行前期預熱。

若是壓力測試的結果符合了預期的調優目標，或者與基準數據相比，有很大的改善，則咱們能夠繼續經過工具定位下一個瓶頸點，不然，則須要暫時排除這個瓶頸點，繼續尋找下一個變量。

2.2 注意事項

在進行性能優化時，瞭解下面這些注意事項可讓咱們少走一些彎路。

1. 性能瓶頸點一般呈現 2/8 分佈，即80%的性能問題一般是由20%的性能瓶頸點致使的，2/8 原則也意味着並非全部的性能問題都值得去優化；
2. 性能優化是一個漸進、迭代的過程，須要逐步、動態地進行。記錄基準後，每次改變一個變量，引入多個變量會給咱們的觀測、優化過程形成干擾；
3. 不要過分追求應用的單機性能，若是單機表現良好，則應該從系統架構的角度去思考; 不要過分追求單一維度上的極致優化，如過分追求 CPU 的性能而忽略了內存方面的瓶頸；
4. 選擇合適的性能優化工具，可使得性能優化取得事半功倍的效果；
5. 整個應用的優化，應該與線上系統隔離，新的代碼上線應該有降級方案。

3.瓶頸點分析工具箱

性能優化其實就是找出應用存在性能瓶頸點，而後設法經過一些調優手段去緩解。性能瓶頸點的定位是較困難的，快速、直接地定位到瓶頸點，須要具有下面兩個條件：

1. 恰到好處的工具；
2. 必定的性能優化經驗。

工欲善其事，必先利其器，咱們該如何選擇合適的工具呢？不一樣的優化場景下，又該選擇那些工具呢？

首選，咱們來看一下大名鼎鼎的「性能工具(Linux Performance Tools-full)圖」，想必不少工程師都知道，它出自系統性能專家 Brendan Gregg。該圖從 Linux 內核的各個子系統出發，列出了咱們在對各個子系統進行性能分析時，可以使用的工具，涵蓋了監測、分析、調優等性能優化的方方面面。除了這張全景圖以外，Brendan Gregg 還單獨提供了基準測試工具(Linux Performance Benchmark Tools)圖、性能監測工具(Linux Performance Observability Tools)圖等，更詳細的內容請參考 Brendan Gregg 的網站說明。

上面這張圖很是經典，是咱們作性能優化時很是好的參考資料，但事實上，咱們在實際運用的時候，會發現可能它並非最合適的，緣由主要有下面兩點：

1）對分析經驗要求較高。上面這張圖實際上是從 Linux 系統資源的角度去觀測性能指標的，這要求咱們對 Linux 各個子系統的功能、原理要有所瞭解。舉例：遇到性能問題了，咱們不會拿每一個子系統下的工具都去試一遍，大多數狀況是：咱們懷疑某個子系統有問題，而後根據這張圖上列舉的工具，去觀測或者驗證咱們的猜測，這無疑拔高了對性能優化經驗的要求；

2）適用性和完整性不是很好。咱們在分析性能問題時，從系統底層自底向上地分析是較低效的，大多數時候，從應用層面去分析會更加有效。性能工具(Linux Performance Tools-full)圖只是從系統層一個角度給出了工具集，若是從應用層開始分析，咱們可使用哪些工具？哪些點是咱們首先須要關注的？

鑑於上面若干痛點，下面給出了一張更爲實用的「性能優化工具圖譜」，該圖分別從系統層、應用層（含組件層）的角度出發，列舉了咱們在分析性能問題時首先須要關注的各項指標（其中?標註的是最須要關注的），這些點是最有可能出現性能瓶頸的地方。須要注意的是，一些低頻的指標或工具，在圖中並無列出來，如 CPU 中斷、索引節點使用、I/O事件跟蹤等，這些低頻點的排查思路較複雜，通常遇到的機會也很少，在這裏咱們聚焦最多見的一些就能夠了。

