从实际出发⭐《G1、JDK17、Flux性能调优》⭐

⭐本文从实际项目出发记录一次项目性能调优，很多时候都是无效优化，但学习过程十分有意义⭐

一、 项目介绍

项目主要是一个短连接服务，短连接服务的主要功能是减少占用文章主要内容，在实际链接和压缩后的链接做一层映射，功能类似网关；
本文不探讨短连压缩方案，只探讨怎么达到高性能；

1. 微博和Twitter都有140字数的限制，如果分享一个长网址，很容易就超出限制。
2. 营销短信，字数的限制,当字数过长: 1.不美观 2.超出字符额外收费。
3. 生成二维码的原始链接,当原始链接过长时,生成的二维码过于复杂,导致一些像素较低的手机无法扫描.

二、 项目主要架构

整体流程

以下是本次优化项目的架构，单纯的转换明显不满足性能要求，“过滤和拦截请求”中包含有主要业务需求：

1. 黑名单拦截
2. 访问域名拦截
3. 白名单api配置

架构细节

Spring WebFlux：响应式框架、Netty容器
JDK17：G1垃圾收集器
同步Queue->定时任务：每1秒同步访问记录至数据库中，

优化前性能报告

1. 部署环境是基于K8s
2. 测试平台Jmeter（每次4000/共10轮下也保持tps900的数据）

三、性能优化

默认配置一核两G内存

3.1 JVM

本段主要谈论JVM层面优化

1. 目前为JVM设置 -Xmx(最大堆内存) -Xms(最小堆内存) 已经谈不上专门优化，属于基本的操作，意义上就是避开后续申请释放堆内存的损耗。
2. 为新生代设置内存 -Xmn ，在默认情况下不设置新生代内存

可以看出设置80%为新生代的时候GC次数是最少的，但这是结合项目而言，在上文描述项目里，并没有大批量的导出数据或大批量的需要长时间（1秒以上就算）维护的数据，请求产生的对象都是跟随请求结束而消亡，也就是：本项目产生的对象基本都是跟随请求结束变成垃圾；

此上分析本项目的垃圾既不会长时间存在，同时也都是小对象，所以垃圾基本分布在年轻代，调大年轻代对于gc频率是非常有帮助的。

非常重要的点-确认自己的项目：

1. 不会有大对象&大量长时间存在的对象–调大年轻代
2. 需要同步计算大数据量，没有长时间维护的对象–1/3早点让对象进入老年代，反而更加合理
3. 最稳健的做法–不设置-JDK17默认G1，G1的存在避免很多优化，且动态分配内存更加合理

3. JIT

笔者在学习JIT并且优化后，并没有发现相比默认配置下性能更优秀，故不解释，希望后续能Get到JIT的点后再优化

4. JVM日志配置

合理的JVM日志输出配置也是后续分析的重点，在笔者深入了解G1后，这里出了一套配置：
具体文章地址，配置分析地址

JIT分析记录

3.2 编码层面

当下CPU的性能执行效率已经是非常快的程度了，几乎编码上不犯错，优化性能上是比较小的；
而项目为了优化存储效率上使用了本地异步落库:

因为访问记录主要是为了统计PV、UV此类型数据丢失几秒是关系不大的。同时为了确保一定的安全系数，利用的Spring2.3后的”优雅关闭Spring项目”，异步的存在也是可以批量处理sql从而大幅度提高项目性能

而并发存入队列中使用的并发队列是本节的重点探讨反向，关于同步等待性能上是一大重点

上文中可以看到主要是投入线程安全队列中处理，故对主要的线程安全队列做了基准测试，结果 ：并发队列基准测试

3.3 容器

flux采用的是Netty作为web容器，相比传统企业级、重量级的Tomcat提供的配置少之又少

在笔者一顿查找笔记和查看源码后：netty最直接的优化线程数与请求缓存大小，默认核心数从下文可以看出是跟随系统核心数，且Accept线程和Worker线程是一直的(Netty知识，读者自行补充)

设置Netty线程

当然也可以调整线程大小：通过设置程序变量修改线程数，调大固然是好的，但目前看起来框架本身不太推荐我们修改；
要想设置只能通过环境变量或者在java -jar 项目 -Dreactor.netty.ioSelectCount=10 以上两种方式去设置，而且设置必须按照核心数*1.5，那就得写脚本启动，不然只能每台机子自己设置

reactor.netty.ioSelectCount=10
reactor.netty.ioWorkerCount=10
1
2

设置请求缓存大小

而请求缓存主要是针对本项目，默认为128B

而本项目只有一个固定请求，故可以在application.property中设置请求初始buffer大小，减少内存分配次数（但会一定程度上浪费内存）

server.netty.initial-buffer-size=384B
1

3.4 服务器

对于服务器上，基本上性能由硬件决定，而笔者的部署环境是K8s

需要注意的是K8s有弹性扩容配置的功能，那初始资源（所需资源）越小，会导致动态增加配置的次数增加和减低，这对突然的高并发是极其受限的

四、总结

可能确实是无效优化，但是学习过程十分有意义

-EOF-