SpringCloud从入门到进阶（八）——单点部署Zuul的压力测试与调优（一）

内容

　　作为微服务架构系统的入口，毫无疑问，Zuul的并发性能直接决定了整个系统的并发性能。本文结合前几篇文章的内容，在云服务器中部署了包含Eureka Server，Zuul等组件的1.0版本的微服务架构，并进行单点部署Zuul的压力测试，对其并发性能一探究竟。

版本

　　JVM监测工具：JVisualVM

　　压力测试工具：Apache Bench 2.3

　　JDK：1.8.0_171

　　SpringBoot：1.5.9.RELEASE

　　SpringCloud：Dalston.SR1

环境

　　处理器具体型号为Intel xeon(skylake) platinum 8163，主频2.5GHz。

说明

　　转载请说明出处：SpringCloud从入门到进阶（八）——单点部署Zuul的压力测试与调优（一）

步骤

　　微服务架构中，所有的请求都需要经过Zuul的转发才能到达具体的微服务。因此Zuul的并发量和可用性将直接影响甚至决定整个系统的并发量和可用性。在本篇文章中，我们使用压力测试工具Apache Bench，在局域网范围内搭建环境对特定接口进行压力测试，因此本示例只是考察CPU和内存对Zuul和微服务并发能力的影响，网络带宽、缓存、数据库、磁盘IO等因素不在本实例的讨论范围内，测试系统的吞吐量、服务端请求平均处理时间、用户请求平均等待时间等参数。

　　Apache Bench的安装、使用请参考Linux入门实践笔记（六）——压力测试工具Apache Bench的安装、使用和结果解读。下面，我们再重温下HTTP服务器性能指标：

吞吐量

　　吞吐量（Requests per second）是在某个并发度下服务器每秒处理的请求数。它是服务器并发处理能力的量化描述，单位是reqs/s。计算公式为：总请求数/处理请求的总耗时。吞吐量越大说明服务器的性能越好。

请求平均处理时间

　　请求平均处理时间（Time per request，across all concurrent requests）是服务器处理请求的平均时间，计算公式为：处理请求的总耗时/总请求数。它是服务器吞吐量的倒数。也等于，用户请求平均等待时间/并发用户数。

请求平均等待时间

　　请求平均等待时间（Time per request）是用户等待请求响应的平均时间，计算公式为：处理请求的总耗时/(总请求数/并发用户数)。

　　“请求平均处理时间”和“请求平均等待时间”两个概念非常容易混淆，举一个例子进行说明：比如100个用户同时执行上传文档的操作，那么并发用户数为100，假设服务器可以同时处理这100个请求，并且每个文件上传操作的耗时都是1s。那么请求总耗时时间为1s，吞吐量为100reqs/s。请求平均处理时间为0.01s，请求平均等待时间为1s。也就是说，请求平均处理时间是从服务器的角度出发的，请求平均等待时间是从用户的角度出发的。

测试环境搭建

启动路由Zuul

　　执行下面的指令部署路由Zuul，将jvm的栈空间设置为512MB，并在本地的7199端口开启jmx监控，用来检测jvm的运行情况。由SpringCloud从入门到进阶（五）——路由接入Zuul及其单点部署可知，Zuul的路由规则为："/routea/..." 匹配到微服务"application-serviceA"。

[user@ServerA7 jars]$ java -Dspring.profiles.active=peer2 
-Dcom.sun.management.jmxremote.port=7199 #供JMX客户端远程连接用的端口号 
-Dcom.sun.management.jmxremote.ssl=false #关闭账号密码认证，不安全，仅在开发阶段使用
-Dcom.sun.management.jmxremote.authenticate=false #关闭SSL
-Djava.rmi.server.hostname=106.117.142.x #指定本机供远程访问的IP地址，此处是本机的公网IP
-Xms512m -Xmx512m -jar zuul-1.0-SNAPSHOT.jar &

　　如果按照上述参数配置，仍然远程访问JVM，可以参考Linux入门实践笔记（七）——云服务器中配置Java项目的JMX连接失败问题解决记录。

启动微服务实例

　　此处在SpringCloud从入门到进阶（六）——使用SpringBoot搭建微服务的基础之上，在DemoController中增加测试接口"/timeconsume/{length}"，使用sayHello方法和timeConsuming方法分别模拟简单操作和耗时操作（由代码可知，接口处理与网络带宽、缓存、数据库、磁盘IO无关）。