對比上面的性能工具(Linux Performance Tools-full)圖，下圖的優點在於：把具體的工具同性能指標結合了起來，同時從不一樣的層次去描述了性能瓶頸點的分佈，實用性和可操做性更強一些。系統層的工具分爲CPU、內存、磁盤（含文件系統）、網絡四個部分，工具集同性能工具(Linux Performance Tools-full)圖中的工具基本一致。組件層和應用層中的工具構成爲：JDK 提供的一些工具 + Trace 工具 + dump 分析工具 + Profiling 工具等。

這裏就不具體介紹這些工具的具體用法了，咱們可使用 man 命令獲得工具詳盡的使用說明，除此以外，還有另一個查詢命令手冊的方法：info。info 能夠理解爲 man 的詳細版本，若是 man 的輸出不太好理解，能夠去參考 info 文檔，命令太多，記不住也不必記住。

上面這張圖該如何使用？

首先，雖然從系統、組件、應用兩個三個角度去描述瓶頸點的分佈，但在實際運行時，這三者每每是相輔相成、相互影響的。系統是爲應用提供了運行時環境，性能問題的本質就是系統資源達到了使用的上限，反映在應用層，就是應用/組件的各項指標開始降低；而應用/組件的不合理使用和設計，也會加速系統資源的耗盡。所以，分析瓶頸點時，須要咱們結合從不一樣角度分析出的結果，抽出共性，獲得最終的結論。

其次，建議先從應用層入手，分析圖中標註的高頻指標，抓出最重要的、最可疑的、最有可能致使性能的點，獲得初步的結論後，再去系統層進行驗證。這樣作的好處是：不少性能瓶頸點體如今系統層，會是多變量呈現的，譬如，應用層的垃圾回收（GC）指標出現了異常，經過 JDK 自帶的工具很容易觀測到，可是體如今系統層上，會發現系統當前的 CPU 利用率、內存指標都不太正常，這就給咱們的分析思路帶來了困擾。

最後，若是瓶頸點在應用層和系統層均呈現出多變量分佈，建議此時使用 ZProfiler、JProfiler 等工具對應用進行 Profiling，獲取應用的綜合性能信息（注：Profiling 指的是在應用運行時，經過事件（Event-based）、統計抽樣（Sampling Statistical）或植入附加指令（Byte-Code instrumentation）等方法，收集應用運行時的信息，來研究應用行爲的動態分析方法）。譬如，能夠對 CPU 進行抽樣統計，結合各類符號表信息，獲得一段時間內應用內的代碼熱點。

下面介紹在不一樣的分析層次，咱們須要關注的核心性能指標，同時，也會介紹如何初步根據這些指標，判斷系統或應用是否存在性能瓶頸點，至於瓶頸點的確認、瓶頸點的成因、調優手段，將會在下一部分展開。

3.1 CPU&&線程

和 CPU 相關的指標主要有如下幾個。經常使用的工具備 top、 ps、uptime、 vmstat、 pidstat等。

1. CPU利用率（CPU Utilization）
2. CPU 平均負載（Load Average）
3. 上下文切換次數（Context Switch）

top - 12:20:57 up 25 days, 20:49, 2 users, load average: 0.93, 0.97, 0.79

Tasks: 51 total, 1 running, 50 sleeping, 0 stopped, 0 zombie
%Cpu(s): 1.6 us, 1.8 sy, 0.0 ni, 89.1 id, 0.1 wa, 0.0 hi, 0.1 si, 7.3 st
KiB Mem : 8388608 total, 476436 free, 5903224 used, 2008948 buff/cache
KiB Swap: 0 total, 0 free, 0 used. 0 avail Mem

PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND

119680 admin 20 0 600908 72332 5768 S 2.3 0.9 52:32.61 obproxy
65877 root 20 0 93528 4936 2328 S 1.3 0.1 449:03.61 alisentry_cli

