性能调优

BladeX大约 3 分钟quickstartperformance

调优说明

以下为核心调优参数说明，可通过调优参数最大可能压榨服务器性能，但仅建议根据实际情况调整参数，若盲目配置容易起到反作用哦。

Linux 操作系统参数

系统全局允许分配的最大文件句柄数:

# 2 millions system-wide
sysctl -w fs.file-max=2097152
sysctl -w fs.nr_open=2097152
echo 2097152 > /proc/sys/fs/nr_open

允许当前会话/进程打开文件句柄数:

ulimit -n 1048576

/etc/sysctl.conf

持久化 fs.file-max 设置到 /etc/sysctl.conf 文件:

fs.file-max = 1048576

/etc/systemd/system.conf 设置服务最大文件句柄数:

DefaultLimitNOFILE=1048576

/etc/security/limits.conf

/etc/security/limits.conf 持久化设置允许用户/进程打开文件句柄数:

*      soft   nofile      1048576
*      hard   nofile      1048576

TCP 协议栈网络参数

并发连接 backlog 设置:

sysctl -w net.core.somaxconn=32768
sysctl -w net.ipv4.tcp_max_syn_backlog=16384
sysctl -w net.core.netdev_max_backlog=16384

可用知名端口范围:

sysctl -w net.ipv4.ip_local_port_range='1000 65535'

TCP Socket 读写 Buffer 设置:

sysctl -w net.core.rmem_default=262144
sysctl -w net.core.wmem_default=262144
sysctl -w net.core.rmem_max=16777216
sysctl -w net.core.wmem_max=16777216
sysctl -w net.core.optmem_max=16777216

#sysctl -w net.ipv4.tcp_mem='16777216 16777216 16777216'
sysctl -w net.ipv4.tcp_rmem='1024 4096 16777216'
sysctl -w net.ipv4.tcp_wmem='1024 4096 16777216'

TCP 连接追踪设置:

sysctl -w net.nf_conntrack_max=1000000
sysctl -w net.netfilter.nf_conntrack_max=1000000
sysctl -w net.netfilter.nf_conntrack_tcp_timeout_time_wait=30

TIME-WAIT Socket 最大数量、回收与重用设置:

sysctl -w net.ipv4.tcp_max_tw_buckets=1048576

# 注意: 不建议开启該设置，NAT模式下可能引起连接RST
# sysctl -w net.ipv4.tcp_tw_recycle=1
# sysctl -w net.ipv4.tcp_tw_reuse=1

FIN-WAIT-2 Socket 超时设置:

sysctl -w net.ipv4.tcp_fin_timeout=15

blade-broker 服务配置调优

日志级别调整

优化日志打印，提高日志级别，将一些不必要和重复的日志打印去掉。特别是一些报文的打印，正式环境一定要去掉。

org.tio: ERROR
org.tio.server: ERROR
net.dreamlu: ERROR

时序库配置调整

如果你的服务有大量的写入，可以调大时序库的连接池数和批量的批次大小 batchSize，调小一个批次任务的写入时间 flushDuration (不建议过小，建议配置 300ms ~ 1s 之间)。

blade-broker 工作线程调优

blade-broker 服务端默认的业务线程数是 CPU 核心 2 倍（最小默认为 8），如果服务端也遇到上述业务处理耗时大、消息量大，导致的处理不赢，建议将消息转发到 kafka、rocketmq，然后将耗时的业务添加多个服务去消费 mq，后续版本会直接支持。当然你还可以尝试使用 java21 虚拟线程，能得到几倍的性能提升，当然 CPU 和内存消耗会多一些。

虚拟线程配置

import net.dreamlu.iot.mqtt.core.server.MqttServerCreator;
import net.dreamlu.iot.mqtt.spring.server.MqttServerCustomizer;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

import java.util.concurrent.Executors;

@Configuration(proxyBeanMethods = false)
public class MqttServerCustomizerConfiguration {

	@Bean
	public MqttServerCustomizer mqttServerCustomizer() {
		return new MqttServerCustomizer() {
			@Override
			public void customize(MqttServerCreator creator) {
				// 设置业务线程，使用 java21 虚拟线程
				creator.mqttExecutor(Executors.newVirtualThreadPerTaskExecutor());
			}
		};
	}

}

问题定位

为了提高Java应用的性能监控和故障排查效率，建议在启动Java虚拟机时配置自动内存溢出转储选项：

-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=heapdump.hprof

这样，在应用运行过程中一旦遭遇内存溢出或CPU使用率异常高的情况，就可以利用以下步骤进行分析：

检查日志异常：首先查看应用日志，确认是否存在大量异常输出。如果发现异常，根据日志内容进行问题分析和定位。
进程和线程分析：

使用jps命令获取Java进程的pid。
执行jstack -l [pid]命令，检查是否有线程状态为 BLOCKED 或存在调用栈过深的情况。
根据调用栈信息，分析并定位到具体的代码问题。

性能分析工具应用：

利用jprofiler（jprofiler 快速分析内存泄露实战）或Arthas工具收集火焰图，深入分析调用栈的耗时情况。
在本地开发环境中，可以利用IDE（如IntelliJ IDEA）内置的 Profiler 进行实时性能监控。

网络性能调优：

如果发现网络连接问题，如连接数少或释放时间长，可以参考上文的TCP协议栈网络参数章节进行针对性的调优。

通过上述步骤，可以更有效地诊断和解决Java应用中的性能问题。