案例分享：巧用工具提升无源码系统的性能和稳定-低调大师

案例分享：巧用工具提升无源码系统的性能和稳定

2019-07-31 524

导读：在没有核心系统源码的情况下，修改源码打印耗时的方法无法使用，通过tcpdump、wireshark、gdb、010 editor、火焰图、ida、数据库抓sql耗时语句、oracle ash报告、loadrunner等工具找到了服务器tps上不去、C程序进程随机挂掉的问题，并顺利解决，收获颇多。

背景

公司最近新上线一个系统，主要架构如下：

测试环境系统部署后，出现了两个问题：

1.loadrunner压测tps上不去，压测java接口tps 单机只能到100多tps就上不去了，耗时从单次访问的100ms上升到110并发时的1s左右。

压测期间C服务器1 经常不定时挂掉。

因为某些原因，该项目C相关程序没有源码，只有安装部署文件，为了解决上述两个问题，我们几个同事和重庆同事一块参与问题排查和解决。因为没有源码，中间经历了层层波折，经过一个月努力，终于解决了上述两个问题，整个排查过程学到了很多知识。

用到的分析工具

1.tcpdump,

2.wireshark,

3.gdb,

4.010 editor,

5.火焰图，

6.ida,

7.数据库抓sql耗时语句，

8.oracle ash报告，

9.loadrunner

几句话总结

1.C程序客户端socket长连接调用C服务端存在性能瓶颈，通过tcpdump,wireshark 二进制分析出传输协议后改用java调用C服务端，单机tps提升1倍，性能提升3倍

2.数据库语句存在for update 语句导致并发上不去，经过分析从业务上采用sequence 替换for update语句，并通过010 editor直接修改二进制修改for update 语句相关逻辑为sequence ，系统具备了扩容服务器tps也能同步提升的能力

3.数据库insert语句并发情况下存在瓶颈，扩大oracle redo log日志大小解决，继续提升tps40%。

4.程序进程随机挂掉，通过gdb分析core dump文件，定位到在并发情况下程序中使用的gethostbyname有问题，采用临时方法解决。

分析过程

1.第一次瓶颈定位

刚开始排查问题时，loadrunner压测java接口，并发用户从0逐渐增加到110个的情况下，tps到100左右就不再提升，响应耗时从100ms增大到1s。此时我们的分析重点是谁是当前的主要瓶颈

再看一遍架构图，图中5个节点都有可能是瓶颈点，数据库此时我们通过数据库dba管理权限抓取耗时sql,没抓取到，先排除数据库问题，java的我们打印分步耗时日志，定位到jni调用 c客户端耗时占比最大。这时瓶颈点初步定位到C客户端，C服务端1，C服务端2 这三个节点。

因为没有源码，我们采用tcpdump抓包分析，在C服务器1上

tcpdump   -i  eth0  -s  0   -w aa.txt  host  java客户端ip

抓出的包用wireshark分析

通过追踪流-TCP流分析服务端耗时并没有变的太大，因为C客户端和C服务端是长连接，多个请求可能会共用一个连接，所以此时分析出的数据可能会不太准，因此我们采用loadrunner压测，其它条件不变，一台C服务器1和两台C服务器1分别查看耗时变化，

其它条件不变，一台java服务器和两台java服务器分别查看耗时变化.

最终定位到是C客户端的问题。（ps:在wireshark的分析数据时还跟秦迪大师弄明白了tcp延迟确认）

2.改造C客户端

C客户端和C服务端是通过长连接通信的，直接改造C代码难度较大，所有我们准备把C替换成java，这就需要分析C之间通信传参时候用的什么协议，然后根据这个协议用java重写。我们根据之前的经验推测出了编码协议，用wireshark分析二进制确认确实是这种编码。

我们根据这种协议编码采用java重写后，同样在110并发用户情况下，tps提升到了210（提升两倍），耗时降到了330ms(是原来的三分之一)

3.第二次瓶颈定位。

经过第二步优化后tps提升了两倍，但是此时扩容tomcat,扩容C服务器，tps就维持在210左右，不会变高了。因此我们继续进行定位新的瓶颈点。此时找dba要到一个实时查看oracle 耗时sql的语句

select

(select b.SQL_TEXT from v$sqlarea b where b.SQL_ID=a.SQL_ID ) sqltxt,

(select c.SQL_FULLTEXT from v$sqlarea c where c.SQL_ID=a.SQL_ID ) sqlfulltxt,

a.username, a.LAST_CALL_ET,a.MACHINE ,a.command, a.EVENT, a.SQL_ID ,a.SID,a.SERIAL#,

'alter system kill session ''' || a.SID ||','||a.SERIAL# ||''';' as killstment

from v$session a

where a.STATUS = 'ACTIVE'

and a.USERNAME not in ('SYS', 'SYSTEM')

order by

a.LAST_CALL_ET desc ,a.username,a.MACHINE ,a.command, a.EVENT,  a.SQL_ID ,a.SID;