@PostMapping("/hello/{name}")
public String sayHello(@PathVariable(value = "name") String name,
                       @RequestParam(value = "from") String user){
    String content="Hello "+name+",this is DemoTest.From "+user+"@："+instanceID+".";
    logger.log(Level.INFO,content);
    return content;
}

@GetMapping("/timeconsume/{length}")
public String timeConsuming(@PathVariable(value = "length") int length){
    try {
        Thread.sleep(length);
   }catch (Exception e){
        e.printStackTrace();
   }
    String content="Successfully sleep "+length+" ms.";
    logger.log(Level.INFO,content);
    return content;
}

　　参照下面指令启动ServiceA的实例，同样在本地的7199端口开启jmx监控，将jvm的栈空间设置为起始512MB，最大1024MB。

[user@ServerA2 jars]$ java -Dspring.profiles.active=peer1 --Dcom.sun.management.jmxremote.port=7199 #供JMX客户端远程连接用的端口号 
-Dcom.sun.management.jmxremote.ssl=false #关闭账号密码认证，不安全，仅在开发阶段使用
-Dcom.sun.management.jmxremote.authenticate=false #关闭SSL
-Djava.rmi.server.hostname=106.117.142.x #指定本机供远程访问的IP地址，此处是本机的公网IP
-Xms512m -Xmx1024m -jar service-1.0-SNAPSHOT.jar &

开始测试

　　在测试路径下创建ab的post测试所需要的参数文件params，内容为：

[user@ServerA6 ab]$ cat params
from=lee

测试一：50个并发用户，执行50000次请求

1.1.1直接调用sayHello接口

　　直接调用sayHello接口，是为了记录该接口的处理速度，用于与通过Zuul调用做比较，以评估Zuul转发对请求延迟的影响。系统吞吐量在5600（请求/秒）左右，请求平均处理时间为0.177ms，请求平均等待时间为8.869ms，50000次请求都执行成功。

　　注：多测试几次，吞吐量会随着虚拟机指令的优化逐步稳定在5600左右。

[user@ServerA6 ab]$ ab -n 50000 -c 50 -p params -T application/x-www-form-urlencoded
 http://172.26.125.115:8881/test/hello/leo

Time taken for tests:   8.869 seconds
#50000次请求都执行成功
Complete requests:      50000
Failed requests:        0
#系统吞吐量在5600（请求/秒）左右
Requests per second:    5637.54 [#/sec] (mean)
#请求平均等待时间为8.869ms
Time per request:       8.869 [ms] (mean)
#请求平均处理时间为0.177ms
Time per request:       0.177 [ms] (mean, across all concurrent requests)

　　Service资源使用情况：

　　压测过程中，CPU使用率在80%，堆内存的使用最大为220MB（堆空间为512MB），实时线程从44增加到85。此时CPU成了系统吞吐量进一步提升的瓶颈，此时的系统吞吐量可以视为单台2核服务器能承受的最大吞吐量，即5600左右（结论一）。

1.1.2通过路由Zuul调用sayHello接口（不做负载均衡）

　　系统吞吐量在4000（请求/秒）左右，请求平均处理时间为0.246ms，请求平均等待时间为12.297ms，50000次请求都执行成功。跟1.1.1的测试比较，可知，Zuul转发后，平均每个请求的等待时间增加了3.428ms。

[user@ServerA6 ab]$ ab -n 50000 -c 50 -p params -T 
application/x-www-form-urlencoded http://172.26.125.117:7082/v1/routea/test/hello/leo

Time taken for tests:   12.297 seconds
Complete requests:      50000
Failed requests:        0
Requests per second:    4066.11 [#/sec] (mean)
Time per request:       12.297 [ms] (mean)
Time per request:       0.246 [ms] (mean, across all concurrent requests)

