Java教程

架构师必备:如何做容量预估和调优

本文主要是介绍架构师必备:如何做容量预估和调优,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

为了构建高并发、高可用的系统架构,压测、容量预估必不可少,在发现系统瓶颈后,需要有针对性地扩容、优化。结合楼主的经验和知识,本文做一个简单的总结,欢迎探讨。

1、QPS保障目标

一开始就要明确定义QPS保障目标,以此来推算所需的服务、存储资源。可根据历史同期QPS,或者平时峰值的2到3倍估算。

压测目标示例:

  • qps达到多少时,服务的负载正常,如平均响应时间、95分位响应时间、cpu使用率、内存使用率、消费延迟低于多少
  • 不要让任何一个环节成为瓶颈,需考虑服务实例、数据库、Redis、ES、Hbase等资源

2、服务注意点

2.1、服务qps上限

服务qps上限 = 工作线程数 * 1/平均单次请求处理耗时

主要关注以下几点:

(1)工作线程数,对qps起到了直接影响。

dubbo工作线程数配置举例:
<dubbo:protocol name="dubbo" threadpool="fixed" threads="1000" />

(2)cpu使用率:跟服务是I/O密集型,还是计算密集型有关。

  • I/O密集型:调用多个下游服务,本身逻辑较简单,cpu使用率不会很高,因此服务实例的个数不用很多
  • 计算密集型:本身逻辑很复杂,有较重的计算,cpu使用率可能飙升,因此可适当多部署一些服务实例

(3)网络带宽:

  • 对于大量的小请求,基本无需考虑
  • 如果请求内容较大,多个并发可能打满网络带宽,如上传图片、视频等。

以实际压测为准。或者在线上调整权重,引导较多流量访问1台实例,记录达到阈值时的qps,可估算出单实例的最大qps。

2.2、超时时间设置

漏斗型:从上到下,timeout时间建议由大到小设置,也即底层/下游服务的timeout时间不宜设置太大;否则可能出现底层/下游服务线程池耗尽、然后拒绝请求的问题(抛出java.util.concurrent.RejectedExecutionException异常)
原因是上游服务已经timeout了,而底层/下游服务仍在执行,上游请求源源不断打到底层/下游服务,直至线程池耗尽、新请求被拒绝,最坏的情况是产生级联的雪崩,上游服务也耗尽线程池,无法响应新请求。
具体timeout时间,取决于接口的响应时间,可参考95分位、或99分位的响应时间,略微大一些。
dubbo超时时间示例:在服务端、客户端均可设置,推荐在服务端设置默认超时时间,客户端也可覆盖超时时间;
<dubbo:service id="xxxService" interface="com.xxx.xxxService" timeout=1000 />
<dubbo:reference id="xxxService" interface="com.xxx.xxxService" timeout=500 />

2.3、异步并行调用

如果多个调用之间,没有顺序依赖关系,为了提高性能,可考虑异步并行调用。
dubbo异步调用示例:

  1. 首先,需要配置consumer.xml,指定接口是异步调用:
    <dubbo:reference id="xxxService" interface="com.xxx.xxxService" async=true />

  2. 然后,在代码中通过RpcContext.getContext().getFuture()获取异步调用结果Future对象:

    // 调用1先执行
    interface1.xxx();

    // 调用2、3、4无顺序依赖,可异步并行执行
    interface2.xxx();
    future2 = RpcContext.getContext().getFuture();
    interface3.xxx();
    future3 = RpcContext.getContext().getFuture();
    interface4.xxx();
    future4 = RpcContext.getContext().getFuture();

    // 获取调用2、3、4的执行结果
    result2 = future2.get();
    result3 = future3.get();
    result4 = future4.get();
    // 此处会阻塞至调用2、3、4都执行完成,取决于执行时间最长的那个
    handleResult2(result2);
    handleResult3(result3);
    handleResult4(result4);

    // 调用5最后执行,会阻塞至前序操作都完成
    interface5.xxx();

2.4、强依赖、弱依赖

  • 强依赖调用:决不能跳过,失败则抛异常、快速失败
  • 弱依赖调用:决不能阻塞流程,失败可忽略

2.5 降级

  • 粗粒度:开关控制,如对整个非关键功能降级,隐藏入口
  • 细粒度:调用下游接口失败时,返回默认值

2.6 限流

超过的部分直接抛限流异常,万不得已为之。

3、存储资源注意点

3.1、放大倍数:1次核心操作,对应的资源读写次数、接口调用次数

例如:1次核心操作,查了3次缓存、写了1次缓存、查了2次数据库、写了1次数据库、发了1次MQ消息、调了下游服务A的接口;

则对于读缓存放大倍数为3,写缓存放大倍数为1,读数据库放大倍数为2,写数据库放大倍数为1,MQ放大倍数为1,调用下游服务A的放大倍数为1。针对写放大倍数,需要单独考虑主库是否扛得住放大倍数的qps。
需关注:

  • 读、写的放大倍数,要分开考虑,因为分布式架构通常是一主多从,一主需要支撑所有的写QPS,多从可以支撑所有的读QPS
  • DB读放大倍数、DB写放大倍数
  • Redis读放大倍数、Redis写放大倍数
  • MQ放大倍数
  • 接口调用放大倍数等

3.2、存储资源QPS估算

存储资源的QPS上限,跟机器的具体配置有关,8C32G机型的QPS上限当然要高于4C16G机型。下表为典型值举例。

资源类型 单实例QPS数量级(典型值) 水平扩展方式 集群总QPS估算
DB 几千 分库分表 实例个数*单实例QPS,其中实例个数的范围是1~分库个数(可达数百)
Redis 几万 Redis集群 实例个数*单实例QPS,其中实例个数的范围是1~分片个数(可达数百),总QPS可达百万级
MQ 几万 partition拆分,每个分片最多被1个服务并发消费 实例个数*单实例QPS,其中实例个数的范围是1~partition个数,总QPS可达百万级
HBase 几千? region拆分 实例个数*单实例QPS,其中实例个数的范围是1~region个数
ES 几千? shard拆分 实例个数*单实例QPS,其中实例个数的范围是1~shard个数
这篇关于架构师必备:如何做容量预估和调优的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!