原文：
https://blog.51cto.com/nxlhero/2515849
作者：nxlhero
文章內容結構
第一部分介紹生產上出現Dubbo服務擁堵的情況，以及Dubbo官方對于單個長連接的使用建議。
第二部分介紹Dubbo在特定配置下的通信過程，輔以代碼。
第三部分介紹整個調用過程中與性能相關的一些參數。
第四部分通過調整連接數和TCP緩沖區觀察Dubbo的性能。
一、背景
生產擁堵回顧
近期在一次生產發布過程中，因為突發的流量，出現了擁堵。系統的部署圖如下，客戶端通過Http協議訪問到Dubbo的消費者，消費者通過Dubbo協議訪問服務提供者。這是單個機房，8個消費者3個提供者，共兩個機房對外服務。
在發布的過程中，摘掉一個機房，讓另一個機房對外服務，然后摘掉的機房發布新版本，然后再互換，最終兩個機房都以新版本對外服務。問題就出現單機房對外服務的時候，這時候單機房還是老版本應用。以前不知道晚上會有一個高峰，結果當晚的高峰和早上的高峰差不多了，單機房扛不住這么大的流量，出現了擁堵。這些流量的特點是并發比較高，個別交易返回報文較大，因為是一個產品列表頁，點擊后會發送多個交易到后臺。
在問題發生時，因為不清楚狀態，先切到另外一個機房，結果也擁堵了，最后整體回退，折騰了一段時間沒有問題了。當時有一些現象：
(1)提供者的CPU內存等都不高，第一個機房的最高CPU 66%(8核虛擬機)，第二個機房的最高CPU 40%(16核虛擬機)。消費者的最高CPU只有30%多(兩個消費者結點位于同一臺虛擬機上)
(2)在擁堵的時候，服務提供者的Dubbo業務線程池(下面會詳細介紹這個線程池)并沒滿，最多到了300，最大值是500。但是把這個機房摘下后，也就是沒有外部的流量了，線程池反而滿了，而且好幾分鐘才把堆積的請求處理完。
(3)通過監控工具統計的每秒進入Dubbo業務線程池的請求數，在擁堵時，時而是0，時而特別大，在日間正常的時候，這個值不存在為0的時候。
事故原因猜測
當時其他指標沒有檢測到異常，也沒有打Dump，我們通過分析這些現象以及我們的Dubbo配置，猜測是在網絡上發生了擁堵，而影響擁堵的關鍵參數就是Dubbo協議的連接數，我們默認使用了單個連接，但是消費者數量較少，沒能充分把網絡資源利用起來。
默認的情況下，每個Dubbo消費者與Dubbo提供者建立一個長連接，Dubbo官方對此的建議是：
Dubbo 缺省協議采用單一長連接和 NIO 異步通訊，適合于小數據量大并發的服務調用，以及服務消費者機器數遠大于服務提供者機器數的情況。
反之，Dubbo 缺省協議不適合傳送大數據量的服務，比如傳文件，傳視頻等，除非請求量很低。
(http://dubbo.Apache.org/zh-cn/docs/user/references/protocol/dubbo.html)
以下也是Dubbo官方提供的一些常見問題回答：
為什么要消費者比提供者個數多?
因 dubbo 協議采用單一長連接，假設網絡為千兆網卡，根據測試經驗數據每條連接最多只能壓滿 7MByte(不同的環境可能不一樣，供參考)，理論上 1 個服務提供者需要 20 個服務消費者才能壓滿網卡。
為什么不能傳大包?
因 dubbo 協議采用單一長連接，如果每次請求的數據包大小為 500KByte，假設網絡為千兆網卡，每條連接最大 7MByte(不同的環境可能不一樣，供參考)，單個服務提供者的 TPS(每秒處理事務數)最大為：128MByte / 500KByte = 262。單個消費者調用單個服務提供者的 TPS(每秒處理事務數)最大為：7MByte / 500KByte = 14。如果能接受，可以考慮使用，否則網絡將成為瓶頸。
為什么采用異步單一長連接?
