跳到主要内容

性能问题优化

引用文件

本文引用的文件

目录​

  1. 简介
  2. 项目结构
  3. 核心组件
  4. 架构总览
  5. 详细组件分析
  6. 依赖分析
  7. 性能考虑
  8. 故障排查指南
  9. 结论
  10. 附录

简介​

本指南聚焦 yudao-cloud 项目的性能问题识别与优化实践，覆盖 CPU 使用率高、内存占用大、磁盘 IO 频繁等瓶颈定位方法；缓存优化策略（Redis 缓存配置、缓存穿透防护、缓存一致性）；线程池配置与任务调度优化（异步任务处理、线程池参数调优）；数据库性能优化（查询优化、索引设计、连接池配置）；以及性能监控指标与调优工具的使用方法。文档面向不同层次读者，既提供高层架构视角，也给出可落地的优化建议。

项目结构​

yudao-cloud 采用微服务架构，以 Spring Cloud Gateway 为统一入口，后端服务按业务域拆分至多个模块（系统、基础设施、设备、运营、黑名单、任务、规则引擎等），并集成 Nacos、Redis、MySQL、TDengine、Kafka 等中间件。系统通过 Actuator/Micrometer 暴露指标，Prometheus 抓取，SkyWalking 进行链路追踪。

Mermaid Diagram Code:

graph TB
subgraph "客户端"
Web["Web/App"]
end
subgraph "网关层"
GW["yudao-gateway"]
end
subgraph "业务服务"
SYS["yudao-module-system"]
INFRA["yudao-module-infra"]
DEV["yudao-module-device"]
LCH["yudao-module-launcher"]
BLK["yudao-module-blacklist"]
TSK["yudao-module-task"]
RUL["yudao-module-rule"]
end
subgraph "中间件"
NACOS["Nacos"]
REDIS["Redis"]
MYSQL["MySQL"]
TD["TDengine"]
KAFKA["Kafka"]
SW["SkyWalking"]
end
Web --> GW
GW --> SYS
GW --> INFRA
GW --> DEV
GW --> LCH
GW --> BLK
GW --> TSK
GW --> RUL
SYS -.-> NACOS
DEV -.-> TD
TSK -.-> TD
BLK -.-> KAFKA
GW -.-> REDIS
SW -.-> SYS
SW -.-> DEV
SW -.-> TSK

图表来源

章节来源

核心组件​

  • 网关与灰度发布：基于 Spring Cloud Gateway 的灰度负载均衡，支持按版本头分流。
  • 监控与可观测性：Micrometer + Actuator + Prometheus + SkyWalking。
  • 缓存：Redis + 自定义 TTL 管理，支持“缓存 + 分布式锁 + 数据库兜底”。
  • 线程池：模块内自定义线程池，异步任务接入 TransmittableThreadLocal。
  • 数据存储：MySQL + TDengine（时序/日志），Kafka（异步解耦）。
  • 规则引擎：LiteFlow + Redis 缓存 + 审批流程。

章节来源

架构总览​

系统采用“网关 + 多业务服务 + 中间件”的分层架构。网关负责路由、鉴权与灰度；服务内部通过 Redis 缓存热点数据，使用 Kafka 异步处理日志与事件；设备与任务服务将高频日志写入 TDengine 时序库，降低 MySQL 压力；Prometheus 抓取各服务指标，SkyWalking 进行链路追踪。

Mermaid Diagram Code:

sequenceDiagram
participant Client as "客户端"
participant GW as "Gateway"
participant SVC as "业务服务"
participant REDIS as "Redis"
participant DB as "MySQL/TDengine"
participant MQ as "Kafka"
Client->>GW : 请求
GW->>SVC : 路由转发
SVC->>REDIS : 读取缓存
alt 命中
REDIS-->>SVC : 返回数据
else 未命中
SVC->>DB : 查询数据库
DB-->>SVC : 返回数据
SVC->>REDIS : 写入缓存
end
opt 异步流程
SVC->>MQ : 发送消息
MQ-->>SVC : 确认
end
SVC-->>GW : 响应
GW-->>Client : 返回

