实战火焰图分析CPU使用率解决JAVA应用线上性能问题
开源项目推荐
Pepper Metrics
是我与同事开发的一个开源工具(
https://
github.com/zrbcool/pepp
er-metrics
)，其通过收集jedis/mybatis/httpservlet/dubbo/motan的运行性能统计，并暴露成prometheus等主流时序数据库兼容数据，通过grafana展示趋势。其插件化的架构也非常方便使用者扩展并集成其他开源组件。
请大家给个star，同时欢迎大家成为开发者提交PR一起完善项目。
背景
业务上一个新业务上线，发现CPU使用率较高，我们的业务特点一般是IO密集型，所以一般呈现CPU使用率较低，但是QPS较高的特点，所以对这个特殊的服务进行性能分析，以下是分析过程。
网络性能分析
-
新应用上线，发现CPU较高，如图所示
-
从cpu使用率的细节发现%si中断使用率集中在cpu0上，查看中断类型
- 发现硬中断的处理集中在CPU0上，推断网卡不支持多队列特性
-
果然推断正确，然后决定找两台网卡支持多队列的机器对比性能
-
从监控中可以看到，两种机型在P999的接口响应延迟上相差一倍
CPU使用率还没分析
跑题了，前面分析CPU的过程中无意间发现了中断不平均的问题，但并不是我们CPU使用率高的原因，CPU主要还是%us高，回来分析CPU使用率，由于代码不是本人所写，不会直接去分析代码，那样无异于大海捞针，拿出珍藏的perf大法，生成火焰图分析。
CPU火焰图的生成方法参考前面的文章：
- 使用FlameGraph分析JAVA应用性能 - Docker中使用FlameGraph分析JVM应用性能
生成的火焰图如下：
http://
oss.zrbcool.top/picgo/a
d-data-web03.svg
瓶颈点1
CoohuaAnalytics$KafkaConsumer:::send方法中Gzip压缩占比较高
已经定位到方法级别，再看代码就快速很多，直接找到具体位置，找到第一个消耗大户：Gzip压缩
瓶颈点2
展开2这个波峰，查看到这个getOurStackTrace方法占用了大比例的CPU，怀疑代码里面频繁用丢异常的方式获取当前代码栈
直接看代码
果然如推断，找到第二个CPU消耗大户：new Exception().getStackTrace()
瓶颈点3
展开波峰3，可以看到是这个Gzip解压缩
定位到具体的代码，可以看到对每个请求的参数进行了gzip解压缩
总结
到此我们就找到了这个应用的三个主要的CPU消耗点，通过火焰图，我们很方便的可以分析到具体代码级别的CPU使用情况，完全可以将应用当做一个黑盒来分析，分析性能之前，我对代码完全不了解的情况下分析到了CPU使用率的性能瓶颈。
后续： 等过几天优化完成后再行对比CPU使用率情况。
作者其他文章
https:// github.com/zrbcool/blog -public
