在系统运维中除了要维持平台的稳定运行以外，还需对服务器的性能进行优化，让服务器发挥出良好的工作性能是稳定运行的基础。腾讯互娱DBA团队的汪伟（simon）在这一领域里整理出了一套性能优化的资料，为大家在性能优化提供充足的方向。
概述
什么是性能？
性能最通俗的衡量指标就是“时间”，CPU的使用率指的是CPU用于计算的时间占比，磁盘使用率指的是磁盘操作的时间占比，当CPU使用率100%时，意味着有部分请求来不及计算，响应时间增加或者超时；当磁盘使用率100%时，意味着有部分请求需要等待IO操作，响应时间也会增加或者超时。换言之，所有的操作都在理想的时间内，就不存在“性能优化“的问题。我们在分析性能的时候，总是会首先要找到是什么引起响应时间变慢了，对应单机性能的分析，一般我们会将目光锁定在CPU和IO上，因为对于应用程序一般分为CPU bound型和IO bound型，即计算密集型或者读写密集型；至于内存，其性能因素往往也会反映到CPU或者IO上，因为内存的设计初衷就是提高内核指令和应用程序的读写性能，当内存不足，系统可能进行大量的交换操作，这时候磁盘可能成为瓶颈；而缺页、内存分配、释放、复制、内存地址空间映射等等问题又可能引起CPU的瓶颈；更严重的情况是直接影响功能，这个就不仅仅是性能的问题了。
性能优化并不是一个孤立的课题，除了响应时间的考虑，我们往往还需要综合功能完整性、安全性等等方面的问题。
性能分析的基础
性能优化需要厚实的基础知识：
操作系统——操作系统管理着应用程序所需要的所有资源，例如CPU和IO，当任何一个组件出现问题，我们的分析也是基于操作系统的，例如文件系统类型，磁盘类型，磁盘raid类型都需要操作系统管理和支持。
系统编程技术——系统编程技术涉及到我们如何使用系统资源，例如对IO的操作我们可以使用buffering I/O，也可以使用Direct IO，可以采用同步的方式，也可以采用异步的方式，可以使用多进程，也可以使用多线程的方式。懂得不同编程技术的原理，有利于问题的分析。
应用程序——例如数据库组件的数据类型、引擎、索引、复制、配置参数、备份、高可用等等都可能是性能问题的元凶。
性能分析的方法论
问题分析方面，各类方法论如金字塔思维、5W2H、麦肯锡七步法等等。套用5W2H方法，可以提出性能分析的几个问题
- What-现象的表现是什么样的
- When-什么时候发生
- Why-为什么会发生
- Where-哪个地方发生的问题
- How much-耗费了多少资源，问题解决后能减少多少资源耗用
- How to do-怎么解决问题
但是这些只能给出方向，性能分析需要找到原因需要更具体的方法，怎么解决一个问题也需要更加具体的方式。
Brendan Gregg在《性能之巅：洞悉系统、企业与云计算》第二章中讲到大量的方法，比较突出的如Use方法、负载特征归纳、性能监控、静态性能调优、延时分析、工具法等等。其中工具法最具体，但是工具法也有自己的限制，如磁盘的饱和度，在磁盘使用率100%的时候，磁盘的负载可能还可以继续增加。在实际分析问题中，负载特征归纳更有指导意义，静态跟踪和动态跟踪让我们更容易更直观发现问题。
CPU
认识CPU
CPU本身的架构和内核调度器的架构这里不做详细讲述，具体可以参考操作系统类书籍。但是仍然需要清楚一些概念：
- 处理器
- 核
- 硬件线程
- CPU内存缓存
- 时钟频率
- 每指令周期数CPI和每周期指令数IPC
- CPU指令
- 使用率
- 用户时间／内核时间
- 调度器
- 运行队列
- 抢占
- 多进程
- 多线程
- 字长
针对应用程序，我们通常关注的是内核CPU调度器功能和性能
线程的状态分析主要是分析线程的时间用在什么地方，而线程状态的分类一般分为：
on-CPU：执行中，执行中的时间通常又分为用户态时间user和系统态时间sys
off-CPU：等待下一轮上CPU，或者等待I/O、锁、换页等等，其状态可以细分为可执行、匿名换页、睡眠、锁、空闲等状态
如果大量时间花在CPU上，对CPU的剖析能够迅速解释原因；如果系统时间大量处于off-cpu状态，定位问题就会费时很多。
分析方法与工具
在观察CPU性能的时候，按照负载特征归纳的方法，可以检查如下清单：
- 整个系统范围内的CPU负载如何，CPU使用率如何，单个CPU的使用率呢？
- CPU负载的并发程度如何？是单线程吗？有多少线程？
- 哪个应用程序在使用CPU，使用了多少？
- 哪个内核线程在使用CPU，使用了多少？
- 中断的CPU用量有多少？