第一行顯示的內容：當前時間、系統運行時間以及正在登陸用戶數。load average 後的三個數字，依次表示過去 1 分鐘、5 分鐘、15 分鐘的平均負載（Load Average）。平均負載是指單位時間內，系統處於可運行狀態（正在使用 CPU 或者正在等待 CPU 的進程，R 狀態）和不可中斷狀態（D 狀態）的平均進程數，也就是平均活躍進程數，CPU 平均負載和 CPU 使用率並無直接關係。

第三行的內容表示 CPU 利用率，每一列的含義可使用 man 查看。CPU 使用率體現了單位時間內 CPU 使用狀況的統計，以百分比的方式展現。計算方式爲：CPU 利用率 = 1 - （CPU 空閒時間）/ CPU 總的時間。須要注意的是，經過性能分析工具獲得的 CPU 的利用率實際上是某個採樣時間內的 CPU 平均值。注：top 工具顯示的的 CPU 利用率是把全部 CPU 核的數值加起來的，即 8 核 CPU 的利用率最大能夠到達800%（能夠用 htop 等更新一些的工具代替 top）。

使用 vmstat 命令，能夠查看到「上下文切換次數」這個指標，以下表所示，每隔1秒輸出1組數據：

$ vmstat 1

procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu-----
r b swpd free buff cache si so bi bo in cs us sy id wa st
0 0 0 504804 0 1967508 0 0 644 33377 0 1 2 2 88 0 9

上表的 cs（context switch） 就是每秒上下文切換的次數，按照不一樣場景，CPU 上下文切換還能夠分爲中斷上下文切換、線程上下文切換和進程上下文切換三種，可是不管是哪種，過多的上下文切換，都會把 CPU 時間消耗在寄存器、內核棧以及虛擬內存等數據的保存和恢復上，從而縮短進程真正運行的時間，致使系統的總體性能大幅降低。vmstat 的輸出中 us、sy 分別用戶態和內核態的 CPU 利用率，這兩個值也很是具備參考意義。

vmstat 的輸只給出了系統整體的上下文切換狀況，要想查看每一個進程的上下文切換詳情（如自願和非自願切換），須要使用 pidstat，該命令還能夠查看某個進程用戶態和內核態的 CPU 利用率。

CPU 相關指標異常的分析思路是什麼？

1）CPU 利用率：若是咱們觀察某段時間系統或應用進程的 CPU利用率一直很高（單個 core 超過80%），那麼就值得咱們警戒了。咱們能夠屢次使用 jstack 命令 dump 應用線程棧查看熱點代碼，非 Java 應用能夠直接使用 perf 進行 CPU 采采樣，離線分析採樣數據後獲得 CPU 執行熱點（Java 應用須要符號表進行堆棧信息映射，不能直接使用 perf獲得結果）。

2）CPU 平均負載：平均負載高於 CPU 數量 70%，意味着系統存在瓶頸點，形成負載升高的緣由有不少，在這裏就不展開了。須要注意的是，經過監控系統監測平均負載的變化趨勢，更容易定位問題，有時候大文件的加載等，也會致使平均負載瞬時升高。若是 1 分鐘/5 分鐘/15 分鐘的三個值相差不大，那說明系統負載很平穩，則不用關注，若是這三個值逐漸下降，說明負載在漸漸升高，須要關注總體性能；

3）CPU 上下文切換：上下文切換這個指標，並無經驗值可推薦（幾十到幾萬都有可能），這個指標值取決於系統自己的 CPU 性能，以及當前應用工做的狀況。可是，若是系統或者應用的上下文切換次數出現數量級的增加，就有很大機率說明存在性能問題，如非自願上下切換大幅度上升，說明有太多的線程在競爭 CPU。

上面這三個指標是密切相關的，如頻繁的 CPU 上下文切換，可能會致使平均負載升高。如何根據這三者之間的關係進行應用調優，將在下一部分介紹。

CPU 上的的一些異動，一般也能夠從線程上觀測到，但須要注意的是，線程問題並不徹底和 CPU 相關。與線程相關的指標，主要有下面幾個（均均可以經過 JDK 自帶的 jstack 工具直接或間接獲得）：