图表来源

详细组件分析​

缓存优化策略（Redis）​

  • 自定义过期时间：通过缓存名格式“key#ttl”实现按缓存项粒度设置过期时间，支持 d/h/m/s 单位。
  • 随机过期抖动：配置 key 过期时间随机范围，降低缓存雪崩风险。
  • 规则引擎缓存：使用 Redis 缓存规则链 DTO，结合分布式锁与数据库兜底，避免缓存穿透与击穿。
  • 缓存一致性：热点数据采用“先更新 DB，再失效/更新缓存”，并配合异步刷新策略。

Mermaid Diagram Code:

flowchart TD
Start["开始: getRuleDetail(ruleId)"] --> CheckParam{"ruleId 是否为空?"}
CheckParam --> |是| Error["抛出异常"]
CheckParam --> |否| QueryRedis["查询 Redis 缓存"]
QueryRedis --> CacheHit{"缓存命中?"}
CacheHit --> |是| CheckEmpty{"是否为空占位符?"}
CheckEmpty --> |是| ReturnNull["返回 null"]
CheckEmpty --> |否| ReturnResult["返回规则 DTO"]
CacheHit --> |否| AcquireLock["尝试获取分布式锁"]
AcquireLock --> LockSuccess{"获取成功?"}
LockSuccess --> |否| ReturnNullLock["返回 null"]
LockSuccess --> |是| DoubleCheckRedis["再次查询 Redis"]
DoubleCheckRedis --> DoubleHit{"缓存命中?"}
DoubleHit --> |是| ReturnResult
DoubleHit --> |否| QueryDB["查询数据库 RuleBusinessApi"]
QueryDB --> DBHit{"数据库存在?"}
DBHit --> |是| SetCache["写入 Redis 缓存"]
SetCache --> ReturnDBResult["返回 DB 数据"]
DBHit --> |否| SetEmptyCache["写入防穿透空值"]
SetEmptyCache --> ReturnNullDB["返回 null"]

图表来源

章节来源

线程池配置与任务调度优化​

  • 模块内线程池：设备、启动器、任务模块均提供自定义线程池，核心池大小、最大池大小、队列容量、拒绝策略可按业务调优。
  • 异步任务：启用 @EnableAsync，线程池任务装饰器接入 TransmittableThreadLocal，保证上下文传递。
  • 导出任务限流：通过配置项限制系统同时运行的异步导出任务数量，避免资源争抢。

Mermaid Diagram Code:

classDiagram
class ThreadPoolConfig_Device {
+taskExecutor() Executor
}
class ThreadPoolConfig_Launcher {
+taskExecutor() Executor
}
class ThreadPoolConfig_Task {
+taskExecutor() Executor
}
class ExportRejectedExecutionHandler {
+rejectedExecution(r, executor) void
}
class ExportTaskConfig {
+exportTaskMaxCount int
}
class YudaoAsyncAutoConfiguration {
+threadPoolTaskExecutorBeanPostProcessor() BeanPostProcessor
}
ThreadPoolConfig_Device --> ExportRejectedExecutionHandler : "使用"
ThreadPoolConfig_Launcher --> ExportRejectedExecutionHandler : "使用"
ThreadPoolConfig_Task --> ExportRejectedExecutionHandler : "使用"
ExportTaskConfig --> ThreadPoolConfig_Task : "受控"
YudaoAsyncAutoConfiguration --> ThreadPoolConfig_Device : "装饰"
YudaoAsyncAutoConfiguration --> ThreadPoolConfig_Launcher : "装饰"
YudaoAsyncAutoConfiguration --> ThreadPoolConfig_Task : "装饰"

图表来源

章节来源

数据库性能优化​

  • MySQL 连接池：可通过连接池参数（最大活跃、最大空闲、最大等待、Ping 策略等）优化长事务与连接复用。
  • 查询优化：使用 Druid 性能分析 SQL 报告，关注慢 SQL 数量、平均响应时间、错误率与并发峰值。
  • 索引设计：围绕高频查询字段建立合适索引，避免全表扫描；对时间序列数据优先使用分区或分表策略。
  • 时序数据：设备运行时序数据写入 TDengine，降低 MySQL 压力，提升 OLAP 场景查询效率。

Mermaid Diagram Code:

flowchart TD
A["收集慢 SQL 指标"] --> B["分析执行计划"]
B --> C{"是否存在索引缺失?"}
C --> |是| D["创建/调整索引"]
C --> |否| E["优化 SQL 结构"]
D --> F["监控回归"]
E --> F
F --> G["评估 QPS/RT/错误率"]

