干货系列：SOFARPC 性能优化实践（上）

Posted 2021-04-11 支付宝技术

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了干货系列：SOFARPC 性能优化实践（上）相关的知识，希望对你有一定的参考价值。

<SOFA:Channel/>，有趣实用的分布式架构频道。

本次主要分享 SOFARPC 在性能上做的一些优化，这个系列会分成上下两部分进行分享，今天是 SOFARPC 性能优化（上），也会对本次分享中的一些结论，提供部分代码 Demo，供大家了解验证。

欢迎加入直播互动钉钉群：23127468，不错过我们每场直播。

大家好！

我是来自蚂蚁金服中间件的雷志远，花名碧远，目前在负责 SOFARPC 框架相关工作。

去年的时候，我们和外部的爱好者们一起，做了一个基于 SOFARPC 的源码解析系列，我同事已经发到群里了，大家可以保存，直播之后查看。

SOFARPC 源码解析系列：（点击【剖析 | SOFARPC 框架】即可查看）https://www.sofastack.tech/posts

今年，基于源码解析的基础，我们来多讲讲实践，如何应用到大家的业务，来帮助大家解决实际问题。在直播过程中有相关的问题想提问，可以在钉钉群互动。

前言

在上一期中，余淮分享了《》。介绍了蚂蚁微服务的起源，以及之后服务化，单元化的情况。同时介绍了 SOFAStack 目前开源的情况。最后也分享了一下整个微服务中 SOFARPC 的设计与实现。

本期，我们主要分享 SOFARPC 在性能上做的一些优化。这个系列会分成上下两部分进行分享，今天是 SOFARPC 性能优化（上），也会对本次分享中的一些结论，提供部分代码 Demo，供大家了解验证。

我们先简要介绍一下 SOFARPC 的框架分层。这个在上次的分享中已经进行了介绍。

下层是网络传输层，依次是协议，序列化，服务发现和 Filter 等。

Transport 主要负责数据传输，可以是 Http2Transport，也可以是 BoltTransport，还有可能是其他。

Protocol 层是协议，是 Rest 还是 Bolt ，或者是 Dubbo 。

Serialization 是序列化，对于每种协议，可以是用不同的序列化方式，比如 hessian，pb，json 等。

Filter 是通用的过滤器层，主要是为了留出一些扩展，完成一些其他扩展功能，比如 Tracer 的埋点等。

Router 是路由层，主要是做寻址，这里可能是 Zk，也可能是 LVS，也可能是直连。

Cluster 是客户端集群方式的表示。

自定义通讯协议使用

首先我想介绍一下自定义通讯协议。

在说明自定义通讯协议之前，我先简单介绍一下通讯协议。在TCP之上，RPC框架通常还需要将请求和响应数据进行一定的封装，组装成 Packet，然后发送出去。这样，服务端收到之后，才能正确识别整个 TCP 发过来的字节流中，哪一部分是我们可以进行处理的一个完整单位。反之，客户端收到服务端的TCP 数据流也是如此。

有了上面的共识之后，我们要回答下面两个问题：

为什么要自定义，不使用 Http2/Dubbo/Rest/Grpc？

自定义之后，带来了什么好处呢？

Http2 虽然更为通用，但是一方面，出现较晚，迁移转换成本高，并且通用则意味着传输的辅助数据会变多，会有一些额外的信息需要传递或者判断。对于序列化反序列化的控制上，也不是很好扩展操作。

而 Dubbo，协议简单强大。但是一些元信息需要解析，Header 中传输的数据太少，很多都需要依赖 body 中的数据反序列化完成后才能使用，头部的信息太少。

干货系列：SOFARPC 性能优化实践（上）

而使用了自研的协议之后，Header 中可自定义传输更多的元信息，序列化方式，Server Fail Fast，服务端线程隔离等也都成为可能。甚至蚂蚁在 ServiceMesh 的场景下，Mesh 本身也能利用 Bolt 的协议，进行部分数据的读取，而不依赖具体的序列化实现。

干货系列：SOFARPC 性能优化实践（上）

BOLT 协议图

经过我们的实践，大致来看，目前给我们带来的好处主要有以下的能力：

Server Fast 的支持
Header 和 Body 的分开序列化
Crc 校验的支持
版本的支持，预防未来可能出现的更好的设计方案
多种序列化方式的支持
安全认证，Mesh 路由

如果你要自己设计一个通讯协议。可以考虑使用 BOLT 协议，或者参考进行更好的设计和优化。

关于 SOFABolt 相关的源码解析，也可以通过这个系列来了解。

SOFABolt 源码解析系列：（点击【剖析 | SOFABOLT 框架】即可查看）

https://www.sofastack.tech/posts

Netty 性能参数优化

在介绍了自定义通讯协议之后，也就是确定好了怎么封包解包之后，还需要确定传输层的开发。一个 RPC 框架从现在的情况来看，一般不太可能完全基于 JAVA 的 NIO 或者其他 IO 进行直接的开发，主要是一些 NIO 原生的问题和使用难度，而成熟的，目前可选的不多。基本上，大家都会基于 Netty 进行开发，HSF/Dubbo/Motan 等都是这样。