1. 應用中的總的線程數；
2. 應用中各個線程狀態的分佈；
3. 線程鎖的使用狀況，如死鎖、鎖分佈等；

關於線程，可關注的異常有：

1）線程總數是否過多。過多的線程，體如今 CPU 上就是致使頻繁的上下文切換，同時線程過多也會消耗內存，線程總數大小和應用自己和機器配置相關；

2）線程的狀態是否異常。觀察 WAITING/BLOCKED 線程是否過多（線程數設置過多或鎖競爭劇烈），結合應用內部鎖使用的狀況綜合分析；

3）結合 CPU 利用率，觀察是否存在大量消耗 CPU 的線程。

3.2 內存&&堆

和內存相關的指標主要有如下幾個，經常使用的分析工具備：top、free、vmstat、pidstat 以及 JDK 自帶的一些工具。

1. 系統內存的使用狀況，包括剩餘內存、已用內存、可用內存、緩存/緩衝區；
2. 進程（含 Java 進程）的虛擬內存、常駐內存、共享內存；
3. 進程的缺頁異常數，包含主缺頁異常和次缺頁異常；
4. Swap 換入和換出的內存大小、Swap 參數配置；
5. JVM 堆的分配，JVM 啓動參數；
6. JVM 堆的回收，GC 狀況。

使用 free 能夠查看系統內存的使用狀況和 Swap 分區的使用狀況，top 工具能夠具體到每一個進程，如咱們能夠用使用 top 工具查看 Java 進程的常駐內存大小（RES），這兩個工具結合起來，可用覆蓋大多數內存指標。下面是使用 free命令的輸出：

$free -h

total        used        free      shared  buff/cache   available

Mem: 125G 6.8G 54G 2.5M 64G 118G

Swap: 2.0G 305M 1.7G

上述輸出各列的具體含義在這裏不在贅述，也比較容易理解。重點介紹下 swap 和 buff/cache 這兩個指標。

Swap 的做用是把一個本地文件或者一塊磁盤空間做爲內存來使用，包括換出和換入兩個過程。Swap 須要讀寫磁盤，因此性能不是很高，事實上，包括 ElasticSearch 、Hadoop 在內絕大部分 Java 應用都建議關掉 Swap，這是由於內存的成本一直在下降，同時這也和 JVM 的垃圾回收過程有關：JVM在 GC 的時候會遍歷全部用到的堆的內存，若是這部份內存被 Swap 出去了，遍歷的時候就會有磁盤 I/O 產生。Swap 分區的升高通常和磁盤的使用強相關，具體分析時，須要結合緩存使用狀況、swappiness 閾值以及匿名頁和文件頁的活躍狀況綜合分析。

buff/cache 是緩存和緩衝區的大小。緩存（cache）：是從磁盤讀取的文件的或者向磁盤寫文件時的臨時存儲數據，面向文件。使用 cachestat 能夠查看整個系統緩存的讀寫命中狀況，使用 cachetop 能夠觀察每一個進程緩存的讀寫命中狀況。緩衝區（buffer）是寫入磁盤數據或從磁盤直接讀取的數據的臨時存儲，面向塊設備。free 命令的輸出中，這兩個指標是加在一塊兒的，使用 vmstat 命令能夠區分緩存和緩衝區，還能夠看到 Swap 分區換入和換出的內存大小。

瞭解到常見的內存指標後，常見的內存問題又有哪些？總結以下：

1. 系統剩餘內存/可用不足（某個進程佔用太多、系統自己內存不足），內存溢出；
2. 內存回收異常：內存泄漏（進程在一段時間內內存使用持續走高）、GC 頻率異常；
3. 緩存使用過大（大文件讀取或寫入）、緩存命中率不高；
4. 缺頁異常過多（頻繁的 I/O 讀）；
5. Swap 分區使用異常（使用過大）；

