亚洲热无码AV一区_中文字幕亚洲一区一区_欧美亚洲永久在线_在线观看亚洲精品自拍

藍(lán)鷗旗下品牌:鷗課學(xué)院
全國咨詢電話:13152008057
您的位置: 首頁 > 最新資訊 > 編寫高性能 Java 代碼的最佳實(shí)踐

編寫高性能 Java 代碼的最佳實(shí)踐

2018-09-09 藍(lán)鷗
3588人 瀏覽:

摘要:本文首先介紹了負(fù)載測試、基于APM工具的應(yīng)用程序和服務(wù)器監(jiān)控,隨后介紹了編寫高性能Java代碼的一些最佳實(shí)踐。最后研究了JVM特定的調(diào)優(yōu)技巧、數(shù)據(jù)庫端的優(yōu)化和架構(gòu)方面的調(diào)整。以下是譯文。

介紹

在這篇文章中,我們將討論幾個(gè)有助于提升Java應(yīng)用程序性能的方法。我們首先將介紹如何定義可度量的性能指標(biāo),然后看看有哪些工具可以用來度量和監(jiān)控應(yīng)用程序性能,以及確定性能瓶頸。

我們還將看到一些常見的Java代碼優(yōu)化方法以及最佳編碼實(shí)踐。最后,我們將看看用于提升Java應(yīng)用程序性能的JVM調(diào)優(yōu)技巧和架構(gòu)調(diào)整。

請注意,性能優(yōu)化是一個(gè)很寬泛的話題,而本文只是對JVM探索的一個(gè)起點(diǎn)。

性能指標(biāo)

在開始優(yōu)化應(yīng)用程序的性能之前,我們需要理解諸如可擴(kuò)展性、性能、可用性等方面的非功能需求。

以下是典型Web應(yīng)用程序常用的一些性能指標(biāo):

  1. 應(yīng)用程序平均響應(yīng)時(shí)間

  2. 系統(tǒng)必須支持的平均并發(fā)用戶數(shù)

  3. 在負(fù)載高峰期間,預(yù)期的每秒請求數(shù)

這些指標(biāo)可以通過使用多種監(jiān)視工具監(jiān)測到,它們對分析性能瓶頸和性能調(diào)優(yōu)有著非常大的作用。

示例應(yīng)用程序

我們將使用一個(gè)簡單的Spring Boot Web應(yīng)用程序作為示例,在這篇文章中有相關(guān)的介紹。這個(gè)應(yīng)用程序可用于管理員工列表,并對外公開了添加和檢索員工的REST API。

我們將使用這個(gè)程序作為參考來運(yùn)行負(fù)載測試,并在接下來的章節(jié)中監(jiān)控各種應(yīng)用指標(biāo)。

找出性能瓶頸

負(fù)載測試工具和應(yīng)用程序性能管理(APM)解決方案常用于跟蹤和優(yōu)化Java應(yīng)用程序的性能。要找出性能瓶頸,主要就是對各種應(yīng)用場景進(jìn)行負(fù)載測試,并同時(shí)使用APM工具對CPU、IO、堆的使用情況進(jìn)行監(jiān)控等等。

Gatling是進(jìn)行負(fù)載測試最好的工具之一,它提供了對HTTP協(xié)議的支持,是HTTP服務(wù)器負(fù)載測試的絕佳選擇。

Stackify的Retrace是一個(gè)成熟的APM解決方案。它的功能很豐富,對確定應(yīng)用程序的性能基線很有幫助。 Retrace的關(guān)鍵組件之一是它的代碼分析功能,它能夠在不減慢應(yīng)用程序的情況下收集運(yùn)行時(shí)信息。

Retrace還提供了監(jiān)視基于JVM應(yīng)用程序的內(nèi)存、線程和類的小部件。除了應(yīng)用程序本身的指標(biāo)之外,它還支持監(jiān)視托管應(yīng)用程序的服務(wù)器的CPU和IO使用情況。

因此,像Retrace這樣功能全面的監(jiān)控工具是解鎖應(yīng)用程序性能潛力的第一步。而第二步則是在你的系統(tǒng)上重現(xiàn)真實(shí)使用場景和負(fù)載。