图表来源

章节来源

网关灰度发布与流量控制​

  • 灰度负载均衡：根据请求头中的版本字段筛选相同版本的服务实例，未匹配时回退到全部实例。
  • 流量路由：在灰度场景下，确保新旧版本实例的权重配置合理，避免流量倾斜。

Mermaid Diagram Code:

sequenceDiagram
participant Client as "客户端"
participant Filter as "GrayReactiveLoadBalancerClientFilter"
participant LB as "GrayLoadBalancer"
participant Nacos as "Nacos"
participant Inst as "服务实例"
Client->>Filter : 请求 (Header : version=1.0.1)
Filter->>LB : choose()
LB->>Nacos : 获取实例列表
Nacos-->>LB : 返回实例(含metadata)
LB->>LB : 筛选 metadata[version]==1.0.1
alt 存在匹配
LB->>Inst : 基于权重选择
else 无匹配
LB->>Inst : 在全部实例中基于权重选择
end
LB-->>Filter : 返回实例
Filter->>Inst : 转发请求
Inst-->>Client : 响应

图表来源

章节来源

消息队列与异步解耦​

  • Kafka：黑名单模块提供测试接口用于发送回调事件，异步解耦日志上报与业务主流程。
  • 生产者配置：确保批量大小、压缩算法、重试策略与分区策略与吞吐需求匹配。

章节来源

依赖分析​

  • 组件耦合：网关与各业务服务松耦合，通过 Nacos 注册与配置中心；缓存与数据库为互补关系，规则引擎与审批流程耦合度较高。
  • 外部依赖：Nacos（注册/配置）、Redis（缓存）、MySQL（业务）、TDengine（时序）、Kafka（消息）、SkyWalking（链路追踪）。
  • 可能的循环依赖：网关配置中允许循环依赖，需谨慎处理 Bean 初始化顺序。

Mermaid Diagram Code:

graph LR
GW["Gateway"] --> NACOS["Nacos"]
GW --> REDIS["Redis"]
SVC["业务服务"] --> MYSQL["MySQL"]
SVC --> TD["TDengine"]
SVC --> KAFKA["Kafka"]
MON["Prometheus/SkyWalking"] --> SVC

图表来源

章节来源

性能考虑​

  • CPU 高：排查热点接口、线程池饱和、GC 抖动；优先优化慢 SQL 与缓存命中率。
  • 内存高：关注大对象缓存、线程池队列堆积、长时间存活对象；开启随机过期抖动降低缓存雪崩。
  • 磁盘 IO 高：将高频日志写入 TDengine，减少 MySQL 写放大；优化 Kafka 批量与压缩策略。
  • 网络与并发：灰度发布时控制流量比例，避免新版本实例过载；线程池参数与拒绝策略协同。

[本节为通用指导，无需列出章节来源]

故障排查指南​

  • 指标采集：通过 Prometheus 抓取 Actuator 暴露的 Micrometer 指标，结合 SkyWalking 查看链路耗时。
  • 规则引擎异常：检查 Redis 缓存是否命中、分布式锁是否超时、数据库是否存在对应规则链。
  • 线程池拒绝：导出任务被拒绝时，检查系统并发阈值与队列容量，必要时扩容或降载。
  • 网关灰度异常：确认请求头版本字段与实例元数据一致，检查权重配置。

章节来源

结论​

yudao-cloud 的性能优化应围绕“缓存命中 + 线程池调优 + 数据库与时序库分离 + 指标监控”展开。通过 Redis 自定义 TTL、规则引擎多级缓存与分布式锁、模块化线程池与异步任务装饰器、MySQL + TDengine 的混合存储架构，以及 Prometheus + SkyWalking 的可观测性体系，可系统性地降低 CPU、内存与 IO 压力，提升整体吞吐与稳定性。

[本节为总结，无需列出章节来源]

附录​

  • 监控端点与标签：Actuator 暴露指标，commonTags 统一标注 application 名称。
  • 灰度发布：基于 Header 的版本分流，支持权重选择与回退策略。
  • Kafka 集成：黑名单模块提供测试接口用于发送回调事件，便于验证异步链路。

章节来源

用户文档
AI 助手
Agent 列表
请选择一个 Agent 开始对话
AI 问答