📘Spring Boot 性能分析

Spring Boot 性能分析

1.1. 图形化性能分析工具

1.1.1. Java VisualVM (JVisualVM)

• CPU 分析 (Profiler -> CPU)：
• 可以对 CPU 进行采样（Sampling）或插装（Instrumentation，更精确但开销更大）。
• 采样模式下，JVisualVM 会定期检查线程栈，统计方法执行频率，找出“热点方法”（Hot Spots），即占用 CPU 时间最多的方法。
• 结果以调用树、方法列表等形式展示，可以清晰看到哪些方法消耗了最多的 CPU 时间。

• 内存分析 (Profiler -> Memory)：
• 监控对象分配和垃圾回收。可以查看哪些类创建了大量对象。

• 线程监控 (Threads)：
• 实时显示所有线程的状态（Running, Sleeping, Wait, Monitor, Park）。
• 可以进行线程转储（Thread Dump），用于分析死锁、线程等待等问题。

• JMX (Java Management Extensions)：
• 可以通过 JMX 连接到本地或远程 JVM，监控 MBeans 提供的各种运行时指标，如 Tomcat 的请求处理时间、连接池状态等。

1.1.2. JProfiler

• CPU 分析：
• 多种视图（调用树、热点图、方法图）分析 CPU 使用情况。
• 支持对特定方法或包进行过滤，聚焦分析。
• 能够识别 CPU 使用率过高的方法。

• 内存分析：
• 实时内存使用、对象分配跟踪、垃圾回收活动。
• 强大的堆遍历器 (Heap Walker)，用于分析对象引用、查找内存泄漏，比 JVisualVM 更细致。
• 支持 HPROF 和 PHD 堆转储文件分析。

• 线程分析：
• 线程历史记录、锁竞争分析、线程状态监控。
• 检测死锁。

• JDBC 和 JPA/Hibernate 分析：
• 监控数据库调用、SQL 语句执行时间、JPA/Hibernate 操作。
• 识别慢查询和 N+1 查询问题。

• HTTP 请求分析：跟踪传入和传出的 HTTP 调用，分析延迟。

• 集成：与 IntelliJ IDEA, VS Code, Eclipse, NetBeans 等主流 IDE 紧密集成，方便启动分析会话 15。

• 远程分析：支持对远程服务器上的应用进行分析，配置简单 23。

• 触发器系统：可以设置条件触发动作，如在特定条件下自动保存快照或执行脚本 23。

1.1.3. Java Mission Control (JMC) 与 Java Flight Recorder (JFR)

• Java Flight Recorder (JFR)：
• 一个事件记录框架，内置于 JVM 中，以极低的性能开销（通常 <1%）收集关于 JVM 运行时的详细数据，如方法分析、锁事件、GC 事件、线程活动、I/O 操作等。
• 可以通过 JVM 参数 -XX:StartFlightRecording 在应用启动时开启记录，或使用 jcmd <pid> JFR.start 动态开启。
• 记录数据保存为 .jfr 文件。

• Java Mission Control (JMC)：
• 用于分析 JFR 记录（.jfr 文件）的图形化工具。
• 提供丰富的视图来分析 CPU 使用（代码热点）、内存分配、GC 行为、线程锁竞争、I/O 等。
• 连接到远程 JVM：JMC 可以通过 JMX 连接到正在运行的 Spring Boot 应用（包括在 Docker 容器中的应用）进行实时监控和启动 JFR 记录。
• 需要在 Spring Boot 应用启动时配置 JMX 参数，如
• 在 Docker 中运行时，需要确保 JMX 端口映射到宿主机，并且java.rmi.server.hostname 设置正确（例如，对于本地 Docker，可以是 127.0.0.1 或容器 IP）。