說起來容易,做起來難,而且了解應(yīng)用程序當(dāng)前的性能也非常重要。這就是我們接下來要關(guān)注的問題。

Gatling負(fù)載測試

Gatling的模擬測試腳本是用Scala編寫的,但該工具還附帶了一個(gè)非常有用的圖形界面,可用于記錄具體的場景,并生成Scala腳本。

在運(yùn)行模擬腳本之后,Gatling會生成一份非常有用的、可用于分析的HTML報(bào)告。

定義場景

在啟動(dòng)記錄器之前,我們需要定義一個(gè)場景,表示用戶在瀏覽Web應(yīng)用時(shí)發(fā)生的事情。

在我們的這個(gè)例子中,具體的場景將是“啟動(dòng)200個(gè)用戶,每個(gè)用戶發(fā)出一萬個(gè)請求?!?/p>

配置記錄器

根據(jù)“Gatling的第一步”所述,用下面的代碼創(chuàng)建一個(gè)名為EmployeeSimulation的scala文件:

class EmployeeSimulation extends Simulation {
    val scn = scenario("FetchEmployees").repeat(10000) {
        exec(
          http("GetEmployees-API")
            .get("http://localhost:8080/employees")
            .check(status.is(200))
        )
    }
    setUp(scn.users(200).ramp(100))
}

運(yùn)行負(fù)載測試

要執(zhí)行負(fù)載測試,請運(yùn)行以下命令:

$GATLING_HOME/bin/gatling.sh-sbasic.EmployeeSimulation

對應(yīng)用程序的API進(jìn)行負(fù)載測試有助于發(fā)現(xiàn)及其細(xì)微的并且難以發(fā)現(xiàn)的錯(cuò)誤,如數(shù)據(jù)庫連接耗盡、高負(fù)載情況下的請求超時(shí)、因?yàn)閮?nèi)存泄漏而導(dǎo)致堆的高使用率等等。

監(jiān)控應(yīng)用程序

要使用Retrace進(jìn)行Java應(yīng)用程序的開發(fā),首先需要在Stackify上申請免費(fèi)試用賬號。然后,將我們自己的Spring Boot應(yīng)用程序配置為Linux服務(wù)。我們還需要在托管應(yīng)用程序的服務(wù)器上安裝Retrace代理,按照這篇文章所述的操作即可。

Retrace代理和要監(jiān)控的Java應(yīng)用程序啟動(dòng)后,我們就可以到Retrace儀表板上單擊AddApp按鈕添加應(yīng)用了。添加應(yīng)用完成之后,Retrace將開始監(jiān)控應(yīng)用程序了。

找到最慢的那個(gè)點(diǎn)

Retrace會自動(dòng)監(jiān)控應(yīng)用程序,并跟蹤數(shù)十種常見框架及其依賴關(guān)系的使用情況,包括SQL、MongoDB、Redis、Elasticsearch等等。Retrace能幫助我們快速確定應(yīng)用程序?yàn)槭裁磿霈F(xiàn)如下性能問題:

  • 某個(gè)SQL語句是否會拖慢系統(tǒng)的速度?

  • Redis突然變慢了嗎?

  • 特定的HTTP Web服務(wù)宕了,還是變慢了?

例如,下面的圖形展示了在一段給定的時(shí)間內(nèi)速度最慢的組件。

640.png

代碼級別的優(yōu)化

負(fù)載測試和應(yīng)用程序監(jiān)控對于確定應(yīng)用程序的一些關(guān)鍵性能瓶頸非常有用。但同時(shí),我們需要遵循良好的編碼習(xí)慣,以避免在對應(yīng)用程序進(jìn)行監(jiān)控的時(shí)候出現(xiàn)過多的性能問題。

在下一章節(jié)中,我們將來看一些最佳實(shí)踐。

使用StringBuilder來連接字符串

字符串連接是一個(gè)非常常見的操作,也是一個(gè)低效率的操作。簡單地說,使用+=來追加字符串的問題在于每次操作都會分配新的String。

下面這個(gè)例子是一個(gè)簡化了的但卻很典型的循環(huán)。前面使用了原始的連接方式,后面使用了構(gòu)建器:

public String stringAppendLoop() {
    String s = "";    for (int i = 0; i < 10000; i++) {        if (s.length() > 0)
            s += ", ";
        s += "bar";
    }    return s;
}public String stringAppendBuilderLoop() {
    StringBuilder sb = new StringBuilder();    for (int i = 0; i < 10000; i++) {        if (sb.length() > 0)
            sb.append(", ");
        sb.append("bar");
    }    return sb.toString();
}

上面代碼中使用的StringBuilder對性能的提升非常有效。請注意,現(xiàn)代的JVM會在編譯或者運(yùn)行時(shí)對字符串操作進(jìn)行優(yōu)化。

