导读：大佬希望我帮忙排查一下一个性能问题，我⼀听内心当然是拒绝的啦，这种 Commit 挣得太难了，修个 NPE 之类的不香吗？ 于是我拿起手机回复大佬：好的，我看⼀下。
作者介绍
林琳
腾讯云高级工程师
活跃于开源社区，Apache Pulsar Commiter
专注于中间件领域，在消息队列和微服务方向具有丰富的经验，负责 CKafka/CMQ/移动开发平台 的后端设计于开发工作，目前致力于打造稳定、高效和可扩展的基础组件与服务
故事的开端
话说，这个事情已经过去很久了，应该是在2020年的10月份，今天就拿出来炒一下冷饭吧。当时业务赶着上线，国庆节连续肝了6天，最后⼀天我想休息⼀下，于是像咸鱼一样躺在床上，如下所示：
突然 Pulsar 社区的大佬找我，希望我帮忙排查一下一个性能问题：Pulsar 的客户端消费分为 ConsumerImpl 和 MultiTopicsConsumerImpl 两种。
通常情况下，当⼀个 Topic 只有⼀个分区的时候，Builder 只会创建 ConsumerImpl，每个 ConsumerImpl 能连接到⼀个 Partition 消费。
当⼀个 Topic 有多个 Partition 的时候，则 Builder 会创建 MultiTopicsConsumerImpl，每个 MultiTopicsConsumerImpl 包含了多个 ConsumerImpl，即它会为每个 Partition 创建⼀个 ConsumerImpl。
多个 ConsumerImpl 各自接收消息，最终所有消息会汇总进 MultiTopicsConsumerImpl 的队列里，供业务使用。如下所示：
按道理，这么多个 ConsumerImpl ⼀起接收消息，又是多个 Partition 并行拉数据， MultiTopicsConsumerImpl 的性能应该远远超过单个 ConsumerImpl 才对。然而，现实是 MultiTopicsConsumerImpl 的性能只有 Consumer 的⼀半。
我⼀听，内心当然是拒绝的啦，这种 Commit 挣得太难了，修个 NPE 之类的不香吗？
于是我拿起手机回复大佬：好的，我看⼀下。
问题排查
要排查这个问题，首先我得有个 Pulsar 集群呀。于是我找了3台虚拟机，开始部署⼀个集群，然后......
（此处省略1W字）
最后，我用 Pulsar 自带的 perf 工具开始分别模拟单个 ConsumerImpl 和 MultiTopicsConsumerImpl 的消费，测试环境的配置如下：
- 3台8核16G机器
- Pulsar 的 Topic 创建4个 Partition
- 消费时间2分钟
- 使用 Pulsar 自带的 perf 工具，MultiTopicsConsumerImpl 的测试命令：
bin/pulsar-perf consume -u 'http://x.x.x.x:8080' -s my-sub-6 -sp Earliest -q
100000 persistent://public/default/p-topic第⼀次的测试结果出来后，我发现大佬有点太乐观，因为 MultiTopicsConsumerImpl 的性能根本就没有 Consumer 的⼀半，情况比估计的还要差，只有七分之一左右。
MultiTopicsConsumerImpl 的性能结果：
代码语言：javascript复制Aggregated throughput stats --- 11715556 records received --- 68813.420 msg/s --- 537.605 Mbit/sConsumerImpl 的性能结果：
代码语言：javascript复制Aggregated throughput stats --- 78403434 records received --- 462640.204 msg/s --- 3614.377 Mbit/s看完这个结果，我感觉这个起点很低，有巨大的上升空间。首先，我们需要知道时间都去哪了，于是我拉了⼀个火焰图看看CPU时间的消耗。
初步排查，发现业务线程占用了总体时间的 40.65%，其中 MessageReceived 里占用的总时间的 14%， 另外可重入的读写锁占用 8.22%。而 MessageReceived 里，其实也是锁占了很大的比重。锁差不多占用了 20% 的时间。于是，第⼀个优化方向就出现了 —— 去锁。
去锁的方向主要有以下几个：
- 利用现有线程安全的 BlockingQueue，不再重复加锁。
- 降低锁获取频率。对于无法消除的锁，通过前置判断降低最终锁获取的频率。
- 修改逻辑实现方式，去除明显可以移除的锁。
- 都多写少的地方使用读写锁替换可重入锁。
移除后，重新跑性能测试，发现性能有了明显的提高，感觉公屏上飘过的都是 666：
代码语言：javascript复制//优化前
Aggregated throughput stats --- 11715556 records received --- 68813.420 msg/s -
-- 537.605 Mbit/s
//优化后
Aggregated throughput stats --- 25062077 records received --- 161656.814 msg/s