- 用户空间和内核空间使用CPU的调用路径是什么样的？
- 遇到了什么类型的停滞周期？
要回答上面的问题，使用系统性能分析工具最经济和直接，这里列举的工具足够回答上面的问题：
上述问题中，调用路径和停滞周期的分析可以使用perf工具，也可以使用DTrace等更灵活的工具。其中perf支持对各类内核时间的跟踪计数统计，可以使用perf list查看。例如停滞周期分析可能十分复杂，需要对CPU和调度器架构有较系统的认识和了解，停滞的周期可能发生在一级、二级或者三级缓存，如缓存未命中，也可能是内存IO和资源IO上的停滞周期，perf中有诸如L1-dcahce-loads，L1-icache-loads等事件的计数统计。
实际案例
火焰图帮助分析CPU的调用路径
我们在压测mysql在某机型上的非原地更新性能时，分析mysql服务器延时情况时，分析了CPU上主要的函数调用。使用perf top能够看到调用次数的排名，但是调用关系不能展示出来。火焰图很清晰地提供了调用关系的视图（如下两图中的比例不同是因为perf top加了-p参数，火焰图分析是针对整个系统）。
内存
认识内存
如前所述，内存是为提高效率而生，实际分析问题的时候，内存出现问题可能不只是影响性能，而是影响服务或者引起其他问题。同样对于内存有些概念需要清楚：
- 主存
- 虚拟内存
- 常驻内存
- 地址空间
- OOM
- 页缓存
- 缺页
- 换页
- 交换空间
- 交换
- 用户分配器libc、glibc、libmalloc和mtmalloc
- LINUX内核级SLUB分配器
分析方法与工具
Brendan在书中给出了一些问题，比如内存总线的平衡性，NUMA系统中，内存是否被分配到合适的节点中去等等，这些问题在实际分析问题的时候，并不能作为切入点，需要持续的分析。因此笔者简化为如下清单：
- 系统范围内的物理内存和虚拟内存使用率
- 换页、交换、oom的情况
- 内核和文件系统缓存的使用情况
- 进程的内存用于何处
- 进程为何分配内存
- 内核为何分配内存
- 哪些进程在持续地交换
- 进程或者内存是否存在内存泄漏？
内存的分析工具如下：
除了DTrace，所有的工具只能回答信息统计，进程的内存使用情况等等，至于是否发生内存泄漏等，只能通过分配跟踪。但是DTrace需要对内核函数有很深入的了解，通过D语言编写脚本完成跟踪。Perf也有一些诸如cache-miss、page-faults的事件用于跟踪，但是并不直观。
实际案例
关于内存泄漏，从监控和顶层观察很难发现问题，一般都是从底层程序代码来分析，案例中使用各种观察工具和跟踪工具都不能很确定原因所在，只能通过分析代码来排查问题。最终发现是lua脚本语言分配内存速度快，包驱动的周期性服务的用法中，lua自动回收不能迅速释放内存，而是集中回收，如果频繁回收又可能带来CPU的压力。开发项目组最后采用的解决方式为分步回收，每次回收一部分内存，然后周期性全量回收。
IO
逻辑IO vs 物理IO
通常在讨论问题时，总是会分析IO的负载，IO的负载通常指的是磁盘IO，也就是物理IO，例如我们使用iostat获取的avgqu-sz、svctm和until等指标。因为我们的读写最终都是来自或者去往磁盘的，关注磁盘的IO情况非常正确。但是我们在进行读写操作的时候，面向的对象大多数时候并不会直接面向磁盘，而是面向文件系统的，除非使用raw io的方式。
如下图为通用的IO结构图，如果你想了解更详细，可以查看第二张图片。
我们知道LINUX通过文件系统将所有的硬件设备甚至网络都抽象为文件来管理，例如read()调用时，实际就是就是调用了vfs_read函数，文件系统会确认请求的数据是否在页缓存中，如果不在内存中，于是将请求发送到块设备；此时内核会先获取到数据在物理设备上的实际位置，然后将读请求发送给块设备的请求队列中，IO调度器会通过一定的调度算法，将请求发送给磁盘设备驱动层，执行真正的读操作。在这一过程中可能发生哪些情况呢？如果应用程序执行的是大量的顺序读会怎样？随机读又会怎样？如果是顺序读，正确的做法就是进行预读，让请求的数据落到内存中，提升读效率。所以在应用程序发起一次读，从文件系统到磁盘的过程中，存在读放大的问题。
在写操作时同样存在类似的情况，应用程序发起对文件系统的IO操作，物理IO与应用程序之间，有时候会显得无关、间接、放大或者缩小。
无关：
- 其他的应用程序：磁盘IO来自其他的应用程序，如监控，agent等
- 其他用户：如同虚拟机母机下的其他用户