避免遞歸

導(dǎo)致出現(xiàn)StackOverFlowError錯(cuò)誤的遞歸代碼邏輯是Java應(yīng)用程序中另一種常見的問題。如果無法去掉遞歸邏輯,那么尾遞歸作為替代方案將會更好。

我們來看一個(gè)頭遞歸的例子:

public int factorial(int n) {    if (n == 0) {        return 1;
    } else {        return n * factorial(n - 1);
    }
}

現(xiàn)在我們把它重寫為尾遞歸:

private int factorial(int n, int accum) {    if (n == 0) {        return accum;
    } else {        return factorial(n - 1, accum * n);
    }
}public int factorial(int n) {    return factorial(n, 1);
}

其他JVM語言(如Scala)已經(jīng)在編譯器級支持尾遞歸代碼的優(yōu)化,當(dāng)然,對于這種優(yōu)化目前也存在著一些爭議。

謹(jǐn)慎使用正則表達(dá)式

正則表達(dá)式在很多場景中都非常有用,但它們往往具有非常高的性能成本。了解各種使用正則表達(dá)式的JDK字符串方法很重要,例如String.replaceAll()、String.split()。

如果你不得不在計(jì)算密集的代碼段中使用正則表達(dá)式,那么需要緩存Pattern的引用而避免重復(fù)編譯:

static final Pattern HEAVY_REGEX = Pattern.compile("(((X)*Y)*Z)*");

使用一些流行的庫,比如Apache Commons Lang也是一個(gè)很好的選擇,特別是在字符串的操作方面。

避免創(chuàng)建和銷毀過多的線程

線程的創(chuàng)建和處置是JVM出現(xiàn)性能問題的常見原因,因?yàn)榫€程對象的創(chuàng)建和銷毀相對較重。

如果應(yīng)用程序使用了大量的線程,那么使用線程池會更加有用,因?yàn)榫€程池允許這些昂貴的對象被重用。

為此,Java的ExecutorService是線程池的基礎(chǔ),它提供了一個(gè)高級API來定義線程池的語義并與之進(jìn)行交互。

Java 7中的Fork/Join框架也值得提一下,因?yàn)樗峁┝艘恍┕ぞ邅韲L試使用所有可用的處理器核心以幫助加速并行處理。為了提高并行執(zhí)行效率,框架使用了一個(gè)名為ForkJoinPool的線程池來管理工作線程。

JVM調(diào)優(yōu)

堆大小的調(diào)優(yōu)

為生產(chǎn)系統(tǒng)確定合適的JVM堆大小并不是一件簡單的事情。要做的第一步是回答以下問題以預(yù)測內(nèi)存需求:

  1. 計(jì)劃要把多少個(gè)不同的應(yīng)用程序部署到單個(gè)JVM進(jìn)程中,例如EAR文件、WAR文件、jar文件的數(shù)量是多少?

  2. 在運(yùn)行時(shí)可能會加載多少個(gè)Java類,包括第三方API的類?

  3. 估計(jì)內(nèi)存緩存所需的空間,例如,由應(yīng)用程序(和第三方API)加載的內(nèi)部緩存數(shù)據(jù)結(jié)構(gòu),比如從數(shù)據(jù)庫緩存的數(shù)據(jù)、從文件中讀取的數(shù)據(jù)等等。

  4. 估計(jì)應(yīng)用程序?qū)?chuàng)建的線程數(shù)。

如果沒有經(jīng)過真實(shí)場景的測試,這些數(shù)字很難估計(jì)。

要獲得有關(guān)應(yīng)用程序需求的最好最可靠的方法是對應(yīng)用程序執(zhí)行實(shí)際的負(fù)載測試,并在運(yùn)行時(shí)跟蹤性能指標(biāo)。我們之前討論的基于Gatling的測試就是一個(gè)很好的方法。

選擇合適的垃圾收集器

Stop-the-world(STW)垃圾收集的周期是影響大多數(shù)面向客戶端應(yīng)用程序響應(yīng)和整體Java性能的大問題。但是,目前的垃圾收集器大多解決了這個(gè)問題,并且通過適當(dāng)?shù)膬?yōu)化和大小的調(diào)整,能夠消除對收集周期的感知。

分析器、堆轉(zhuǎn)儲和詳細(xì)的GC日志記錄工具對此有一定的幫助作用。再一次注意,這些都需要在真實(shí)場景的負(fù)載模式下進(jìn)行監(jiān)控。

