概述

以下分享的都跳過了很多坑，包括redis、tomcat環境配置、機器硬件配置等等問題（與線上保持一致，或者硬件性能減配系數，例如線上：8C16G，壓測：4C8G，系數簡單相差2倍），直接把挖掘瓶頸的主要思路搬出臺面。

壓測數據分析

全局圖預覽

? ? ?

通過對某直播觀看頁面進行高并發壓測，在APM（Pinpoint）監控中發現一個有趣的地方：

? ? ?

上圖中兩個紅框中的數據（接近10s），相隔大概30分鐘就發生，16:20左右，系統撐不住服務出現異常不可用，懷著好奇的心態，追查方法調用的棧，如下圖所示：

? ? ?

該方法耗時多久呢？首先搞清楚Call Tree里面的一些概念：

? ? ?

可見這個sql查詢方法耗時14秒多，為什么呢？APM里面已經顯示了sql語句，在mysql中執行查詢發現執行時間很快，那么問題出在哪里呢？只能繼續深挖！

通過對比同樣的url，請求響應毫秒級的情況下，發現數據如下圖所示：

? ? ?

從redis獲取到數據后，并沒有再執行sql查詢了，通過這個分析，我們決定追蹤代碼還原真相（不懂代碼的測試不是好開發）：

? ? ?

? ? ?

可以看到緩存失效之后，直接查詢數據庫了

解決方案

SQL優化：優先級低

從數據分析來看，sql優化的用處不大，并不是返回了大量數據缺少索引，此次可以跳過。

緩存并發：優先級高

　　出現場景：當網站并發訪問高，一個緩存如果失效，可能出現多個進程同時查詢DB，同時設置緩存的情況，如果并發確實很大，這也可能造成DB壓力過大，還有緩存頻繁更新的問題。
　　處理方法：對緩存查詢加鎖，如果KEY不存在，就加鎖，然后查DB入緩存，然后解鎖；其他進程如果發現有鎖就等待，然后等解鎖后返回數據或者進入DB查詢。

經驗總結

1、善用監控工具，例如APM，進行鏈路監控、服務器性能、方法調用順序觀察

2、追蹤方法棧和相關日志

3、深入排查代碼挖本質

微信公眾號：樂少黑板報