因為服務的現狀大都是服務提供者少，通常只有幾臺機器，而服務的消費者多，可能整個網站都在訪問該服務，比如 Morgan 的提供者只有 6 臺提供者，卻有上百臺消費者，每天有 1.5 億次調用，如果采用常規的 hessian 服務，服務提供者很容易就被壓跨，通過單一連接，保證單一消費者不會壓死提供者，長連接，減少連接握手驗證等，并使用異步 IO，復用線程池，防止 C10K 問題。
因為我們的消費者數量和提供者數量都不多，所以很可能是連接數不夠，導致網絡傳輸出現了瓶頸。以下我們通過詳細分析Dubbo協議和一些實驗來驗證我們的猜測。
二、Dubbo通信流程詳解
我們用的Dubbo版本比較老，是2.5.x的，它使用的netty版本是3.2.5，最新版的Dubbo在線程模型上有一些修改，我們以下的分析是以2.5.10為例。
以圖和部分代碼說明Dubbo協議的調用過程，代碼只寫了一些關鍵部分，使用的是netty3，dubbo線程池無隊列，同步調用，以下代碼包含了Dubbo和Netty的代碼。
整個Dubbo一次調用過程如下：
1.請求入隊
我們通過Dubbo調用一個rpc服務，調用線程其實是把這個請求封裝后放入了一個隊列里。這個隊列是netty的一個隊列，這個隊列的定義如下，是一個Linked隊列，不限長度。
class NioWorker implements Runnable {
...
private final Queue<Runnable> writeTaskQueue = new LinkedTransferQueue<Runnable>();
...
}
1.2.3.4.5.
主線程經過一系列調用，最終通過NioClientSocketPipelineSink類里的方法把請求放入這個隊列，放入隊列的請求，包含了一個請求ID，這個ID很重要。
2.調用線程等待
入隊后，netty會返回給調用線程一個Future，然后調用線程等待在Future上。這個Future是Dubbo定義的，名字叫DefaultFuture，主調用線程調用DefaultFuture.get(timeout)，等待通知，所以我們看與Dubbo相關的ThreadDump，經常會看到線程停在這，這就是在等后臺返回。
public class DubboInvoker<T> extends AbstractInvoker<T> {
...
@Override
protected Result doInvoke(final Invocation invocation) throws Throwable {
...
return (Result) currentClient.request(inv, timeout).get(); //currentClient.request(inv, timeout)返回了一個DefaultFuture
}
...
}
1.2.3.4.5.6.7.8.9.
我們可以看一下這個DefaultFuture的實現，
public class DefaultFuture implements ResponseFuture {
private static final Map<Long, Channel> CHANNELS = new ConcurrentHashMap<Long, Channel>();
private static final Map<Long, DefaultFuture> FUTURES = new ConcurrentHashMap<Long, DefaultFuture>();
// invoke id.
private final long id; //Dubbo請求的id，每個消費者都是一個從0開始的long類型
private final Channel channel;
private final Request request;
private final int timeout;
private final Lock lock = new ReentrantLock();
private final Condition done = lock.newCondition();
private final long start = System.currentTimeMillis();
private volatile long sent;
private volatile Response response;
private volatile ResponseCallback callback;
public DefaultFuture(Channel channel, Request request, int timeout) {
this.channel = channel;
this.request = request;
this.id = request.getId();
this.timeout = timeout > 0 ? timeout : channel.getUrl().getPositiveParameter(Constants.TIMEOUT_KEY, Constants.DEFAULT_TIMEOUT);
// put into waiting map.
FUTURES.put(id, this); //等待時以id為key把Future放入全局的Future Map中，這樣回復數據回來了可以根據id找到對應的Future通知主線程
CHANNELS.put(id, channel);
}
1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.
3.IO線程讀取隊列里的數據
這個工作是由netty的IO線程池完成的，也就是NioWorker，對應的類叫NioWorker。它會死循環的執行select，在select中，會一次性把隊列中的寫請求處理完，select的邏輯如下：
public void run() {
for (;;) {
....
SelectorUtil.select(selector);
proce***egisterTaskQueue();
processWriteTaskQueue(); //先處理隊列里的寫請求
processSelectedKeys(selector.selectedKeys()); //再處理select事件,讀寫都可能有
....