--- 1262.944 Mbit/s还有有些地方强制去锁，对现有的⼀些逻辑有小变动，被拒绝了。例如有这样的⼀段代码:
代码语言：javascript复制//忽略掉加锁的部分
Message<T> msgPeeked = incomingMessages.peek();
while (msgPeeked != null && messages.canAdd(msgPeeked)) { Message<T> msg = incomingMessages.poll();
if (msg != null) { decreaseIncomingMessageSize(msg);
Message<T> interceptMsg = beforeConsume(msg); messages.add(interceptMsg);
}
msgPeeked = incomingMessages.peek();
}
result.complete(messages);
//忽略掉释放锁的部分这段代码的逻辑大意是，先看看队列里第⼀条消息能不能放进集合里，可以就出队并放入。
我把这段 while 改为 do-while ，即不加锁，直接出队往集合里塞，直到塞完后的大小超过了，则结束。这种方式把先前的严格小于变为最多超过集合容量1条消息的大小，但是能借助本身就是线程安全的 BlockingQueue 实现去锁。但是由于行为有变化，CR 没有通过，只能还原回去。
继续回到刚才的火焰图，我们发现除了锁占用了很多的 CPU，Netty 相关的 API 也占用了不少，⼀共有 12.63%。
主要是 AbstractEventExecutorGroup，也就是我们常见的 EventLoopGroup 消耗了大量的 CPU 资源。
Pulsar 中几乎所有的操作都是异步的，大量使用了 Java8 里的 CompletableFuture ，但是为什么会有这么多的 EventLoop 呢。看代码发现，Pulsar 里面为了实现异步延迟 循环拉取消息，又为了避免循环调用自己出现栈溢出，使用 Netty 的 EventLoop 作为线程池。
起初我以为是 EventLoop 处理请求比较繁忙引起的，顺着堆栈找到对应的代码，发现并不是。
Netty 的 EventLoop 采用了生产-消费模型，添加任务的线程如果是当前线程，则自己就消费掉了，没有唤醒动作。但是如果使用了 EpollEventLoop 并且添加任务的线程与处理线程不是同⼀个，生产线程会唤醒消费线程来处理任务，进而触发系统调用：
代码语言：javascript复制Native.eventFdWrite(this.eventFd.intValue(), 1L);这个处理起来就比较简单了，如果能避免出现频繁的系统调用就能提升性能，直接使用Java自带的 ThreadPoolExecutor 替换掉就好了，ThreadPoolExecutor 设置使用 BlockingQueue 作为任务队列，性能比每次调用 eventFdWrite 要好。
为了对比单次 EventLoop 优化的效果，因此并没有在移除锁的基础上做，而是单独拉了⼀个分支。前后性能效果的对比如下：
代码语言：javascript复制//优化前
Aggregated throughput stats --- 11715556 records received --- 68813.420 msg/s -
-- 537.605 Mbit/s
//优化后
Aggregated throughput stats --- 18392800 records received --- 133314.602 msg/s
--- 1041.520 Mbit/s剧终
去锁 EventLoop 一共提升了近4倍的性能：
代码语言：javascript复制
//MultiTopicsConsumerImpl优化前
Aggregated throughput stats --- 11715556 records received --- 68813.420 msg/s -
-- 537.605 Mbit/s
//MultiTopicsConsumerImpl优化后
Aggregated throughput stats --- 40140549 records received --- 275927.749 msg/s
--- 2155.686 Mbit/s
//ConsumerImpl
Aggregated throughput stats --- 78403434 records received --- 462640.204 msg/s
--- 3614.377 Mbit/s最终的火焰图如下：
虽然整个优化的过程比较简单，技术含量高，但由于起点比较低，所以优化的效果还是很好的。最终性能只有单个 ConsumerImpl 的 50% 左右，因此还有继续提升的空间。这次的优化是基于已有的架构， 仅对实现做了调整，如果我们尝试对架构进行微调可以有更多的提升，欢迎小伙伴们⼀起来优化。
往期推荐
《超有料！万字详解腾讯微服务平台 TSF 的敏捷开发流程》
《火速围观！鹅厂中间件产品遭遇暴风吐槽！》
《看这里！鹅厂大佬深度解析 Apache Pulsar 五大应用场景》
扫描下方二维码关注本公众号，了解更多微服务、消息队列的相关信息！解锁超多鹅厂周边！
