背景
最近負責的一個自研的 Dubbo 註冊中心經常收到 CPU 使用率的告警，於是進行了一波優化，效果還不錯，於是打算分享下思考、優化過程，希望對大家有一些幫助。
自研 Dubbo 註冊中心是個什麼東西，我畫個簡圖大家稍微感受一下就好，看不懂也沒關係，不影響後續的理解。
- Consumer 和 Provider 的服務發現請求（註冊、登出、訂閱）都發給 Agent，由它全權代理
- Registry 和 Agent 保持 Grpc 長連結，長連結的目的主要是 Provider 方有變更時，能及時推送給相應的 Consumer。為了保證資料的正確性，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，儘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，這個註冊中心最近 CPU 使用率長期處於中高水位，偶爾有應用釋出，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
由於這專案是 Go 寫的（不懂 Go 的朋友也沒關係，本文重點在演算法的優化，不在工具的使用上）， 找到哪裡耗 CPU 還是挺簡單的：開啟 pprof 即可，去線上採集一段時間即可。
具體怎麼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，由於會在返回 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。又由於推拉結合的模式，線上服務使用方越多，這個處理的 QPS 就越大，所以它佔用了大部分 CPU 一點也不奇怪。
這兩個 redis 操作可能是序列化佔用了 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，因為他佔用 CPU 最多，優化效果肯定最好。
下面是 assembleUrlWeight 的虛擬碼：
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 := 100
if 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 引數的解析，再進行 weight 的計算，最後再還原為一個 url
Dubbo 的 url 結構和普通 url 結構一致，其特點是引數可能比較多，沒有 #後面的片段部分。
CPU 主要就消耗在這兩次解析和最後的還原中，我們看這兩次解析的目的就是為了拿到 url 中的 lidc_weight 和 weight 引數。
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 為一個物件，方便地獲取 url 的各個部分。
如果瞭解資訊熵這個概念，其實你就大概知道這裡面一定是可以優化的。Shannon（夏農） 借鑑了熱力學的概念，把資訊中排除了冗餘後的平均資訊量稱為資訊熵。
url.Parse 和 url.ParseQuery 在這個場景下解析肯定存在冗餘，冗餘意味著 CPU 在做多餘的事情。
因為一個 Dubbo url 引數通常是很多的，我們只需要拿這兩個引數，而 url.Parse 解析了所有的引數。
舉個例子，給定一個陣列，求其中的最大值，如果先對陣列進行排序，再取最大值顯然是存在冗餘操作的。
排序後的陣列不僅能取最大值，還能取第二大值、第三大值...最小值，資訊存在冗餘了，所以先排序肯定不是求最大值的最優解。
優化
優化獲取 url 引數效能
第一想法是，不要解析全部 url，只拿相應的引數，這就很像我們寫的演算法題，比如獲取 weight 引數，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&...
要麼是 &weight=，要麼是 ?weight=，結束要麼是&，要麼直接到字串尾，程式碼就很好寫了，先手寫個解析引數的演算法：
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
}
原先獲取引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)
}
先對這兩個函式進行 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
可以看到效能大概提升了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引數是否存在，這個後面會用到；第二是字串的操作用到了 strings.Builder，這也是實際測試的結果，使用 +或者 fmt.Springf 效能都沒這個好，感興趣可以測試下看看。
優化 url 寫入引數效能
計算出 weight 後再把 weight 寫入 url 中，這裡直接給出優化後的程式碼：
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 error
endpointWeight := 100
weightStr, err2 := GetUrlQueryParam(rawurl, "weight")
if weightStr != "" {
endpointWeight, err = strconv.Atoi(weightStr)
if err != nil {
endpointWeight = 100
}
}
if err2 != nil { // url中不存在weight
finUrl := 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weight
oldWeightStr := 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 引數，則直接在 url 後拼接一個 weight 引數，當然要注意是否存在
? - url 本身存在 weight 引數，則直接進行字串替換
細心的你肯定又發現了，當 lidcWeight = 1 時，直接返回，因為 lidcWeight = 1 時，後面的計算其實都不起作用（Dubbo 權重預設為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 倍效能，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，確認沒問題後，上線進行觀察，CPU Idle（空閒率） 提升了10%以上
最後
其實本文展示的是一個 Go 程式非常常規的效能優化，也是相對來說比較簡單，看完後，大家可能還有疑問：
- 為什麼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？
- 為什麼只優化了這點，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，如果程式出問題，你去改整個機制，可能週期比較長，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，別的點沒這麼好改，短期來說，拿收益最重要。當然我們後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。