直接使用是比较简单的。在 Netty 的 Bootstrap 的设置中，有一些可选的优化项，有必要跟大家分享一下。

1、SO_REUSEPORT/SO_REUSEADDR - 端口复用(允许多个 socket 监听同一个IP+端口)

SO_REUSEPORT 支持多个进程或者线程绑定到同一端口，提高服务器的接收链接的并发能力，由内核层面实现对端口数据的分发的负载均衡，在服务器 socket 上没有了锁的竞争。

同时 SO_REUSEADDR也要打开，这样针对 time-wait 链接，可以确保 server 重启成功。在一些服务端启动很快的情况下，可以防止启动失败。

2、TCP_FASTOPEN - 3次握手时也用来交换数据

三次握手的过程中，当用户首次访问服务端时，发送 syn 包，server 根据客户端 IP 生成 cookie ，并与 syn+ack 一同发回客户端；客户端再次访问服务端时，在 syn 包携带 TCP cookie；如果服务端校验合法，则在用户回复 ack 前就可以直接发送数据；否则按照正常三次握手进行。也就是说，如果客户端中途断开，再建联的时候，会同时发送数据，会有一定的性能提升。

TFO 提高性能的关键是省去了热请求的三次握手，这在小对象传输较多的移动应用场景中，能够极大提升性能。

Netty 中仅在 Epoll 的时候可用 Linux特性，不能在 Mac/Windows 上使用，SOFARPC 未开启。

3、TCP_NODELAY-关闭 (纳格) Nagle 算法，再小的包也发送，而不是等待

TCP/IP 协议中针对 TCP 默认开启了 Nagle 算法。Nagle 算法通过减少需要传输的数据包个数，来优化网络。但是现在的环境下，网络带宽足够，需要进行关闭。这样，对于传输数据量小的场景，能很好的提高性能，不至于出现数据包等待。

4、SO_KEEPALIVE –开启 TCP 层面的 Keep Alive 能力

这个不多说，开启一下 TCP 层面的 Keep Alive 的能力。

5、WRITE_BUFFER_WATER_MARK 设置

通过 WRITE_BUFFER_WATER_MARK 设置某个连接上可以暂存的最大最小 Buffer 之后，如果该连接的等待发送的数据量大于设置的值时，则 isWritable 会返回不可写。这样，客户端可以不再发送，防止这个量不断的积压，最终可能让客户端挂掉。如果发生这种情况，一般是服务端处理缓慢导致。这个值可以有效的保护客户端。此时数据并没有发送出去。

6、workerGroup

worker 线程数设置处理器+1，Netty 默认是线程数*2，可以根据自己的压测情况来判断。Boss Group 用于服务端处理建立连接的请求，WorkGroup 用于处理I/O。为了避免线程上下文切换，只要能满足要求，这个值一般越少越好。

7、ioRadio 设置

EventLoop#ioRatio 的设置(默认50), 这是 EventLoop 执行 IO 任务和非 IO 任务的一个时间比例上的控制，BOLT 最佳实践是70，表示70%的时间在执行 IO 任务。

8、SO_BACKLOG 设置

在 Linux 系统内核中维护了两个队列：syns queue 和 accept queue。第一个是半连接队列，保存收到客户端 syn 之后，进入 syn_recv 状态的这些连接，默认 netty 中是128，io.netty.util.NetUtil#SOMAXCONN ，然后读取`/proc/sys/net/core/somaxconn` 来继续确定，之后还有一些系统级别的覆盖逻辑。

在一些场景下，如果客户端远远多余服务端，并发建联，可能不够。这个值也不能太大，否则会无法防止 SYN-Flood 攻击。Bolt 中目前这个值修改成了1024。通过设置之后，由于自己设置的和系统的取小，所以自己设置的值相当于设置了上限。如果 Linux 系统运维某些设置错误，也能通过代码层面进行避免。

目前我们的 Linux 层面，通常设置的是 128，最终经过计算会设置为 128。

SOFARPC 连接保持

Netty 设置基本 ok，协议也确定之后，连接的保持就比较重要，否则，第一次发送或者每次发送都要走一次建联的过程。虽然有 FAST OPEN 的加持，还是有一些损失。

说到这里，可能有些同学有疑问：

Keep Alive 不够吗？

Bolt 的连接管理怎么做的？

如何解决初次建联的问题？

心跳是单向还是双向？

前面我们说过了，Keep Alive 已经打开了。不过，Keep Alive 还不够，主要是经过很多网络设备之后，Keep Alive可能失效，另外 Keep Alive 是一个 Linux 层面的设置，有时候整个系统并未打开。这些不可控的因素都会导致我们的连接管理失效。