发现有个for update的sql 并发量大的时候部分请求 LAST_CALL_ET列的值能达到6秒，for update导致了所有请求被串行执行，影响了并发能力。我们经过分析业务逻辑后，用sequence暂时替换 for update 语句，但是我们没有源码，没法修改，后来又通过010 editor 直接修改二进制文件，通过010 editor 查询找到了 for update 语句，顺利替换。

替换后，4台C服务器tps达到了580，提升了2.7倍（580/210），系统初步具备了横向扩展能力

4.第三次瓶颈定位。

经过上一步改造，4台C服务器时系统的tps提升了2.7倍，但是并没有提升到4倍(210*4=840)，没有线性提升，说明还是有别的瓶颈，又通过dba上边给的sql发现insert 语句偶尔耗时也很长，在1s左右，EVENT等待事件是IO事件，DBA同事给修改了redo log file 大小（这个是测试环境Oracle，之前没有优化），从默认的50M，修改为1G, tps 提升到了640 （还没提升到4倍，也就是说还有瓶颈，可能还是数据库，但因为数据库暂时没办法抓取到毫秒级的耗时sql,没再继续追查）

经过这几次性能提升，加上我们测试服务器配置都不高，如果线上服务器性能预估能达到1000tps,基本满足眼前需求，因此就没再继续进行性能优化。

5.程序进程随机挂掉问题。

压测过程中，C服务器进程经常随机挂掉，通过tail -f /var/log/messages 发现生成了core dump 文件，但是又被系统自动删除了。董建查到了开启core dupm文件的方法，如下：

a、ulimit -c

查看是否为0，如果为0，表示coredump文件设置为0，需要修改为不限制

ulimit -c unlimited

b、修改/etc/abrt/abrt-action-save-package-data.conf

ProcessUnpackaged = yes

修改后进程又崩溃时core dump 文件生成了，进入core dump 目录进行调试

gdb 脚本路径 coredump

bt 显示堆栈信息

继续执行如下命令

f 0

set print pretty on

info local        //显示当前函数中的局部变量信息。

通过p命令查看里边变量的值

发现变量thishost->h_addr_list的值为null

我们分析可能是并发请求时有方法不是线程安全的导致这个值为null，从而引起了进程crash，继续调试。

在gdb中 set logging on 把调试信息输出到文件

thread apply all bt 输出所有的线程信息。

退出gdb

grep --color -i clientconnect -C5 gdb.txt

确实有两个线程并发在访问

通过ida工具反编译so,最终定位到以下语句在并发时有问题，thishost中的变量可能会被另一个线程在一瞬间初始化为null。

thishost = gethostbyname((const char *)hostname);

ip = inet_ntoa(*(struct in_addr *)*thishost->h_addr_list);

根据我们的项目特点，因为我们没有远程调用，C服务端1和C服务端2都部署在了同一台服务器上，所以我们通过修改二进制把地址暂时写死成了127.0.0.1，把ip = inet_ntoa((struct in_addr )*thishost->h_addr_list);修改成了空指令，重新部署后没再出现系统崩溃的问题。

作者简介：杨振-宜信工程师，前微博feed组工程师，对源码学习感兴趣；董建-宜信工程师，前微博工程师，关注大数据和高可用技术

原文发布于高可用架构

来源：宜信技术学院

微信关注我们

原文链接：https://yq.aliyun.com/articles/712118

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

HelloDjango 系列教程：Django 迁移、操作数据库

HelloDjango 系列教程：Django 迁移、操作数据库文中涉及的示例代码，已同步更新到 HelloGitHub-Team 仓库我们已经编写了博客数据库模型的代码，但那还只是 Python 代码而已，django 还没有把它翻译成数据库语言，因此实际上这些数据库表还没有真正的在数据库中创建。迁移数据库为了让 django 完成翻译，创建好这些数据库表，我们再一次请出我的工程管理助手 manage.py。切换到 manage.py 文件所在的目录（项目根目录）下，分别运行 pipenv run python manage.py makemigrations 和 pipenv run python manage.py migrate 命令： pipenv run python manage.py makemigrationsMigrations for 'blog': blogmigrations0001_initial.py - Create model Category - Create model Tag - Create model Post pipenv run p...

2019-08-01

501

在开发中,常用的数组和ArrayList集合类,数组和数组集合都有一个重大的缺陷,就是从数组中间位置删除一个元素要付出很大的代价,因为在数组中处于被删除的元素之后的所有元素都要向数组前端移动,插入一个元素也是如此,数据结构--链表解决了这个问题.数组是在连续的存储位置上存放对象的引用,链表将每个对象存放在独立的结点中,每个结点都会存放序列中下一个结点的引用.在链表中删除一个元素就只需要更新被删除元素附近的结点引用链接. 示例: public class LinkedListDemo { public static void main(String[] args) { List<String> list = new LinkedList<>(); list.add("A"); list.add("B"); Collection<String> collection = new LinkedList<>(); collection.add("C"); collection.add("D"); list.addAll(collection); ...

2019-08-01

533

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。