有赞DB连接池性能优化

很多系统的优化最后往往是对 DB 的优化，比如索引优化、并发控制，但如果提前剧透本次优化过程，其实最终只调整了一个 bit，并且性能几乎翻倍，猜测很多人会觉得这是标题党在吊胃口，说实话剧情如此翻转笔者也没猜到。

背景

应用 T 的数据库连接池使用了 druid 1.1.20 (https://github.com/alibaba/druid) ，在压测时碰到 DB 的性能瓶颈，表现是单机 cpu 使用率上不去，增加数据库连接数不会增加吞吐量，集群最终吞吐量维持在 1w 左右，其中 T 应用对数据库的主要操作是 select 和 insert。

排查

首先怀疑是否是 DB 的瓶颈，于是用 mysqlburst (https://github.com/xiezhenye/mysqlburst) 模拟核心请求，并发 500 下写入(insert) 能达到 4w 左右，应该来说还有比较大的优化空间。不过应用 T 在碰到瓶颈后尝试过扩容 2 台服务器后性能没提升，DB 的确是重点怀疑对象，于是在压测期间抓包：

sudo tcpdump -i eth0 port $db_port -s 0 -w /tmp/t.pcap

拷贝 t.pcap 到本地用 wireshark 分析，图 1 是其中一条连接的请求详情。

图 1. 到数据库的请求

从上图中看出响应的时间普遍在 1ms 以内，但是上次请求完成后到下次请求的时间间隔平均有 4~5ms，这是连接池最大配置 15 的结果，最大连接数调整为 30 后发现请求后平均等待时间变为 9ms 左右，这能解释为什么连接池调整对性能没什么效果。

开始怀疑的是获取连接后需要执行一些监控或者调用链的采集，导致没有立即执行，于是打算用 perf 工具查看一下性能，不过由于 Java 的方法是 jvm 维护的，所以需要先用工具 perf-map-agent 生成方法映射 map。其实生成后对本次并没有多大帮助，后来想了一下 perf 工具一般寻找 cpu 瓶颈，但真实压测 cpu 其实水位只有 60% 左右。这里就顺带介绍这个工具，并且作为一个反面教材：性能问题分析需要先看看各项指标，分析瓶颈在哪，不能瞎碰运气。

这个现象其实表明要么是获取连接后没有立即查询或者是还连接慢，于是用 arthas (https://github.com/alibaba/arthas) 统计返还连接的平均时间：

## 进入 arthas 后使用 monitor 命令查看方法的统计信息monitor $class_name $method

图 2. 回收连接的耗时统计

连接池配置 30 时和抓包的结果非常吻合，中间有 9ms 左右的空闲连接说明出现在还连接上，归还连接的等待比较要命，因为不还回去连接当然其它线程也就获取不了。接下来查找具体是哪里慢：

图 3. 连接回收函数耗时详情

从上图中可见，主要耗时在其中的一次 lock 操作，但是由于 recycle 方法中有多个锁操作，具体是哪次锁耗时这么久还未定位到，于是继续尝试查看锁调用的情况：

图 4. 锁的耗时统计

观察图 4 发现 lockInterruptibly 的 rt 明显大于 lock，查看代码发现 locakInterruptibly 调用主要集中在 druid 获取连接中，所以基本上能确定慢的锁就是 com.alibaba.druid.pool.DruidAbstractDataSource#lock 这个对象。虽然 druid 中一把锁到处用性能应该会有影响，但这么差的性能的确大跌眼镜，第一时间还是觉得是不是哪里锁的时间太长，仔细分析了堆栈及业务日志并没有验证自己的想法，不过还是有些新发现，堵住的连接使用的都是公平锁，具体堆栈如下：

java.util.concurrent.locks.ReentrantLock$FairSync@60190bc0    at sun.misc.Unsafe.park(Native Method)    -  waiting on java.util.concurrent.locks.ReentrantLock$FairSync@60190bc0    at java.util.concurrent.locks.LockSupport.park(LockSupport.java:175)    at java.util.concurrent.locks.AbstractQueuedSynchronizer.parkAndCheckInterrupt(AbstractQueuedSynchronizer.java:836)    at java.util.concurrent.locks.AbstractQueuedSynchronizer.acquireQueued(AbstractQueuedSynchronizer.java:870)    at java.util.concurrent.locks.AbstractQueuedSynchronizer.acquire(AbstractQueuedSynchronizer.java:1199)    at java.util.concurrent.locks.ReentrantLock$FairSync.lock(ReentrantLock.java:224)    at java.util.concurrent.locks.ReentrantLock.lock(ReentrantLock.java:285)    at com.alibaba.druid.pool.DruidDataSource.recycle(DruidDataSource.java:1913)    at com.alibaba.druid.pool.DruidPooledConnection.recycle(DruidPooledConnection.java:324)    at com.alibaba.druid.pool.DruidPooledConnection.syncClose(DruidPooledConnection.java:300)    at com.alibaba.druid.pool.DruidPooledConnection.close(DruidPooledConnection.java:255)    at org.springframework.jdbc.datasource.DataSourceUtils.doCloseConnection(DataSourceUtils.java:341)

优化

根据上面的观察猜测可能是公平锁影响性能，于是将改为非公平锁模式，其实 druid 默认配置为非公平锁，不过一旦设置了 maxWait 之后就会使用公平锁模式。

// 设置druid 连接池非公平锁模式dataSource.setUseUnfairLock(true);

设置为公平锁后结果让人吃惊，简单的测试在（300 并发下，30 个连接）在一台机子上同时跑，非公平锁能跑到 9k+，公平锁只有 5k 左右。然后小伙伴们立即修改 T 的代码，发现单机提升不少，见图 5（其中前半部分是公平锁，后半部分是非公平锁，18:00 左右的下降是执行了 arthas 命令造成的额外性能损耗）。此时 cpu 已经跑到接近 100%，说明本机 cpu 资源已充分使用。

图 5. 公平锁与非公平锁的性能对比

小结

最终在只修改一个参数的请求下，单机性能提升接近一倍，集群的吞吐量也差不多提升 70%。不过公平锁与非公平锁有这么大的性能差距还是比较震惊的，其实单机几千请求量还真没想到瓶颈会是在加锁、释放锁这个过程，所以隐隐感觉还有更多的真相等待挖掘。

虽然最终一个小小的改动就达到了目的，其实整个优化过程中还是有些周折，并且是依靠小伙伴们的群体智慧完成的。还有一个小插曲是顺便调研了数据库连接池 HikariCP(https://github.com/brettwooldridge/HikariCP)，使用 HikariCP 替换后发现效果还是非常不错，单机性能一下从 1.5k(druid 公平锁) 提升到接近 3k。其实 HikariCP 的一个优势就是快，当时都想要在公司推一波，不过要整个公司替换一遍也是不小的动作，虽然连接池使用上两者十分接近，但是配套的监控要重新弄一遍还是比较劳民伤财的。还好最终测试发现大部分情况下 druid 还不至于成为服务的瓶颈，而且配套的监控也比较全，如果真的追求更高的性能，HikariCP 是一个不错的选择。

本文转载自公众号有赞 coder（ID：youzan_coder）。

原文链接：

https://mp.weixin.qq.com/s?__biz=MzAxOTY5MDMxNA==&mid=2455761012&idx=1&sn=ff443dedabf6484bcc819194ae0b19e3&chksm=8c687651bb1fff47a30dde82fc2e7e3e9f046fdb1856d8edf6515dff49444805c79dac560dbe&scene=27#wechat_redirect