對node工程進行壓力測試與效能分析

小黎也發表於2018-08-26

上週在系統上線前，為了看下系統能承受多大的併發和併發下的負載情況，進行了一輪壓測。在壓測過程中，發現伺服器的cpu飈的的非常高，而tps，介面耗時、服務可用等都是正常的，臥槽，這就奇了怪了，自己想了半天也沒想出為啥，不得已求助了大佬，大佬說先檢視 cpu processor what?這是啥？？雖然聽不懂，但可以查嘛╭(╯^╰)╮，可還沒等我查出來，大佬直接上手，一頓騷操作，便找出了原因~ 這著實讓自己汗顏啊，內功遠遠不足啊，回來網上找了資料，惡補一把如何分析node工程中的效能問題

在開發過程中，因為過於只關注了業務邏輯的實現，一些可能出現效能的點被忽略掉，而且這些點只能在量稍微大些的併發場景下才會出現，忘了在哪看到一句話 可能會出問題的點，便一定會出問題 效能問題進行分析必不可少

樣例專案

為了便於演示，寫了個簡單的小例子

// app.js
const crypto = require('crypto')
const Koa = require('koa')
const Router = require('koa-router');

const app = new Koa();
const router = new Router();

router.get('/crypto', async(ctx, next) => {
    const salt = crypto.randomBytes(128).toString('base64')
    const hash = crypto.pbkdf2Sync('crypto', salt, 10000, 64, 'sha512').toString('hex')

    ctx.body = { hash: hash }
    console.log(hash)

    ctx.status = 200
    next()
});

let reqNum = 0
router.get('/empty', async(ctx, next) => {

    ctx.body = { hash: 'empty' }
    reqNum++;

    ctx.status = 200
    next()
});

app.use(router.routes()).use(router.allowedMethods());
app.listen(3000, () => {
    console.log("listen 3000")
})
複製程式碼

基於koa2，有兩個路由，一個/crypto，其中的業務邏輯是，使用crypto庫對字串加密；一個是 /empty，沒有業務邏輯的介面，就是個空介面

壓力測試

壓力測試工具市面上有很多種，就不一一列舉了，在社群看到有人推薦 autocannon ，就對這個工具做個介紹，官方的簡介是 fast HTTP/1.1 benchmarking tool written in Node.js ，使用node編寫的壓測工具，能比wrk生成更多負載。

install

npm i autocannon -g npm i autocannon --save

use

提供兩種使用方式

命令列 autocannon -c 100 -d 5 -p 2 http://127.0.0.1:3000/test 簡單快速
api呼叫 autocannon(opts[, cb]) 便於編寫指令碼

關鍵引數有這麼幾個

-c/--connections NUM 併發連線的數量，預設10
-p/--pipelining NUM 每個連線的流水線請求請求數。預設1
-d/--duration SEC 執行的時間，單位秒
-m/--method METHOD 請求型別預設GET
-b/--body BODY 請求報文體

還有很多引數，大家可以檢視官網文件

report

下圖是對 /empty 介面壓測 autocannon -c 100 -d 5 -p 1 http://127.0.0.1:3000/empty 結果如下

可看到，每秒有100個連結，每個連結一個請求，持續5秒，一共產生 31k 次請求。報告分三部分，第一行表示介面的延遲，第二行表示每秒的請求數(tps)，第三行表示每秒返回的位元組數。那麼，延遲越低，tps越高，就表示介面效能越好，因為empty 是個空介面，所以它的tps=6221還不錯，響應時間也很快，我們換成 /crypto 介面在試試

立馬看出差距了，這個介面tps只有77，介面耗時達到了1100ms，說明這個介面有很大的優化空間啊

生成效能檔案與分析

通過壓測工具我們找到了有問題的介面，那接下來，就要對介面進行剖析了，可是光看介面程式碼，不好分析啊，畢竟沒有說服力，我們就需要一份效能報告，用資料說話，下面介紹這個兩個方法給大家

V8 Profiler

V8 官方已經為大家考慮到這點了，提供了Profiler工具使用方式也很快捷，步驟如下(以app.js為例)