- 其他内核任务：如重建raid，校验等
间接：
- 文件系统预读：增加额外的IO，但是可能预读的数据无用
- 文件系统缓冲：写缓存推迟或者合并回写磁盘，造成磁盘瞬时IO压力
放大：
- 文件系统元数据：增大额外的IO
- 文件系统记录尺寸：向上对齐等增加了IO大小
缩小：
- 文件系统缓存：直接读取缓存，而不需要操作磁盘
- 合并：一次性回写磁盘
- 文件系统抵消：同一地址更新多次，回写磁盘时只保留最后一次修改
- 压缩：减少数据量
图片来源：https://www.thomas-krenn.com/de/wikiDE/images/b/ba/Linux-storage-stack-diagram_v4.0.png
文件系统分析与工具
与文件系统相关的术语如下：
- 文件系统
- VFS
- 文件系统缓存
- 页缓存page cache
- 缓冲区高速缓存buffer cache
- 目录缓存
- inode
- inode缓存
如下图为文件系统缓存的结构图，页缓存缓存了虚拟内存的页面，包括文件系统的页面，提升了文件和目录的性能。
Linux将缓冲区高速缓存放入到了页缓存中，即page cache包含buffer cache。文件系统使用的内存脏页由内核线程写回磁盘，如图中的页面扫描器kswapd为后台的页面换出进程，当内存不足，超过一定时间（30s）或者有过多的脏页时都会触发磁盘回写。
文件系统延时指的是一个文件系统逻辑请求从开始到结束的时间，包括在文件系统、内核磁盘IO子系统以及等待磁盘设备响应的时间。
同步访问时，应用程序会在请求时阻塞，等待文件系统请求结束，异步方式下，文件系统对其并无直接影响，但是异步访问也分select、poll、epoll等方式，也就是所谓的异步阻塞、异步非阻塞。在异步方式下，一般是打印出用户层发起文件系统逻辑IO的调用栈，得到调用了哪个函数产生了IO。
Linux未提供查看文件系统延时的工具和接口，但是磁盘的指标信息却比较丰富，但是很多情况下，文件系统IO和磁盘IO之间并没有直接关系，例如应用程序写文件系统，但是根本不关心数据什么时候写到磁盘了，而后台刷数据到磁盘时，可能造成磁盘IO负载增加，从磁盘角度，应用程序的写入可能受到影响了，而实际上应用程序并没有等待。
文件系统的分析可以试着回答下面的问题：
- 哪个应用程序在使用文件系统？
- 在对哪些文件进行操作？
- 在进行什么样的操作，读写比是多少，同步还是异步？
- 文件系统的缓存有多大，目前的使用情况？
- 有遇到什么错误吗？是请求不合法，还是文件系统自身的问题？
其实上面的问题，除了能够看到系统的内存情况，页缓存和buffer cache大小，能够看到哪些进程在进行读写操作，在读哪些文件，其他的比如应用程序对文件系统的读写比，同步还是异步，这些问题没有工具能给出明确的信息。当然我们可以通过跟踪应用程序的内核调用栈来发现问题，也可以在应用程序中输出日志来帮助分析。
磁盘分析与工具
在理解磁盘IO之前，同样我们需要理解一些概念，例如：
- 虚拟磁盘
- 扇区
- I/O请求
- 磁盘命令
- 带宽
- 吞吐
- I/O延时
- 服务时间
- 等待时间
- 随机IO/连续IO
- 同步/异步
- 磁盘接口
- raid
对于磁盘IO，我们可以列出如下等问题来帮助我们分析性能问题：
- 每块磁盘的使用率是多少？
- 每块磁盘上有多长等待队列？
- 平均服务时间和等待时间时多少？
- 是哪个应用程序或者用户正在使用磁盘？
- 应用程序读写的方式是怎样的？
- 为什么会发起磁盘IO，内核调用路径是什么样的？
- 磁盘上的读写比是多少？
- 随机IO还是顺序IO？
Linux对磁盘的性能分析工具主要如下：
磁盘上是随机IO还是顺序IO，很多时候我们并没有很好的方式去判断，因为块设备回写磁盘的时候，随机IO可能已经被整理为顺序IO了。对于磁盘的分析同样可以使用perf跟踪事件或者DTrace设置探针。
在分析mysql在某机型上做非全cache非原地更新时，为什么单实例无法将机器性能压满的时候，我们在分析的过程中跟踪了块设备的内核事件。我们对比了多实例非原地更新和单实例非原地更新的时候，磁盘的操作情况。如下为非原地更新时跟踪的结果。对结果分析后看到，单实例非原地更新时，将近30%是blk_finish_plug，有70%是blk_queue_bio，而多实例时正好相反，大量的blk_finish_plug和少量的blk_queue_bio（当然，这不是为什么性能压不满的原因）。