內存相關指標異常後，分析思路是怎麼樣的？

1. 使用 free/top 查看內存的全局使用狀況，如系統內存的使用、Swap 分區內存使用、緩存/緩衝區佔用狀況等，初步判斷內存問題存在的方向：進程內存、緩存/緩衝區、Swap 分區；
2. 觀察一段時間內存的使用趨勢。如經過 vmstat 觀察內存使用是否一直在增加；經過 jmap 定時統計對象內存分佈狀況，判斷是否存在內存泄漏，經過 cachetop 命令，定位緩衝區升高的根源等；
3. 根據內存問題的類型，結合應用自己，進行詳細分析。

舉例：使用 free 發現緩存/緩衝區佔用不大，排除緩存/緩衝區對內存的影響後 -> 使用 vmstat 或者 sar 觀察一下各個進程內存使用變化趨勢 -> 發現某個進程的內存時候用持續走高 -> 若是是 Java 應用，可使用 jmap / VisualVM / heap dump 分析等工具觀察對象內存的分配，或者經過 jstat 觀察 GC 後的應用內存變化 -> 結合業務場景，定位爲內存泄漏/GC參數配置不合理/業務代碼異常等。

3.3 磁盤&&文件

在分析和磁盤相關的問題時，一般是將其和文件系統同時考慮的，下面再也不區分。和磁盤/文件系統相關的指標主要有如下幾個，經常使用的觀測工具爲 iostat和 pidstat，前者適用於整個系統，後者可觀察具體進程的 I/O。

1. 磁盤 I/O 利用率：是指磁盤處理 I/O 的時間百分比；
2. 磁盤吞吐量：是指每秒的 I/O 請求大小，單位爲 KB;
3. I/O 響應時間，是指 I/O 請求從發出到收到響應的間隔，包含在隊列中的等待時間和實際處理時間；
4. IOPS（Input/Output Per Second）：每秒的 I/O 請求數；
5. I/O 等待隊列大小，指的是平均 I/O 隊列長度，隊列長度越短越好；

使用 iostat 的輸出界面以下：

$iostat -dx

Linux 3.10.0-327.ali2010.alios7.x86_64 (loginhost2.alipay.em14) 10/20/2019 x86_64 (32 CPU)

Device: rrqm/s wrqm/s r/s w/s rkB/s wkB/s avgrq-sz avgqu-sz await r_await w_await svctm %util
sda 0.01 15.49 0.05 8.21 3.10 240.49 58.92 0.04 4.38 2.39 4.39 0.09 0.07

上圖中 %util ，即爲磁盤 I/O 利用率，同 CPU 利用率同樣，這個值也可能超過 100%（存在並行 I/O）；rkB/s 和 wkB/s分別表示每秒從磁盤讀取和寫入的數據量，即吞吐量，單位爲 KB；磁盤 I/O處理時間的指標爲 r_await 和 w_await 分別表示讀/寫請求處理完成的響應時間，svctm 表示處理 I/O 所須要的平均時間，該指標已被廢棄，無實際意義。r/s + w/s 爲 IOPS 指標，分別表示每秒發送給磁盤的讀請求數和寫請求數；aqu-sz 表示等待隊列的長度。

pidstat 的輸出大部分和 iostat 相似，區別在於它能夠實時查看每一個進程的 I/O 狀況。

如何判斷磁盤的指標出現了異常？

1. 當磁盤 I/O 利用率長時間超過 80%，或者響應時間過大（對於 SSD，從 0.0x 毫秒到 1.x 毫秒不等，機械磁盤通常爲5ms~10ms），一般意味着磁盤 I/O 存在性能瓶頸；
2. 若是 %util 很大，而 rkB/s 和 wkB/s 很小，通常是由於存在較多的磁盤隨機讀寫，最好把隨機讀寫優化成順序讀寫，（能夠經過 strace 或者 blktrace 觀察 I/O 是否連續判斷是不是順序的讀寫行爲，隨機讀寫應可關注 IOPS 指標，順序讀寫可關注吞吐量指標）；
3. 若是 avgqu-sz 比較大，說明有不少 I/O 請求在隊列中等待。通常來講，若是單塊磁盤的隊列長度持續超過2，通常認爲該磁盤存在 I/O 性能問題。