干货系列：SOFARPC 性能优化实践（上）

Keep Alive 图

上面是 Keep Alive 的处理，主要是在没有读写事件一段时间后，进行数据包的发送来保活。

但是这里要注意，如果你的场景是有大量的服务端，那么这个数据不建议进行扩大。因为 tcp 连接会成倍增长，反而带来性能下降。目前蚂蚁这边大部分也多为1。

干货系列：SOFARPC 性能优化实践（上）

RPC 连接管理

在 BOLT 连接管理的基础上，RPC 为了避免第一次用户请求，进行建联并发送的延迟，RPC 还有一个连接管理的线程，会异步的进行连接初始化。这样，当真正的请求发起的时候，连接已经准备好了，可以减少一次建联的耗时对业务的影响。

对于 LVS 和 VIP 的场景下，由于长连接的特性，即使后端有 100个 IP，对客户端来说，也只能和一个 IP 进行通信，因为这些设备是建联层面的，并非通信层面的。所以对这种情况。，一个 RPC 框架也要考虑支持定时断链和重连。

序列化选择

以上都准备好了之后，序列化方式的选择决定了业务传输对象能够有多小，也决定了在传输之前，序列化和反序列化的时候能有多快或者有多占用 CPU 。

干货系列：SOFARPC 性能优化实践（上）

序列化图

蚂蚁这边长期使用 hessian 作为序列化方式，在出现跨语言需求后，同时支持 pb 。如果你还有考虑其他的序列化方式，可以参考附录中的序列化框架性能测试套件来进行选择。

需要注意的是，在 RPC 场景的序列化中，一定要考虑接口变更，字段新增的兼容性。因为一旦一个接口被客户 A 和 B 引用，此时 C 要升级 facade 接口，能否兼容 A 和 B 的情况就很重要。

基于我们自己的情况，在序列化方式的选择上：

如果很长时间内，不存在跨语言的情况，hessian 是兼容性和性能的综合考虑
如果考虑跨语言，并且对性能要求很高，Pb 可作为跨语言的情况下的选择。
在选型时也要考虑序列化框架的社区情况。切勿选择看上去性能高，但是已经不再维护的库，或者用户量非常少的库，一旦出现问题，比较难解决。

IO 线程池批量解包

批量解包图

Netty 提供了一个方便的解码工具类 ByteToMessageDecoder ，如图上半部分所示，这个类具备 accumulate 批量解包能力，可以尽可能的从 socket 里读取字节，然后同步调用 decode 方法，解码出业务对象，并组成一个 List 。最后再循环遍历该 List ，依次提交到 ChannelPipeline 进行处理。改动后，如图下半部分所示，即将提交的内容从单个 command ，改为整个 List 一起提交，如此能减少 pipeline 的执行次数，同时提升吞吐量。这个模式在低并发场景下不明显，但是在高并发场景下对吞吐量有不小的性能提升。

这一段是我改成开关方式的，方便大家理解改动点。

if (batchSwitch) {    ArrayList<Object> ret = new ArrayList<Object>(size);    for (int i = 0; i < size; i++) {        ret.add(out.get(i));
    }    ctx.fireChannelRead(ret);
}else{    for (int i = 0; i < size; i++) {        ctx.fireChannelRead(out.get(i));
    }
}

我们的 DEMO 提供了一个验证的方式，如果有相关的压测环境，可以参考进行多并发的验证。

DEMO 链接：https://github.com/leizhiyuan/rpcchannel

客户端 Proxy 的性能优化

作为一个 RPC 框架，最后，我们还有给用户的接口生成代理。目前一般大家都是要用动态代理来做。动态代理的性能有不同，使用上也有一定的差别。各个版本之间，也会有一定的差异。在选择上，需要大家根据实际情况，进行测试验证。

我们自己的测试数据显示 Javassist Bytecode 的方式是除了 Asm 之外，性能最好的。Asm 由于使用写法非常反人类，所以我们目前还是使用的 Javassist Bytecode 的方式。

Benchmark	Mode	Cnt	Score	Error	Units
ProxyInvokeBenchmark.invokeByAsm	avgt	10	7.865	±0.028	ns/op
ProxyInvokeBenchmark.invokeByBytebuddy	avgt	10	14.318	± 0.41	ns/op
ProxyInvokeBenchmark.invokeByCglib	avgt	10	8.231	± 0.221	ns/op
ProxyInvokeBenchmark.invokeByJavassist	avgt	10	15.86	± 0.605	ns/op
ProxyInvokeBenchmark.invokeByJavassistByte	avgt	10	8.075	± 0.267	ns/op
ProxyInvokeBenchmark.invokeByJdk	avgt	10	12.774	± 0.806	ns/op

可优先选择 javassist bytecode，有一定的性能优势，性能测试可以根据自己的情况，使用 JMH 进行测试。测试代码和版本在 DEMO 中提供。

总结

得益于 Java 社区的发展以及前辈们的贡献，目前写一个 RPC 框架并不是很难。但是作为一个 RPC 框架，需要在可维护性的基础上，尽可能提高自身性能，将在实际过程中遇到的一些场景和异常情况进行修复和优化，并进行更好的代码设计和实现。对于性能上的数据，可以多使用 JMH 并结合实际业务场景，进行相应的测试。

最后感谢大家，今天的 SOFA Channel 直播到此结束。