?

背景

最近負責的一個自研的 Dubbo 注冊中心經常收到 CPU 使用率的告警，于是進行了一波優化，效果還不錯，于是打算分享下思考、優化過程，希望對大家有一些幫助。

自研 Dubbo 注冊中心是個什么東西，我畫個簡圖大家稍微感受一下就好，看不懂也沒關系，不影響后續的理解。

• Consumer 和 Provider 的服務發現請求（注冊、注銷、訂閱）都發給 Agent，由它全權代理

• Registry 和 Agent 保持 Grpc 長鏈接，長鏈接的目的主要是 Provider 方有變更時，能及時推送給相應的 Consumer。為了保證數據的正確性，做了推拉結合的機制，Agent 會每隔一段時間去 Registry 拉取訂閱的服務列表

• Agent 和業務服務部署在同一臺機器上，類似 Service Mesh 的思路，盡量減少對業務的入侵，這樣就能快速的迭代了

回到今天的重點，這個注冊中心最近 CPU 使用率長期處于中高水位，偶爾有應用發布，推送量大時，CPU 甚至會被打滿。

以前沒感覺到，是因為接入的應用不多，最近幾個月應用越接越多，慢慢就達到了告警閾值。

?

尋找優化點

由于這項目是 Go 寫的（不懂 Go 的朋友也沒關系，本文重點在算法的優化，不在工具的使用上）， 找到哪里耗 CPU 還是挺簡單的：打開 pprof 即可，去線上采集一段時間即可。

具體怎么操作可以參考我之前的這篇文章，今天文章中用到的知識和工具，這篇文章都能找到。

CPU profile 截了部分圖，其他的不太重要，可以看到消耗 CPU 多的是 AssembleCategoryProviders方法，與其直接關聯的是

• 2個 redis 相關的方法

• 1個叫assembleUrlWeight的方法

稍微解釋下，AssembleCategoryProviders 方法是構造返回 Dubbo provider 的 url，由于會在返回 url 時對其做一些處理（比如調整權重等），會涉及到對這個 Dubbo url 的解析。又由于推拉結合的模式，線上服務使用方越多，這個處理的 QPS 就越大，所以它占用了大部分 CPU 一點也不奇怪。

這兩個 redis 操作可能是序列化占用了 CPU，更大頭在 assembleUrlWeight，有點琢磨不透。

接下來我們就分析下 assembleUrlWeight 如何優化，因為他占用 CPU 最多，優化效果肯定最好。

下面是 assembleUrlWeight 的偽代碼：

func?AssembleUrlWeight(rawurl?string,?lidcWeight?int)?string?{u,?err?:=?url.Parse(rawurl)if?err?!=?nil?{return?rawurl}values,?err?:=?url.ParseQuery(u.RawQuery)if?err?!=?nil?{return?rawurl}if?values.Get("lidc_weight")?!=?""?{return?rawurl}endpointWeight?:=?100if?values.Get("weight")?!=?""?{endpointWeight,?err?=?strconv.Atoi(values.Get("weight"))if?err?!=?nil?{endpointWeight?=?100}}values.Set("weight",?strconv.Itoa(lidcWeight*endpointWeight))u.RawQuery?=?values.Encode()return?u.String() }

傳參 rawurl 是 Dubbo provider 的url，lidcWeight 是機房權重。根據配置的機房權重，將 url 中的 weight 進行重新計算，實現多機房流量按權重的分配。

這個過程涉及到 url 參數的解析，再進行 weight 的計算，最后再還原為一個 url

Dubbo 的 url 結構和普通 url 結構一致，其特點是參數可能比較多，沒有 #后面的片段部分。

CPU 主要就消耗在這兩次解析和最后的還原中，我們看這兩次解析的目的就是為了拿到 url 中的 lidc_weight 和 weight 參數。

url.Parse 和 url.ParseQuery 都是 Go 官方提供的庫，各個語言也都有實現，其核心是解析 url 為一個對象，方便地獲取 url 的各個部分。