　　Zuul资源使用情况：

　　压测过程中，Zuul服务器的CPU使用率为100%，堆内存的使用最大为470MB（堆空间为512MB），实时线程从80增加到120。可见CPU为系统的瓶颈。

　　Service资源使用情况

　　压测过程中，Service服务器的CPU使用率为50%，堆内存的使用最大为270MB（堆空间为512MB），实时线程从48增加到75。可见由于Zuul请求转发的不及时，Service端的CPU和内存都有富余，Zuul成为微服务架构的瓶颈（结论二）。通过线程数量的变化可知，Zuul端虽然有50个线程转发用户请求，但是在Service端，只有大概40个线程处理请求。Zuul端转发请求的线程数与Service端处理请求的线程数之间是什么关系呢？（问题一）这里先暂且保留这个问题，在后续的文章中再具体解释。

1.2.1直接调用timeConsuming（200ms）接口

　　系统吞吐量在250（请求/秒）左右，请求平均处理时间为4.032ms，请求平均等待时间为201.622ms，50000次请求都执行成功。

[user@ServerA6 ab]$ ab -n 50000 -c 50 http://172.26.125.115:8881/test/timeconsume/200

Time taken for tests:   201.622 seconds
Complete requests:      50000
Failed requests:        0
Requests per second:    247.99 [#/sec] (mean)
Time per request:       201.622 [ms] (mean)
Time per request:       4.032 [ms] (mean, across all concurrent requests)

　　Service资源使用情况

　　压测过程中，Service服务器的CPU使用率起初为60%，随着响应的处理，逐步稳定到10%以内，堆内存的使用最大为270MB，实时线程从48增加到90。可见Service端的CPU和内存都有富余。

1.2.2通过Zuul调用timeConsuming接口

　　系统吞吐量在250（请求/秒）左右，请求平均处理时间为4.064ms，请求平均等待时间为203.210ms，50000次请求都执行成功。跟1.2.1的测试比较，可知，Zuul转发后，平均每个请求的等待时间增加了1.588ms。跟1.1.2的测试比较可知，Zuul在CPU资源从紧张到富余时，转发后请求的等待时间延迟从3.428ms降到了1.588ms。可见当Zuul的CPU高负荷运转时，其转发请求所带来的延迟就越高（结论三）。

[user@ServerA6 ab]$ ab -n 50000 -c 50 http://172.26.125.117:7082/v1/routea/test/timeconsume/200

Time taken for tests:   203.210 seconds
Complete requests:      50000
Failed requests:        0
Requests per second:    246.05 [#/sec] (mean)
Time per request:       203.210 [ms] (mean)
Time per request:       4.064 [ms] (mean, across all concurrent requests)

　　Zuul资源使用情况

　　压测过程中，Zuul服务器的CPU使用率在10%左右，堆内存的使用最大为470MB（堆空间为512MB），实时线程从79增加到120。此时Zuul端的CPU有富余。

　　Service资源使用情况

　　压测过程中，Service服务器的CPU使用率在7%左右，堆内存的使用最大为270MB（堆空间为512MB），实时线程从48增加到89。可见Service端的CPU和内存都有富余，可以承受更大的并发量。

测试二：200个并发用户，执行50000次请求

　　总请求次数不变，将并发用户数增大到200，来探究并发用户数增加与系统吞吐量的关系。

2.1.1直接调用sayHello接口

　　系统吞吐量在5500（请求/秒）左右，请求平均处理时间为0.183ms，请求平均等待时间为36.592ms，50000次请求都执行成功。跟1.1.1的测试比较，由于受CPU瓶颈影响，在并发用户数增大4倍之后，系统的吞吐量并没有增大，反而由于并发线程增多，堆内存的开销变大，系统吞吐量有略微的减少，并且用户等待时间从8.869增大到36.592ms，增大了4倍多（结论四）。

[user@ServerA6 ab]$ ab -n 50000 -c 200 -p params -T application/x-www-form-urlencoded
 http://172.26.125.115:8881/test/hello/leo

Time taken for tests:   9.148 seconds
Complete requests:      50000
Failed requests:        0
Requests per second:    5465.68 [#/sec] (mean)
Time per request:       36.592 [ms] (mean)
Time per request:       0.183 [ms] (mean, across all concurrent requests)

　　Service资源使用情况

　　压测过程中，CPU使用率达到90%，堆内存的使用最大为410MB（堆空间为512MB），实时线程从48增加到238。

2.1.2通过Zuul调用sayHello接口

　　系统吞吐量在4200（请求/秒）左右，请求平均处理时间为0.237ms，请求平均等待时间为47.428ms，50000次请求中有24次请求失败。跟1.1.2的测试比较，在并发用户数增大4倍之后，由于受CPU瓶颈影响，系统的吞吐量并没有增大，反而有略微的减少，并且用户等待时间从12.297ms增大到47.428ms，增大了4倍(结论四)。