}
}
private void processWriteTaskQueue() throws IOException {
for (;;) {
final Runnable task = writeTaskQueue.poll();//這個隊列就是調用線程把請求放進去的隊列
if (task == null) {
break;
}
task.run(); //寫數據
cleanUpCancelledKeys();
}
}
1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.
4.IO線程把數據寫到Socket緩沖區
這一步很重要，跟我們遇到的性能問題相關，還是NioWorker，也就是上一步的task.run()，它的實現如下：
void writeFromTaskLoop(final NIOSocketChannel ch) {
if (!ch.writeSuspended) { //這個地方很重要，如果writeSuspended了，那么就直接跳過這次寫
write0(ch);
}
}
private void write0(NioSocketChannel channel) {
......
final int writeSpinCount = channel.getConfig().getWriteSpinCount(); //netty可配置的一個參數，默認是16
synchronized (channel.writeLock) {
channel.inWriteNowLoop = true;
for (;;) {
for (int i = writeSpinCount; i > 0; i --) { //每次最多嘗試16次
localWrittenBytes = buf.transferTo(ch);
if (localWrittenBytes != 0) {
writtenBytes += localWrittenBytes;
break;
}
if (buf.finished()) {
break;
}
}
if (buf.finished()) {
// Successful write - proceed to the next message.
buf.release();
channel.currentWriteEvent = null;
channel.currentWriteBuffer = null;
evt = null;
buf = null;
future.setSuccess();
} else {
// Not written fully - perhaps the kernel buffer is full.
//重點在這，如果寫16次還沒寫完，可能是內核緩沖區滿了，writeSuspended被設置為true
addOpWrite = true;
channel.writeSuspended = true;
......
}
......
if (open) {
if (addOpWrite) {
setOpWrite(channel);
} else if (removeOpWrite) {
clearOpWrite(channel);
}
}
......
}
fireWriteComplete(channel, writtenBytes);
}
1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.39.40.41.42.43.44.45.46.47.48.49.50.51.
正常情況下，隊列中的寫請求要通過processWriteTaskQueue處理掉，但是這些寫請求也同時注冊到了selector上，如果processWriteTaskQueue寫成功，就會刪掉selector上的寫請求。如果Socket的寫緩沖區滿了，對于NIO，會立刻返回，對于BIO，會一直等待。Netty使用的是NIO，它嘗試16次后，還是不能寫成功，它就把writeSuspended設置為true，這樣接下來的所有寫請求都會被跳過。那什么時候會再寫呢？這時候就得靠selector了，它如果發現socket可寫，就把這些數據寫進去。
下面是processSelectedKeys里寫的過程，因為它是發現socket可寫才會寫，所以直接把writeSuspended設為false。
void writeFromSelectorLoop(final SelectionKey k) {
NioSocketChannel ch = (NioSocketChannel) k.attachment();
ch.writeSuspended = false;
write0(ch);
}
1.2.3.4.5.
5.數據從消費者的socket發送緩沖區傳輸到提供者的接收緩沖區
這個是操作系統和網卡實現的，應用層的write寫成功了，并不代表對面能收到，當然tcp會通過重傳能機制盡量保證對端收到。
6.服務端IO線程從緩沖區讀取請求數據
這個是服務端的NIO線程實現的，在processSelectedKeys中。
public void run() {
for (;;) {
....
SelectorUtil.select(selector);
proce***egisterTaskQueue();
processWriteTaskQueue();
processSelectedKeys(selector.selectedKeys()); //再處理select事件,讀寫都可能有
....
}
}
private void processSelectedKeys(Set<SelectionKey> selectedKeys) throws IOException {
for (Iterator<SelectionKey> i = selectedKeys.iterator(); i.hasNext();) {
SelectionKey k = i.next();
i.remove();
try {
int readyOps = k.readyOps();
if ((readyOps & SelectionKey.OP_READ) != 0 || readyOps == 0) {
if (!read(k)) {
// Connection already closed - no need to handle write.
continue;
}
}
if ((readyOps & SelectionKey.OP_WRITE) != 0) {
writeFromSelectorLoop(k);
}
} catch (CancelledKeyException e) {
close(k);
}
if (cleanUpCancelledKeys()) {
break; // break the loop to avoid ConcurrentModificationException
}
}
}
private boolean read(SelectionKey k) {
......