如果了解信息熵這個概念，其實你就大概知道這里面一定是可以優化的。Shannon（香農） 借鑒了熱力學的概念，把信息中排除了冗余后的平均信息量稱為信息熵。

url.Parse 和 url.ParseQuery 在這個場景下解析肯定存在冗余，冗余意味著 CPU 在做多余的事情。

因為一個 Dubbo url 參數通常是很多的，我們只需要拿這兩個參數，而 url.Parse 解析了所有的參數。

舉個例子，給定一個數組，求其中的最大值，如果先對數組進行排序，再取最大值顯然是存在冗余操作的。

排序后的數組不僅能取最大值，還能取第二大值、第三大值...最小值，信息存在冗余了，所以先排序肯定不是求最大值的最優解。

?

優化

優化獲取 url 參數性能

第一想法是，不要解析全部 url，只拿相應的參數，這就很像我們寫的算法題，比如獲取 weight 參數，它只可能是這兩種情況（不存在 #，所以簡單很多）：

• dubbo://127.0.0.1:20880/org.newboo.basic.MyDemoService?weight=100&...

• dubbo://127.0.0.1:20880/org.newboo.basic.MyDemoService?xx=yy&weight=100&...

要么是 &weight=，要么是 ?weight=，結束要么是&，要么直接到字符串尾，代碼就很好寫了，先手寫個解析參數的算法：

func?GetUrlQueryParam(u?string,?key?string)?(string,?error)?{sb?:=?strings.Builder{}sb.WriteString(key)sb.WriteString("=")index?:=?strings.Index(u,?sb.String())if?(index?==?-1)?||?(index+len(key)+1?>?len(u))?{return?"",?UrlParamNotExist}var?value?=?strings.Builder{}for?i?:=?index?+?len(key)?+?1;?i?<?len(u);?i++?{if?i+1?>?len(u)?{break}if?u[i:i+1]?==?"&"?{break}value.WriteString(u[i?:?i+1])}return?value.String(),?nil }

原先獲取參數的方法可以摘出來：

func?getParamByUrlParse(ur?string,?key?string)?string?{u,?err?:=?url.Parse(ur)if?err?!=?nil?{return?""}values,?err?:=?url.ParseQuery(u.RawQuery)if?err?!=?nil?{return?""}return?values.Get(key) }

先對這兩個函數進行 benchmark：

func?BenchmarkGetQueryParam(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{getParamByUrlParse(u,?"anyhost")getParamByUrlParse(u,?"version")getParamByUrlParse(u,?"not_exist")} }func?BenchmarkGetQueryParamNew(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{GetUrlQueryParam(u,?"anyhost")GetUrlQueryParam(u,?"version")GetUrlQueryParam(u,?"not_exist")} }

Benchmark 結果如下：

BenchmarkGetQueryParam-4??????????103412??????????????9708?ns/op BenchmarkGetQueryParam-4??????????111794??????????????9685?ns/op BenchmarkGetQueryParam-4??????????115699??????????????9818?ns/op BenchmarkGetQueryParamNew-4??????2961254???????????????409?ns/op BenchmarkGetQueryParamNew-4??????2944274???????????????406?ns/op BenchmarkGetQueryParamNew-4??????2895690???????????????405?ns/op

可以看到性能大概提升了20多倍

新寫的這個方法，有兩個小細節，第一是返回值中區分了參數是否存在，這個后面會用到；第二是字符串的操作用到了 strings.Builder，這也是實際測試的結果，使用 +或者 fmt.Springf 性能都沒這個好，感興趣可以測試下看看。