[user@ServerA6 ab]$ ab -n 50000  -c 200 -p params -T application/x-www-form-urlencoded
 http://172.26.125.117:7082/v1/routea/test/hello/leo

Time taken for tests:   11.857 seconds
Complete requests:      50000
Failed requests:        24
   (Connect: 0, Receive: 0, Length: 24, Exceptions: 0)
Requests per second:    4216.93 [#/sec] (mean)
Time per request:       47.428 [ms] (mean)
Time per request:       0.237 [ms] (mean, across all concurrent requests)

　　测试中存在请求失败的情况，查询日志可以看到服务熔断的信息。那么，Zuul为什么会在Serivce正常的情况下出现服务熔断呢？这个记为问题二，同样在后续文章中进行解读。

　　Zuul资源使用情况：

　　压测过程中，Zuul服务器的CPU使用率为100%，堆内存的使用最大为500MB（堆空间为512MB）并且伴有频繁的GC，实时线程从79增加到269。

　　Service资源使用情况

　　压测过程中，Service服务器的CPU使用率为55%，堆内存的使用最大为390MB（堆空间为580MB），实时线程从49增加到80。可见Zuul请求转发的不及时，微服务端的CPU和内存都有富余（结论二）。通过线程数量的变化可知，Zuul端即使有200个线程转发用户请求，但是在Service端，仍然只有大概40个线程处理请求（问题一）。

2.2.1直接调用timeConsuming方法

　　系统吞吐量在 1000（请求/秒）左右，请求平均处理时间为1.017ms，请求平均等待时间为203.467ms，50000次请求都执行成功。跟1.2.1的测试比较，由于CPU和内存资源仍存在富余，在并发用户数增大4倍之后，系统的吞吐量增大了4倍（247.99提升到982.96），请求平均处理时间降低为四分之一（4.032ms缩减到1.017ms），请求平均等待时间基本没有变化（结论五）。

[user@ServerA6 ab]$ ab -n 50000 -c 200 http://172.26.125.115:8881/test/timeconsume/200

Time taken for tests:   50.867 seconds
Complete requests:      50000
Failed requests:        0
Requests per second:    982.96 [#/sec] (mean)
Time per request:       203.467 [ms] (mean)
Time per request:       1.017 [ms] (mean, across all concurrent requests)

　　Service资源使用情况

　　压测过程中，Service服务器的CPU使用率稳定在30%以内，堆内存的使用最大为370MB（堆空间扩充到640MB），实时线程从49增加到239。并且此时CPU和内存仍然有富余，系统的吞吐量可以随着并发线程的增加，同步增大。

2.2.2通过Zuul调用timeConsuming方法

　　系统吞吐量在2600（请求/秒）左右，请求平均处理时间为0.386ms，请求平均等待时间为77.109ms，50000次请求中有49196次请求出错，发生熔断（与2.1.2都发生服务熔断，只不过熔断的比例大幅度增加，问题二）。跟1.2.2的测试比较，在并发用户数增大4倍之后，由于发生熔断，Zuul服务器的CPU资源耗尽，系统的吞吐量虽然增加，但是请求出错，会造成不好的用户体验。但是Service端的CPU和内存的负荷会大幅度降低（结论六）。

[user@ServerA6 ab]$ ab -n 5000 -c 200 -p params -T application/x-www-form-urlencoded http://172.26.125.117:7082/v1/routea/test/timeconsume/200

Time taken for tests:   19.277 seconds
Complete requests:      50000
Failed requests:        49196
   (Connect: 0, Receive: 0, Length: 49196, Exceptions: 0)
Requests per second:    2593.73 [#/sec] (mean)
Time per request:       77.109 [ms] (mean)
Time per request:       0.386 [ms] (mean, across all concurrent requests)

　　Zuul资源使用情况

　　压测过程中，Zuul服务器的CPU使用率接近100%，堆内存的使用最大为300MB（堆空间为512MB），实时线程从76增加到266。由于出现频繁的服务熔断，Zuul的CPU资源已经耗尽（结论六）。