// Fire the event.
fireMessageReceived(channel, buffer); //讀取完后，最終會調用這個函數，發送一個收到信息的事件
......
}
1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.39.40.41.42.43.44.
7.IO線程把請求交給Dubbo線程池
按配置不同，走的Handler不同，配置dispatch為all，走的handler如下。下面IO線程直接交給一個ExecutorService來處理這個請求，出現了熟悉的報錯“Threadpool is exhausted"，業務線程池滿時，如果沒有隊列，就會報這個錯。
public class AllChannelHandler extends WrAppedChannelHandler {
......
public void received(Channel channel, Object message) throws RemotingException {
ExecutorService cexecutor = getExecutorService();
try {
cexecutor.execute(new ChannelEventRunnable(channel, handler, ChannelState.RECEIVED, message));
} catch (Throwable t) {
//TODO A temporary solution to the problem that the exception information can not be sent to the opposite end after the thread pool is full. Need a refactoring
//fix The thread pool is full, refuses to call, does not return, and causes the consumer to wait for time out
if(message instanceof Request && t instanceof RejectedExecutionException){
Request request = (Request)message;
if(request.isTwoWay()){
String msg = "Server side(" + url.getIp() + "," + url.getPort() + ") threadpool is exhausted ,detail msg:" + t.getMessage();
Response response = new Response(request.getId(), request.getVersion());
response.setStatus(Response.SERVER_THREADPOOL_EXHAUSTED_ERROR);
response.setErrorMessage(msg);
channel.send(response);
return;
}
}
throw new ExecutionException(message, channel, getClass() + " error when process received event .", t);
}
}
......
}
1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.
8.服務端Dubbo線程池處理完請求后，把返回報文放入隊列
線程池會調起下面的函數
public class HeaderExchangeHandler implements ChannelHandlerDelegate {
......
Response handleRequest(ExchangeChannel channel, Request req) throws RemotingException {
Response res = new Response(req.getId(), req.getVersion());
......
// find handler by message class.
Object msg = req.getData();
try {
// handle data.
Object result = handler.reply(channel, msg); //真正的業務邏輯類
res.setStatus(Response.OK);
res.setResult(result);
} catch (Throwable e) {
res.setStatus(Response.SERVICE_ERROR);
res.setErrorMessage(StringUtils.toString(e));
}
return res;
}
public void received(Channel channel, Object message) throws RemotingException {
......
if (message instanceof Request) {
// handle request.
Request request = (Request) message;
if (request.isTwoWay()) {
Response response = handleRequest(exchangeChannel, request); //處理業務邏輯，得到一個Response
channel.send(response); //回寫response
}
}
......
}
1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.
channel.send(response)最終調用了NioServerSocketPipelineSink里的方法把返回報文放入隊列。
9.服務端IO線程從隊列中取出數據
與流程3一樣
10.服務端IO線程把回復數據寫入Socket發送緩沖區
IO線程寫數據的時候，寫入到TCP緩沖區就算成功了。但是如果緩沖區滿了，會寫不進去。對于阻塞和非阻塞IO，返回結果不一樣，阻塞IO會一直等，而非阻塞IO會立刻失敗，讓調用者選擇策略。
Netty的策略是嘗試最多寫16次，如果不成功，則暫時停掉IO線程的寫操作，等待連接可寫時再寫，writeSpinCount默認是16，可以通過參數調整。
for (int i = writeSpinCount; i > 0; i --) {
localWrittenBytes = buf.transferTo(ch);
if (localWrittenBytes != 0) {
writtenBytes += localWrittenBytes;
break;
}
if (buf.finished()) {
break;
}
}
if (buf.finished()) {
// Successful write - proceed to the next message.
buf.release();
channel.currentWriteEvent = null;
channel.currentWriteBuffer = null;
evt = null;
buf = null;
future.setSuccess();
} else {
// Not written fully - perhaps the kernel buffer is full.
addOpWrite = true;
channel.writeSuspended = true;
1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.