優化 url 寫入參數性能

計算出 weight 后再把 weight 寫入 url 中，這里直接給出優化后的代碼：

func?AssembleUrlWeightNew(rawurl?string,?lidcWeight?int)?string?{if?lidcWeight?==?1?{return?rawurl}lidcWeightStr,?err1?:=?GetUrlQueryParam(rawurl,?"lidc_weight")if?err1?==?nil?&&?lidcWeightStr?!=?""?{return?rawurl}var?err?errorendpointWeight?:=?100weightStr,?err2?:=?GetUrlQueryParam(rawurl,?"weight")if?weightStr?!=?""?{endpointWeight,?err?=?strconv.Atoi(weightStr)if?err?!=?nil?{endpointWeight?=?100}}if?err2?!=?nil?{?//?url中不存在weightfinUrl?:=?strings.Builder{}finUrl.WriteString(rawurl)if?strings.Contains(rawurl,?"?")?{finUrl.WriteString("&weight=")finUrl.WriteString(strconv.Itoa(lidcWeight?*?endpointWeight))return?finUrl.String()}?else?{finUrl.WriteString("?weight=")finUrl.WriteString(strconv.Itoa(lidcWeight?*?endpointWeight))return?finUrl.String()}}?else?{?//?url中存在weightoldWeightStr?:=?strings.Builder{}oldWeightStr.WriteString("weight=")oldWeightStr.WriteString(weightStr)newWeightStr?:=?strings.Builder{}newWeightStr.WriteString("weight=")newWeightStr.WriteString(strconv.Itoa(lidcWeight?*?endpointWeight))return?strings.ReplaceAll(rawurl,?oldWeightStr.String(),?newWeightStr.String())} }

主要就是分為 url 中是否存在 weight 兩種情況來討論：

• url 本身不存在 weight 參數，則直接在 url 后拼接一個 weight 參數，當然要注意是否存在 ?

• url 本身存在 weight 參數，則直接進行字符串替換

細心的你肯定又發現了，當 lidcWeight = 1 時，直接返回，因為 lidcWeight = 1 時，后面的計算其實都不起作用（Dubbo 權重默認為100），索性別操作，省點 CPU。

全部優化完，總體做一下 benchmark：

func?BenchmarkAssembleUrlWeight(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{for?_,?ut?:=?range?[]string{u,?u1,?u2,?u3}?{AssembleUrlWeight(ut,?60)}} }func?BenchmarkAssembleUrlWeightNew(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{for?_,?ut?:=?range?[]string{u,?u1,?u2,?u3}?{AssembleUrlWeightNew(ut,?60)}} }

結果如下：

BenchmarkAssembleUrlWeight-4???????????????34275?????????????33289?ns/op BenchmarkAssembleUrlWeight-4???????????????36646?????????????32432?ns/op BenchmarkAssembleUrlWeight-4???????????????36702?????????????32740?ns/op BenchmarkAssembleUrlWeightNew-4???????????573684??????????????1851?ns/op BenchmarkAssembleUrlWeightNew-4???????????646952??????????????1832?ns/op BenchmarkAssembleUrlWeightNew-4???????????563392??????????????1896?ns/op

大概提升 18 倍性能，而且這可能還是比較差的情況，如果傳入 lidcWeight = 1，效果更好。

?

效果

優化完，對改動方法寫了相應的單元測試，確認沒問題后，上線進行觀察，CPU Idle（空閑率） 提升了10%以上

?

最后

其實本文展示的是一個 Go 程序非常常規的性能優化，也是相對來說比較簡單，看完后，大家可能還有疑問：

• 為什么要在推送和拉取的時候去解析 url 呢？不能事先算好存起來嗎？

• 為什么只優化了這點，其他的點是否也可以優化呢？

針對第一個問題，其實這是個歷史問題，當你接手系統時他就是這樣，如果程序出問題，你去改整個機制，可能周期比較長，而且容易出問題

第二個問題，其實剛也順帶回答了，這樣優化，改動最小，收益最大，別的點沒這么好改，短期來說，拿收益最重要。當然我們后續也打算對這個系統進行重構，但重構之前，這樣優化，足以解決問題。

有道無術，術可成；有術無道，止于術

歡迎大家關注Java之道公眾號

好文章，我在看??

?

?

總結

以上是生活随笔為你收集整理的记一次提升18倍的性能优化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。