　　Service资源使用情况

　　压测过程中，Service服务器的CPU使用率稳定在5%以内，堆内存的使用最大为280MB（堆空间为512MB），实时线程从48增加到88。可见发生服务熔断后，Service端的CPU和内存资源都有很大的释放（结论六）。

测试三：500个并发用户，执行50000次请求

3.1.1直接调用sayHello接口

　　系统吞吐量在5000（请求/秒）左右，请求平均处理时间为0.201ms，请求平均等待时间为100.580ms，50000次请求都执行成功。跟2.1.1的测试比较，在并发用户数增大2.5倍之后，由于CPU出现瓶颈，并且更多的并发用户带来额外的开销，系统的吞吐量开始下降，系统吞吐量从5465.68降到4971.14，并且用户等待时间从36.592ms增大到100.580ms。

[user@ServerA6 ab]$ ab -n 50000 -c 500 -p params -T application/x-www-form-urlencoded
 http://172.26.125.115:8881/test/hello/leo

Time taken for tests:   10.058 seconds
Complete requests:      50000
Failed requests:        0
Write errors:           0
Requests per second:    4971.14 [#/sec] (mean)
Time per request:       100.580 [ms] (mean)
Time per request:       0.201 [ms] (mean, across all concurrent requests)

　　Service资源使用情况：

　　CPU使用率达到80%，堆内存的使用最大为450MB（堆空间扩充到710MB），实时线程从48增加到238。对比2.1.1的测试，为什么Service的线程没有随并发用户数的进一步增多而增大呢？（问题三），这个问题仍在后续文章中进行解释。

3.1.2通过路由Zuul调用sayHello接口（不做负载均衡）

　　系统吞吐量在4100（请求/秒）左右，请求平均处理时间为0.241ms，请求平均等待时间为120.743ms，50000次请求有92次熔断（问题二）。

[user@ServerA6 ab]$ ab -n 50000  -c 500 -p params -T application/x-www-form-urlencoded 
http://172.26.125.117:7082/v1/routea/test/hello/leo

Time taken for tests:   12.074 seconds
Complete requests:      50000
Failed requests:        92
   (Connect: 0, Receive: 0, Length: 92, Exceptions: 0)
Requests per second:    4141.04 [#/sec] (mean)
Time per request:       120.743 [ms] (mean)
Time per request:       0.241 [ms] (mean, across all concurrent requests)

　　Zuul资源使用情况：

　　压测过程中，Zuul服务器的CPU使用率为100%，堆内存的使用最大为330MB（堆空间为512MB）并且伴有频繁的GC，实时线程从77增加到268。这里和3.1.1一样，Zuul在请求的并发用户数达到500时，其并发处理线程仍保持在200了（问题三）。

　　Service资源使用情况

　　压测过程中，Service服务器的CPU使用率在50%以内，堆内存的使用最大为330MB（堆空间为580MB），实时线程从48增加到69。Zuul请求熔断，微服务端的CPU和内存都有富余。Service端，只有大概30个线程处理请求。

3.2.1直接调用timeConsuming方法

　　系统吞吐量在 1000（请求/秒）左右，请求平均处理时间为1.011ms，请求平均等待时间为505.538ms，50000次请求都执行成功。跟2.2.1的测试比较，在并发用户数增大2.5倍之后，系统的吞吐量增和请求平均处理时间基本没有变化，但是请求平均等待时间从203.467ms增大到530.300ms（结论四）。

[user@ServerA6 ab]$ ab -n 50000 -c 500 http://172.26.125.115:8881/test/timeconsume/200

Time taken for tests:   50.554 seconds
Complete requests:      50000
Failed requests:        0
Requests per second:    989.05 [#/sec] (mean)
Time per request:       505.538 [ms] (mean)
Time per request:       1.011 [ms] (mean, across all concurrent requests)

　　Service资源使用情况

　　压测过程中，Service服务器的CPU使用率稳定在30%以内，堆内存的使用最大为370MB（堆空间扩充到640MB），实时线程从49增加到239（问题三）。并且此时CPU和内存仍然有富余，系统的吞吐量可以随着并发线程的增加，同步增大。