3.4 網絡

網絡這個概念涵蓋的範圍較廣，在應用層、傳輸層、網絡層、網絡接口層都有不一樣的指標去衡量。這裏咱們討論的「網絡」，特指應用層的網絡，一般使用的指標以下:

1. 網絡帶寬：表示鏈路的最大傳輸速率；
2. 網絡吞吐：表示單位時間內成功傳輸的數據量大小；
3. 網絡延時：表示從網絡請求發出後直到收到遠端響應，所須要的時間；
4. 網絡鏈接數和錯誤數；

通常來講，應用層的網絡瓶頸有以下幾類：

1. 集羣或機器所在的機房的網絡帶寬飽和，影響應用 QPS/TPS 的提高；
2. 網絡吞吐出現異常，如接口存在大量的數據傳輸，形成帶寬佔用太高；
3. 網絡鏈接出現異常或錯誤；
4. 網絡出現分區。

帶寬和網絡吞吐這兩個指標，通常咱們會關注整個應用的，經過監控系統可直接獲得，若是一段時間內出現了明顯的指標上升，說明存在網絡性能瓶頸。對於單機，可使用 sar 獲得網絡接口、進程的網絡吞吐。

使用 ping 或者 hping3 能夠獲得是否出現網絡分區、網絡具體時延。對於應用，咱們更關注整個鏈路的時延，能夠經過中間件埋點後輸出的 trace 日誌獲得鏈路上各個環節的時延信息。

使用 netstat、ss 和 sar 能夠獲取網絡鏈接數或網絡錯誤數。過多網絡連接形成的開銷是很大的，一是會佔用文件描述符，二是會佔用緩存，所以系統能夠支撐的網絡連接數是有限的。

3.5 工具總結

能夠看到的是，在分析 CPU、內存、磁盤等的性能指標時，有幾種工具是高頻出現的，如 top、vmstat、pidstat，這裏稍微總結一下:

1. CPU：top、vmstat、pidstat、sar、perf、jstack、jstat；
2. 內存：top、free、vmstat、cachetop、cachestat、sar、jmap；
3. 磁盤：top、iostat、vmstat、pidstat、du/df；
4. 網絡：netstat、sar、dstat、tcpdump；
5. 應用：profiler、dump分析。

上述的不少工具，大部分是用於查看系統層指標的，在應用層，除了有 JDK 提供的一系列工具，一些商用的產品如 gceasy.io（分析 GC 日誌）、fastthread.io（分析線程 dump 日誌）也是不錯的。

排查 Java 應用的線上異常或者分析應用代碼瓶頸，可使用阿里開源的 Arthas ，這個工具很是強大，下面簡單介紹下。

Arthas 主要面向線上應用實時診斷，解決的是相似「線上應用異常了，須要在線進行分析和定位」的問題，固然，Arthas 提供的一些方法調用追蹤工具，對咱們排查諸如「慢查詢」等問題，也是很是有幫助的。Arthas 提供的主要功能有：

1. 獲取線程統計，如線程持有的鎖統計、CPU 利用率統計等；
2. 類加載信息、動態類加載、方法加載信息；
3. 調用棧追蹤，調用耗時統計；
4. 方法調用參數、結果檢測；
5. 系統配置、應用配置信息；
6. 反編譯加載類；
7. ....

須要注意的是，性能工具只是解決性能問題的手段，咱們瞭解經常使用工具的通常用法便可，不要在工具學習上投入過多精力。

---

本文做者： 齊光

閱讀原文

本文來自雲棲社區合做夥伴「阿里技術」，如需轉載請聯繫原做者。