11.數據傳輸
數據在網絡上傳輸主要取決于帶寬和網絡環境。
12.客戶端IO線程把數據從緩沖區讀出
這個過程跟流程6是一樣的
13.IO線程把數據交給Dubbo業務線程池
這一步與流程7是一樣的，這個線程池名字為DubboClientHandler。
14.業務線程池根據消息ID通知主線程
先通過HeaderExchangeHandler的received函數得知是Response，然后調用handleResponse，
public class HeaderExchangeHandler implements ChannelHandlerDelegate {
static void handleResponse(Channel channel, Response response) throws RemotingException {
if (response != null && !response.isHeartbeat()) {
DefaultFuture.received(channel, response);
}
}
public void received(Channel channel, Object message) throws RemotingException {
......
if (message instanceof Response) {
handleResponse(channel, (Response) message);
}
......
}
1.2.3.4.5.6.7.8.9.10.11.12.13.
DefaultFuture根據ID獲取Future，通知調用線程
public static void received(Channel channel, Response response) {
......
DefaultFuture future = FUTURES.remove(response.getId());
if (future != null) {
future.doReceived(response);
}
......
}
1.2.3.4.5.6.7.8.
至此，主線程獲取了返回數據，調用結束。
三、影響上述流程的關鍵參數
協議參數
我們在使用Dubbo時，需要在服務端配置協議，例如
<dubbo:protocol name="dubbo" port="20880" dispatcher="all" threadpool="fixed" threads="2000" />
1.
下面是協議中與性能相關的一些參數，在我們的使用場景中，線程池選用了fixed，大小是500，隊列為0，其他都是默認值。
|
屬性 |
對應URL參數 |
類型 |
是否必填 |
缺省值 |
作用 |
描述 |
|
name |
<protocol> |
string |
必填 |
dubbo |
性能調優 |
協議名稱 |
|
threadpool |
threadpool |
string |
可選 |
fixed |
性能調優 |
線程池類型，可選：fixed/cached。 |
|
threads |
threads |
int |
可選 |
200 |
性能調優 |
服務線程池大小(固定大小) |
|
queues |
queues |
int |
可選 |
0 |
性能調優 |
線程池隊列大小，當線程池滿時，排隊等待執行的隊列大小，建議不要設置，當線程池滿時應立即失敗，重試其它服務提供機器，而不是排隊，除非有特殊需求。 |
|
iothreads |
iothreads |
int |
可選 |
cpu個數+1 |
性能調優 |
io線程池大小(固定大小) |
|
accepts |
accepts |
int |
可選 |
0 |
性能調優 |
服務提供方最大可接受連接數，這個是整個服務端可以建的最大連接數，比如設置成2000，如果已經建立了2000個連接，新來的會被拒絕，是為了保護服務提供方。 |
|
dispatcher |
dispatcher |
string |
可選 |
dubbo協議缺省為all |
性能調優 |
協議的消息派發方式，用于指定線程模型，比如：dubbo協議的all, direct, message, execution, connection等。 這個主要牽涉到IO線程池和業務線程池的分工問題，一般情況下，讓業務線程池處理建立連接、心跳等，不會有太大影響。 |
|
payload |
payload |
int |
可選 |
8388608(=8M) |
性能調優 |
請求及響應數據包大小限制，單位：字節。 這個是單個報文允許的最大長度，Dubbo不適合報文很長的請求，所以加了限制。 |
|
buffer |
buffer |
int |
可選 |
8192 |
性能調優 |
網絡讀寫緩沖區大小。注意這個不是TCP緩沖區，這個是在讀寫網絡報文時，應用層的Buffer。 |
|
codec |
codec |
string |
可選 |
dubbo |
性能調優 |
協議編碼方式 |
|
serialization |