有關(guān)不同垃圾收集器的更多信息,請查看這個(gè)指南。

JDBC性能

關(guān)系型數(shù)據(jù)庫是Java應(yīng)用程序中另一個(gè)常見的性能問題。為了獲得完整請求的響應(yīng)時(shí)間,我們很自然地必須查看應(yīng)用程序的每一層,并思考如何讓代碼與底層SQL DB進(jìn)行交互。

連接池

讓我們從眾所周知的事實(shí)開始,即數(shù)據(jù)庫連接是昂貴的。 連接池機(jī)制是解決這個(gè)問題非常重要的第一步。

這里建議使用HikariCP JDBC,這是一個(gè)非常輕量級(大約130Kb)并且速度極快的JDBC連接池框架。

JDBC批處理

持久化處理應(yīng)盡可能地執(zhí)行批量操作。 JDBC批處理允許我們在單次數(shù)據(jù)庫交互中發(fā)送多個(gè)SQL語句。

這樣,無論是在驅(qū)動(dòng)端還是在數(shù)據(jù)庫端,性能都可能得到顯著地提升。 * PreparedStatement*是一個(gè)非常棒的的批處理命令,一些數(shù)據(jù)庫系統(tǒng)(例如Oracle)只支持預(yù)處理語句的批處理。

另一方面,Hibernate則更加靈活,它允許我們只需修改一個(gè)配置即可快速切換為批處理操作。

語句緩存

語句緩存是另一種提高持久層性能的方法,這是一種鮮為人知但又容易掌握的性能優(yōu)化方法。

只要底層的JDBC驅(qū)動(dòng)程序支持,你就可以在客戶端(驅(qū)動(dòng)程序)或數(shù)據(jù)庫端(語法樹甚至執(zhí)行計(jì)劃)中緩存PreparedStatement。

規(guī)模的縮放

數(shù)據(jù)庫復(fù)制和分片是提高吞吐量非常好的方法,我們應(yīng)該充分利用這些經(jīng)過實(shí)踐檢驗(yàn)的架構(gòu)模式,以擴(kuò)展企業(yè)應(yīng)用的持久層。

架構(gòu)改進(jìn)

緩存

現(xiàn)在內(nèi)存的價(jià)格很低,而且越來越低,從磁盤或通過網(wǎng)絡(luò)來檢索數(shù)據(jù)的性能代價(jià)仍然很高。緩存自然而然的變成了在應(yīng)用程序性能方面不能忽視的關(guān)鍵。

當(dāng)然,在應(yīng)用的拓?fù)浣Y(jié)構(gòu)中引入一個(gè)獨(dú)立的緩存系統(tǒng)確實(shí)會增加架構(gòu)的復(fù)雜度,所以,應(yīng)當(dāng)充分利用當(dāng)前使用的庫和框架現(xiàn)有的緩存功能。

例如,大多數(shù)的持久化框架都支持緩存。 Spring MVC等Web框架還可以使用Spring中內(nèi)置的緩存支持,以及基于ETags的強(qiáng)大的HTTP級緩存。

橫向擴(kuò)展

無論我們在單個(gè)實(shí)例中準(zhǔn)備了多少硬件,都會有不夠用的時(shí)候。簡而言之,擴(kuò)展有著天生的局限性,當(dāng)系統(tǒng)遇到這些問題時(shí),橫向擴(kuò)展是處理更多負(fù)載的唯一途徑。這一步肯定會相當(dāng)?shù)膹?fù)雜,但卻是擴(kuò)展應(yīng)用的唯一辦法。

對大多數(shù)的現(xiàn)代框架和庫來說,這方面還是支持得很好的,而且會變得越來越好。 Spring生態(tài)系統(tǒng)有一個(gè)完整的項(xiàng)目集,專門用于解決這個(gè)特定的應(yīng)用程序架構(gòu)領(lǐng)域,其他大多數(shù)的框架也都有類似的支持。

除了能夠提升Java的性能,通過集群進(jìn)行橫向擴(kuò)展也有其他的好處,添加新的節(jié)點(diǎn)能產(chǎn)生冗余,并更好的處理故障,從而提高整個(gè)系統(tǒng)的可用性。

結(jié)論

在這篇文章中,我們圍繞著提升Java應(yīng)用的性能探討了許多概念。我們首先介紹了負(fù)載測試、基于APM工具的應(yīng)用程序和服務(wù)器監(jiān)控,隨后介紹了編寫高性能Java代碼的一些最佳實(shí)踐。最后,我們研究了JVM特定的調(diào)優(yōu)技巧、數(shù)據(jù)庫端的優(yōu)化和架構(gòu)方面的調(diào)整。

  1. 廣告1
  2. 廣告2
  3. 廣告3
  4. 廣告4