3.2.2通过Zuul调用timeConsuming方法

　　系统吞吐量在2600（请求/秒）左右，请求平均处理时间为0.383ms，请求平均等待时间为191.269ms，50000次请求中有49196次请求出错，发生熔断（问题二）。与2.2.2的测试比较，在并发用户数增大2.5倍之后，系统的吞吐量增和请求平均处理时间基本没有变化，但是请求平均等待时间从77.109ms增大到191.269ms（结论四）。

[user@ServerA6 ab]$ ab -n 50000 -c 500 http://172.26.125.117:7082/v1/routea/test/timeconsume/200

Time taken for tests:   19.127 seconds
Complete requests:      50000
Failed requests:        49196
   (Connect: 0, Receive: 0, Length: 49196, Exceptions: 0)
Requests per second:    2614.12 [#/sec] (mean)
Time per request:       191.269 [ms] (mean)
Time per request:       0.383 [ms] (mean, across all concurrent requests)

　　Zuul资源使用情况

　　压测过程中，Zuul服务器的CPU使用率接近100%，堆内存的使用最大为370MB（堆空间为512MB），实时线程从76增加到266（问题三）。由于出现频繁的服务熔断，Zuul的CPU资源已经耗尽。

　　Service资源使用情况

　　压测过程中，Service服务器的CPU使用率稳定在5%以内，堆内存的使用最大为340MB（堆空间为590MB），实时线程从48增加到88（问题一）。可见发生服务熔断后，Service端的CPU和内存资源都有很大的释放（结论六）。

本文总结

六个结论

　　在本文的三种压力测试过程中，我们得到了六个结论：

　　结论一：单台2核服务器能承受的最大吞吐量在5600左右。

　　结论二：在Zuul成为微服务架构的瓶颈时，由于请求转发的不及时，Service端的工作不饱和。因此要选择好Zuul的配置，避免出现性能瓶颈。

　　结论三：当Zuul的CPU高负荷运转时，其转发请求所带来的延迟就越高。因此要选择好Zuul的配置，尽可能降低Zuul转发带来的延迟。

　　结论四：在CPU成为瓶颈时，即使增大并发线程的数量，系统吞吐量也不会增大，反而会由于堆内存的开销变大，造成系统吞吐量的减少，并且用户等待时间会与并发线程数等比例增大。

　　结论五：在CPU和内存资源都充裕的情况下，增大并发线程的数量，系统的吞吐量会等比例增大，请求平均处理时间会随之降低，但请求平均等待时间不会改变，也就是用户体验并不会改变。

　　结论六：在高并发情况下如果Zuul发生服务熔断，Zuul服务器的CPU负荷会增大，甚至会耗尽；系统的吞吐量虽然增加，但是请求出错，会造成不好的用户体验。同时Service端的请求梳理会大幅度减少，其CPU和内存的负荷会大幅度降低。

三个问题

　　同样，我们也遇到了三个问题：

　　问题一：Zuul端转发请求的线程数与Service端处理请求的线程数之间是什么关系呢？

　　问题二：Zuul为什么会在Serivce正常的情况下出现服务熔断呢？

　　问题三：为什么Service的并发线程数量达到200后没有随并发用户数的进一步增大而增大呢？

　　下文，我们将针对这三个问题进行剖析，并通过参数调优解决高并发的处理问题。

posted @ 2018-12-06 14:12 比脚更长的路阅读(4379) 评论(0) 编辑收藏举报

刷新页面返回顶部

SpringCloud从入门到进阶（八）——单点部署Zuul的压力测试与调优（一）

吞吐量

请求平均处理时间

请求平均等待时间

测试环境搭建

启动路由Zuul

启动微服务实例

开始测试

测试一：50个并发用户，执行50000次请求

1.1.1直接调用sayHello接口

1.1.2通过路由Zuul调用sayHello接口（不做负载均衡）

1.2.1直接调用timeConsuming（200ms）接口

1.2.2通过Zuul调用timeConsuming接口

测试二：200个并发用户，执行50000次请求

2.1.1直接调用sayHello接口

2.1.2通过Zuul调用sayHello接口

2.2.1直接调用timeConsuming方法

2.2.2通过Zuul调用timeConsuming方法

测试三：500个并发用户，执行50000次请求

3.1.1直接调用sayHello接口

3.1.2通过路由Zuul调用sayHello接口（不做负载均衡）

3.2.1直接调用timeConsuming方法

3.2.2通过Zuul调用timeConsuming方法

本文总结

六个结论

三个问题

公告