serialization |
string |
可選 |
dubbo協議缺省為hessian2，rmi協議缺省為JAVA，http協議缺省為json |
性能調優 |
協議序列化方式，當協議支持多種序列化方式時使用，比如：dubbo協議的dubbo,hessian2,java,compactedjava，以及http協議的json等 |
|
transporter |
transporter |
string |
可選 |
dubbo協議缺省為netty |
性能調優 |
協議的服務端和客戶端實現類型，比如：dubbo協議的mina,netty等，可以分拆為server和client配置 |
|
server |
server |
string |
可選 |
dubbo協議缺省為netty，http協議缺省為servlet |
性能調優 |
協議的服務器端實現類型，比如：dubbo協議的mina,netty等，http協議的jetty,servlet等 |
|
client |
client |
string |
可選 |
dubbo協議缺省為netty |
性能調優 |
協議的客戶端實現類型，比如：dubbo協議的mina,netty等 |
|
charset |
charset |
string |
可選 |
UTF-8 |
性能調優 |
序列化編碼 |
|
heartbeat |
heartbeat |
int |
可選 |
0 |
性能調優 |
心跳間隔，對于長連接，當物理層斷開時，比如拔網線，TCP的FIN消息來不及發送，對方收不到斷開事件，此時需要心跳來幫助檢查連接是否已斷開 |
服務參數
針對每個Dubbo服務，都會有一個配置，全部的參數配置在這：http://dubbo.apache.org/zh-cn/docs/user/references/xml/dubbo-service.html。
我們關注幾個與性能相關的。在我們的使用場景中，重試次數設置成了0，集群方式用的failfast，其他是默認值。
|
屬性 |
對應URL參數 |
類型 |
是否必填 |
缺省值 |
作用 |
描述 |
兼容性 |
|
delay |
delay |
int |
可選 |
0 |
性能調優 |
延遲注冊服務時間(毫秒) ，設為-1時，表示延遲到Spring容器初始化完成時暴露服務 |
1.0.14以上版本 |
|
timeout |
timeout |
int |
可選 |
1000 |
性能調優 |
遠程服務調用超時時間(毫秒) |
2.0.0以上版本 |
|
retries |
retries |
int |
可選 |
2 |
性能調優 |
遠程服務調用重試次數，不包括第一次調用，不需要重試請設為0 |
2.0.0以上版本 |
|
connections |
connections |
int |
可選 |
1 |
性能調優 |
對每個提供者的最大連接數，rmi、http、hessian等短連接協議表示限制連接數，dubbo等長連接協表示建立的長連接個數 |
2.0.0以上版本 |
|
loadbalance |
loadbalance |
string |
可選 |
random |
性能調優 |
負載均衡策略，可選值：random,roundrobin,leastactive，分別表示：隨機，輪詢，最少活躍調用 |
2.0.0以上版本 |
|
async |
async |
boolean |
可選 |
false |
性能調優 |
是否缺省異步執行，不可靠異步，只是忽略返回值，不阻塞執行線程 |
2.0.0以上版本 |
|
weight |
weight |
int |
可選 |
|
性能調優 |
服務權重 |
2.0.5以上版本 |
|
executes |
executes |
int |
可選 |
0 |
性能調優 |
服務提供者每服務每方法最大可并行執行請求數 |
2.0.5以上版本 |
|
proxy |
proxy |
string |
可選 |
javassist |
性能調優 |
生成動態代理方式，可選：jdk/javassist |
2.0.5以上版本 |
|
cluster |
cluster |
string |
可選 |
failover |
性能調優 |
集群方式，可選： |
2.0.5以上版本 |
這次擁堵的主要原因，應該就是服務的connections設置的太小，dubbo不提供全局的連接數配置，只能針對某一個交易做個性化的連接數配置。
四、連接數與Socket緩沖區對性能影響的實驗
通過簡單的Dubbo服務，驗證一下連接數與緩沖區大小對傳輸性能的影響。
我們可以通過修改系統參數，調節TCP緩沖區的大小。
在 /etc/sysctl.conf 修改如下內容， tcp_rmem是發送緩沖區，tcp_wmem是接收緩沖區，三個數值表示最小值，默認值和最大值，我們可以都設置成一樣。
net.ipv4.tcp_rmem = 4096 873800 16777216
net.ipv4.tcp_wmem = 4096 873800 16777216
1.2.