生成報告

在啟動命令中加上 --prof ，如 node --prof app.js ,在專案根目錄會生成isolate-xxxxxxx-v8.log格式的檔案，用來記錄執行期間的呼叫棧和時間等資訊，其中內容如下（檔案較大，就擷取最頂端一小截）

v8-version,6,1,534,47,0
shared-library,"C:\Program Files\nodejs\node.exe",0x7ff7505f0000,0x7ff751c0f000,0
shared-library,"C:\WINDOWS\SYSTEM32\ntdll.dll",0x7ff8718a0000,0x7ff871a61000,0
shared-library,"C:\WINDOWS\system32\KERNEL32.DLL",0x7ff870590000,0x7ff87063d000,0
shared-library,"C:\WINDOWS\system32\KERNELBASE.dll",0x7ff86e830000,0x7ff86ea18000,0
shared-library,"C:\WINDOWS\system32\WS2_32.dll",0x7ff86ee00000,0x7ff86ee6b000,0
複製程式碼

分析報告

對剛剛生成的log檔案分析，還是使用官方提供的工具 node --prof-process isolate-xxxxxxxx-v8.log，生成結果如下(去掉無用的部分)

Statistical profiling result from isolate-00000209B99A60A0-v8.log, (17704 ticks, 8 unaccounted, 0 excluded).

 [Shared libraries]:
   ticks  total  nonlib   name
  13795   77.9%          C:\WINDOWS\SYSTEM32\ntdll.dll
  ...

 [JavaScript]:
   ticks  total  nonlib   name
     12    0.1%   11.3%  Builtin: CallFunction_ReceiverIsAny
     ...

 [C++]:
   ticks  total  nonlib   name

 [Summary]:
   ticks  total  nonlib   name
     94    0.5%   88.7%  JavaScript
      0    0.0%    0.0%  C++
      8    0.0%    7.5%  GC
  17598   99.4%          Shared libraries
      8    0.0%          Unaccounted

 [C++ entry points]:
   ticks    cpp   total   name

 [Bottom up (heavy) profile]:
  Note: percentage shows a share of a particular caller in the total
  amount of its parent calls.
  Callers occupying less than 1.0% are not shown.

   ticks parent  name
  13795   77.9%  C:\WINDOWS\SYSTEM32\ntdll.dll

   3795   21.4%  C:\Program Files\nodejs\node.exe
   3768   99.3%    C:\Program Files\nodejs\node.exe
   3287   87.2%      Function: ~pbkdf2 crypto.js:633:16
   3287  100.0%        Function: ~exports.pbkdf2Sync crypto.js:628:30
   3287  100.0%          Function: ~router.get D:\github\webapp\js\usen\app.js:8:23
   3287  100.0%            Function: ~dispatch D:\github\webapp\js\usen\node_modules\_koa-compose@3.2.1@koa-compose\index.js:37:23
    ...
複製程式碼

報告包含六部分：Shared libraries、JavaScript、C++、Summary、C++ entry points 和 Bottom up (heavy) profile，[JavaScript] 部分列出了 JavaScript 程式碼執行所佔用的 CPU ticks（CPU 時鐘週期），[C++] 部分列出了 C++ 程式碼執行所佔用的 CPU ticks，[Summary] 列出了各個部分的佔比，[Bottom up] 列出了所有 CPU 佔用時間從大到小的函式及堆疊資訊。

根據 3287 87.2% Function: ~pbkdf2 crypto.js:633:16 可看出這個函式消耗了 87.2% 的cpu

檔案的方式不直觀，那我們換個UI介面的，步驟如下

先clone v8的倉庫下來 git clone https://github.com/v8/v8.git
將日誌檔案轉換成 json格式 node --prof-process --preprocess isolate-xxxxxxxxxx-v8.log > v8.json
開啟 v8/tools/profview/index.html 檔案，是個靜態介面，在介面中心選擇剛生成的 v8.json檔案，檔案解析成功後，介面如下

具體的功能就不一一解釋啦，我們逐層展開，尋找耗時的點，很快便找到耗cpu的地方，如下圖

node佔比是45%，其中 pbkdf2 crypto.js便佔用了92%

v8-profiler

除了官方提供之外，我們還可以選擇開源大佬的庫，v8-profiler ，這個庫的建立的時間比較早，6年前便建立了，最近一次更是在一年半前，社群評價還是不錯的

生成報告

生成方式很簡單，不足的是，需要硬編碼在專案中，如下

profiler.startProfiling('', true);
setTimeout(function() {
  var profile = profiler.stopProfiling('');
  profile.export()
     .pipe(fs.createWriteStream(`cpuprofile-${Date.now()}.cpuprofile`))
     .on('finish', () => profile.delete())
}, 1000);
複製程式碼