腾讯大讲堂19 系统优化的方向.ppt

* * * * * sunshinexiong 2008-01-15 系统优化的方向？ 监控对研发的支持 系统优化的驱动力 问题 监控 自我实现和挑战 监控 被动式监控 运维监控，Port、CPU、Memory、Disk IO、Net IO、FileSize、DiskSize 主动式监控 HttpWatch工具 Cgi自动化测试 立体化监控体系 运营数据采集 每天自动邮件，纪录每台设备的运维情况 综合负载 CPU占用率 网络流量（出、入） 网络包（出、入） Load Average/5min 磁盘Block in/out 监控邮件、url地址 HttpWatch工具 Cgi自动化测试平台 3.0结果展示 Cgi自动化测试原理 模拟前台JS代码发送cgi请求，并接收返回，纪录响应时间，并分析返回包 实质是一种黑盒集成测试 监控结果存在某种程度的失真 建议在返回包中，提供返回码 立体化监控 LogServer 立体化监控 运营数据分析 IDC测试平台 优化工作基础 数据分析 举例：猜扑克牌 enum card {cardA,card2,card3,card4,card5,card6,card7,card8,card9,card10,cardJ,cardQ,cardK}; enum card i,j,k; for ( i = cardA, i cardK, i++) for ( j= cardA, j cardK, j++) for ( k = cardA, k cardK, k++) if ( 3==func(i,j,k) ) Print(i,j,k), return 0; int func(int x, int y, int z); 如何优化？ func(A,A,A) func(A,A,2) func(A,A,3) func(A,A,4) … func(A,2,A) func(A,2,2) func(A,2,3) func(A,2,4) … func(2,A,A) func(2,A,2) func(2,A,3) func(2,A,4) … int func(int x, int y, int z); enum card {cA,c2,c3,c4,c5,c6,c7,c8,c9,c10,cJ,cQ,cK}; enum card i; int count=0,ret; for ( i = cA, i cK, i++ ) if ( ret=func(i,i,i) != 0 ) Print(i,ret), 3==count+ret?return 0, count+=ret; 日志优化 新cache优化后效果 日志回复CACHE上线后，CACHE高峰期处理的平均延时由200－500ms左右降至20ms左右；目前日志title的命中率在92%左右，其平均延时在8ms左右，以前高峰期在50-60ms左右 目前日志title还需8ms的原因，应该与目前日志title的数据有关，每次DB的IO操作的数据量比较大影响的 后台数据CACHE的性能提升，减少了前台WEB接入的httpsvr的压力，用户体验提升，同时也相应带来了系统稳定性的提升 旧系统结构 模块 日志回复 日志标题 日志计数 优点 CACHE内存化，提升性能 多进程号段分布处理 业务异步化 缺点 CACHE量有限，命中率低，对DB的性能依赖比较重 模块相互独立，容易造成数据不一致 现网数据分析 数据量 日志标题 cache 10台 约69G 命中率：约90% DB 5台 约340G 日志回复 cache 20台 约68G 命中率：约50% DB 20台 约9T 日志计数 cache 10台 约122G 命中率：约100% DB 4台 约100G 访问量 日志标题 高峰期：7100次/秒 日志回复 高峰期：5000次/秒 日志计数 高峰期：7000次/秒 新系统结构 系统分三个模块：日志信息、日志标题、访问计数 CGI层对日志标题、访问计数模块有读/写权限；对日志标题模块只有读权限，其数据来源于日志信息模块 新cache优化后效果 日志回复CACHE上线后，CACHE高峰期处理的平均延时由200－500ms左右降至20ms左右；目前日志title的命中率在92%左右，其平均延时在8ms左右，以前高峰期在50-60ms左右 目前日志title还需8ms的原因，应该与目前日志title的数据有关，每次DB的IO操作的数据量比较大影响的 后台数据CACHE的性能提升，减少了前台WEB接入的httpsvr的压力，用户体验提升，同时也相应