1.1.4. Async Profiler

• 低开销：采样机制，对应用性能影响极小。

• 多种分析事件：CPU 时间、堆内存分配、锁竞争、硬件性能计数器等 27。

• 输出格式：
• 火焰图 (Flame Graphs)：直观展示代码执行路径和频率，CPU 火焰图显示哪些代码路径消耗最多 CPU，分配火焰图显示哪些代码路径分配了最多内存 26。
• JFR 文件：可以生成 JFR 格式的记录，用 JMC 分析 26。
• 文本格式。

• 使用方式：
• 附加到正在运行的 Java 进程：asprof -d <duration_seconds> -f <output_file.html> <pid> 27。
• 作为 Java Agent 启动：java -agentpath:/path/to/libasyncProfiler.so=start,event=cpu,file=profile.html -jar myapp.jar 26。

• Docker 环境使用：
• 可以将 Async Profiler 二进制文件包含在 Docker 镜像中，并通过 ENTRYPOINT 或 CMD 启动分析 26。
• 需要配置 Docker 容器以允许访问性能事件（如添加 --cap-add SYS_ADMIN，配置 perf_event_paranoid 和 kernel.kptr_restrict 内核参数）26。
• 可以在宿主机上运行 Async Profiler 来分析容器内的 Java 进程，通过挂载 Async Profiler 目录到容器内实现 26。
• AWS EKS 等云环境也有集成 Async Profiler 进行持续性能分析的方案 28。

1.2. 命令行性能分析工具

1.2.1. jstat

• 获取进程 ID (pid)：使用 jps 命令列出当前用户运行的 Java 进程及其 pid。

• 常用选项：
• jstat -gc <pid> <interval_ms> <count>：显示 GC 相关的堆信息，包括各代空间大小、使用量、GC 次数和时间。例如 jstat -gc <pid> 1000 10 每秒输出一次，共输出 10 次。
• 输出列含义：S0C/S1C (Survivor 0/1 容量)，S0U/S1U (Survivor 0/1 已用)，EC/EU (Eden 容量/已用)，OC/OU (Old 区容量/已用)，MC/MU (Metaspace 容量/已用，JDK 8+)，YGC/YGCT (Young GC 次数/耗时)，FGC/FGCT (Full GC 次数/耗时)，GCT (总 GC 耗时)。
• jstat -gcutil <pid>：以百分比形式显示各区使用率及 GC 统计。
• jstat -class <pid>：显示类加载和卸载数量及所占空间。
• jstat -compiler <pid>：显示 JIT 编译器编译任务数量和时间。

• 分析：通过观察 jstat 输出，可以判断 GC 是否频繁、GC 耗时是否过长、老年代内存是否持续增长（可能是内存泄漏的迹象）等。

1.2.2. jstack

• 基本用法：jstack [-l] <pid>
• l 选项会打印关于锁的附加信息，如 java.util.concurrent 的锁信息。

• 分析死锁：jstack 会自动检测并报告 Java 级别的死锁，指出哪些线程在等待哪些锁，以及这些锁被哪些线程持有。

• 分析线程状态：线程堆栈信息会显示线程的当前状态（如 RUNNABLE, BLOCKED, WAITING, TIMED_WAITING）及其调用栈，帮助理解线程正在执行什么操作或等待什么资源 。

• 强制输出：如果进程无响应，可以使用 jstack -F <pid> (仅限 Oracle Solaris 和 Linux) 强制打印堆栈。

1.2.3. 其他有用的命令行工具

• vm_stat (macOS), sar (Linux)：提供操作系统级别的虚拟内存统计信息，如页面换入换出、CPU 使用率等。

• iostat (Linux, macOS)：报告 CPU 统计信息和输入/输出设备的统计信息。

• netstat (Linux, macOS, Windows)：显示网络连接、路由表、接口统计等信息。

• top (Linux, macOS), tasklist/taskmgr (Windows)：实时显示系统中正在运行的进程和系统资源使用情况，可以快速定位 CPU 或内存占用高的 Java 进程。

• pidstat (Linux)：提供更细致的进程级别资源使用统计。

• async-profiler 命令行：除了作为 Java Agent，async-profiler 也提供了命令行工具 asprof，可以附加到正在运行的进程进行分析 。