然后執行sysctl –p 使之生效。
服務端代碼如下，接受一個報文，然后返回兩倍的報文長度，隨機sleep 0-300ms，所以均值應該是150ms。服務端每10s打印一次tps和響應時間，這里的tps是指完成函數調用的tps，而不涉及傳輸，響應時間也是這個函數的時間。
//服務端實現
public String sayHello(String name) {
counter.getAndIncrement();
long start = System.currentTimeMillis();
try {
Thread.sleep(rand.nextInt(300));
} catch (InterruptedException e) {
}
String result = "Hello " + name + name + ", response form provider: " + RpcContext.getContext().getLocalAddress();
long end = System.currentTimeMillis();
timer.getAndAdd(end-start);
return result;
}
1.2.3.4.5.6.7.8.9.10.11.12.13.
客戶端起N個線程，每個線程不停的調用Dubbo服務，每10s打印一次qps和響應時間，這個qps和響應時間是包含了網絡傳輸時間的。
for(int i = 0; i < N; i ++) {
threads[i] = new Thread(new Runnable() {
@Override
public void run() {
while(true) {
Long start = System.currentTimeMillis();
String hello = service.sayHello(z);
Long end = System.currentTimeMillis();
totalTime.getAndAdd(end-start);
counter.getAndIncrement();
}
}});
threads[i].start();
}
1.2.3.4.5.6.7.8.9.10.11.12.13.14.
通過ss -it命令可以看當前tcp socket的詳細信息，包含待對端回復ack的數據Send-Q，最大窗口cwnd，rtt(round trip time)等。
(base) niuxinli@ubuntu:~$ ss -it
State Recv-Q Send-Q Local Address:Port Peer Address:Port
ESTAB 0 36 192.168.1.7:ssh 192.168.1.4:58931
cubic wscale:8,2 rto:236 rtt:33.837/8.625 ato:40 mss:1460 pmtu:1500 rcvmss:1460 advmss:1460 cwnd:10 bytes_acked:559805 bytes_received:54694 segs_out:2754 segs_in:2971 data_segs_out:2299 data_segs_in:1398 send 3.5Mbps pacing_rate 6.9Mbps delivery_rate 44.8Mbps busy:36820ms unacked:1 rcv_rtt:513649 rcv_space:16130 rcv_ssthresh:14924 minrtt:0.112
ESTAB 0 0 192.168.1.7:36666 192.168.1.7:2181
cubic wscale:7,7 rto:204 rtt:0.273/0.04 ato:40 mss:33344 pmtu:65535 rcvmss:536 advmss:65483 cwnd:10 bytes_acked:2781 bytes_received:3941 segs_out:332 segs_in:170 data_segs_out:165 data_segs_in:165 send 9771.1Mbps lastsnd:4960 lastrcv:4960 lastack:4960 pacing_rate 19497.6Mbps delivery_rate 7621.5Mbps app_limited busy:60ms rcv_space:65535 rcv_ssthresh:66607 minrtt:0.035
ESTAB 0 27474 192.168.1.7:20880 192.168.1.5:60760
cubic wscale:7,7 rto:204 rtt:1.277/0.239 ato:40 mss:1448 pmtu:1500 rcvmss:1448 advmss:1448 cwnd:625 ssthresh:20 bytes_acked:96432644704 bytes_received:49286576300 segs_out:68505947 segs_in:36666870 data_segs_out:67058676 data_segs_in:35833689 send 5669.5Mbps pacing_rate 6801.4Mbps delivery_rate 627.4Mbps app_limited busy:1340536ms rwnd_limited:400372ms(29.9%) sndbuf_limited:433724ms(32.4%) unacked:70 retrans:0/5 rcv_rtt:1.308 rcv_space:336692 rcv_ssthresh:2095692 notsent:6638 minrtt:0.097
1.2.3.4.5.6.7.8.9.
通過netstat -nat也能查看當前tcp socket的一些信息，比如Recv-Q, Send-Q。
(base) niuxinli@ubuntu:~$ netstat -nat
Active Internet connections (servers and established)
Proto Recv-Q Send-Q Local Address Foreign Address State
tcp 0 0 0.0.0.0:20880 0.0.0.0:* LISTEN
tcp 0 36 192.168.1.7:22 192.168.1.4:58931 ESTABLISHED
tcp 0 0 192.168.1.7:36666 192.168.1.7:2181 ESTABLISHED
tcp 0 65160 192.168.1.7:20880 192.168.1.5:60760 ESTABLISHED
1.2.3.4.5.6.7.
可以看以下Recv-Q和Send-Q的具體含義：
Recv-Q
Established: The count of bytes not copied by the user program connected to this socket.
Send-Q
Established: The count of bytes not acknowledged by the remote host.
1.2.3.4.5.
Recv-Q是已經到了接受緩沖區，但是還沒被應用代碼讀走的數據。Send-Q是已經到了發送緩沖區，但是對方還沒有回復Ack的數據。這兩種數據正常一般不會堆積，如果堆積了，可能就有問題了。
第一組實驗：單連接，改變TCP緩沖區
結果：
|
角色 |
Socket緩沖區 |
響應時間 |
|
|
服務端 |
32k/32k |
150ms |
|
|
客戶端(800并發) |
32k/32k |
430ms |
|
|
客戶端(1并發) |
32k/32k |
150ms |
|
繼續調大緩沖區
|
角色 |
Socket緩沖區 |
響應時間 |
CPU |
|
服務端 |
64k/64k |
150ms |
user 2%, sys 9% |
|
客戶端(800并發) |
64k/64k |
275ms |
user 4%, sys 13% |
|
客戶端(1并發) |
64k/64k |
150ms |
user 4%, sys 13% |
我們用netstat或者ss命令可以看到當前的socket情況，下面的第二列是Send-Q大小，是寫入緩沖區還沒有被對端確認的數據，發送緩沖區最大時64k左右，說明緩沖區不夠用。
繼續增大緩沖區，到4M，我們可以看到，響應時間進一步下降，但是還是在傳輸上浪費了不少時間，因為服務端應用層沒有壓力。
|
角色 |
Socket緩沖區 |
響應時間 |
CPU |
|
服務端 |
4M/4M |
150ms |
user 4%, sys 10% |
|
客戶端(800并發) |
4M/4M |
210ms |
user 10%, sys 12% |
|
客戶端(1并發) |
4M/4M |
150ms |
user 10%, sys 12% |
服務端和客戶端的TCP情況如下，緩沖區都沒有滿
<center>服務端</center>
<center>客戶端</center>
這個時候，再怎么調大TCP緩沖區，也是沒用的，因為瓶頸不在這了，而在于連接數。因為在Dubbo中，一個連接會綁定到一個NioWorker線程上，讀寫都由這一個連接完成，傳輸的速度超過了單個線程的讀寫能力，所以我們看到在客戶端，大量的數據擠壓在接收緩沖區，沒被讀走，這樣對端的傳輸速率也會慢下來。
第二組實驗：多連接，固定緩沖區
服務端的純業務函數響應時間很穩定，在緩沖區較小的時候，調大連接數雖然能讓時間降下來，但是并不能到最優，所以緩沖區不能設置太小，linux一般默認是4M，在4M的時候，4個連接基本上已經能把響應時間降到最低了。
|
角色 |
Socket緩沖區 |
響應時間 |
|
服務端 |
32k/32k |
150ms |
|
客戶端(800并發,1連接) |
32k/32k |
430ms |
|
客戶端(800并發,2連接) |
32k/32k |
205ms |
|
客戶端(800并發,4連接) |
32k/32k |
160ms |
|
客戶端(800并發,6連接) |
32k/32k |
156ms |
|
客戶端(800并發,8連接) |
32k/32k |
156ms |
|
客戶端(800并發,2連接) |
1M/1M |
156ms |
|
客戶端(800并發,2連接) |
4M/4M |
156ms |
|
客戶端(800并發,4連接) |
4M/4M |
151ms |
|
客戶端(800并發,6連接) |
4M/4M |
151ms |
結論
要想充分利用網絡帶寬， 緩沖區不能太小，如果太小有可能一次傳輸的報文就大于了緩沖區，嚴重影響傳輸效率。但是太大了也沒有用，還需要多個連接數才能夠充分利用CPU資源，連接數起碼要超過CPU核數。
