1. 说在前面

虽然标题是"调优zuul"，但"你一个做业务开发的，轮不到你来做基础技术底层的调优；正如JVM不需要调优，需要调优的是你的业务代码"。本次最终找到的原因也再次印证了这个思路。

所以本文的重点也不是介绍具体的调优点，主要是希望借着这个机会总结下：

1. 调优过程中arthas命令的使用
2. 期间走过的弯路，以及带来的经验

最终目的是下次类似的问题出现时候，能够尽量短的时间内解决。

2. 关键arthas命令

单次的调用性能参考意义不大，重要的是平均的耗时。所以在本次基于arthas的性能优化中，monitor 命令使用频率是最高的。

####### 一次对比dashboard —— 所有的自定义PreXxxFilter与整体的Zuul执行耗时
monitor -c 5 -E com.netflix.zuul.http.ZuulServlet|cn.com.xxx.apigateway.filter.Pre* service|preRoute|route|postRoute|run|shouldFilter

####### 异步执行，重定向 
#	https://arthas.aliyun.com/doc/async.html
trace cn.com.xxx.apigateway.filter.PreHeaderFilter serviceName_serviceSourceType -n 3 '#cost>10' > 11111XX.out &

####### redis性能验证. 压测20秒里，这样的个数大约在 190+
monitor -c 5 cn.com.xxx.common.util.RedissonUtil  get '#cost > 10'
#######压测20秒里，单次读取超过1ms的,这样的个数大约在 949 ； 而总共的读取次数大约是 52795.。。。 占比 1.79%
monitor -c 5 cn.com.xxx.common.util.RedissonUtil  get '#cost > 1'

####### 更新完，确认下是否更新到位
jad --source-only com.xxx.yyy.zzz.MController

####### 动态trace
# https://arthas.aliyun.com/doc/trace.html#%E5%8A%A8%E6%80%81-trace
trace cn.com.xxx.apigateway.filter.PreHeaderFilter  run -n 3 '#cost>16'
# 另外起一个shell界面
telnet localhost 3658
trace cn.com.xxx.apigateway.filter.PreHeaderFilter serviceName_serviceSourceType --listenerId 9

####### 抓取指定traceId，去查相应的链路日志
watch cn.com.xxx.apigateway.filter.PreHeaderFilter serviceName_serviceSourceType '{#cost,@org.apache.skywalking.apm.toolkit.trace.TraceContext@traceId()}'  -n 5  -x 3 '#cost>10'  -f


####### AOP切面直接attach
monitor -c 5 cn.com.xxx.common.anno.cache.XxxxExpCacheableAspect getContext
monitor -c 5 cn.com.xxx.common.anno.cache.XxxxExpCacheableAspect *  # 所有方法一次性整体预览

# 找出被AOP的, 实际类型
sc *ServerManagerFuncCaller

3. 弯路

待到问题解决，回头看的时候发现确实走了不少弯路。

3.1 铺天盖地的宣传下，对于zuul1.x性能信心不足。

这导致的直接结果就是搞了裸springcloud-gateway, 裸zuul.1x，裸zuul1.x+undertow，移除所有的自定义zuulFilter的当前架构版本，当前架构版本进行反复对比。最终也是证明了springcloud-gateway性能上确实有优势（大约比裸zuul1.x快了一倍），但是与当前待优化的场景（90ms+）关系并不大。

总结：性能优化不要一上来就怀疑基础框架不行，尤其是当你这性能表现远未达到需要优化底层技术架构的时候。

3.2 zuul1.x 避免开启zuul.debug.request配置，尤其是在性能调优时。

这个配置会导致zuul启用DeepCopy（源码位置：FilterProcessor.processZuulFilter(xxx) —> RequestContext.copy()），这会急剧降低zuul1.x的性能表现。（直接破200ms+）

总结：开启这个本来是为了观察每个ZuulFilter的详细请求耗时，但没想到成了主要的性能消耗来源。

3.3 redis的读取存在破20ms+的情况。

这也是优化后期，导致我们额外浪费半天的原因。在过往的意识里一直认为"性能问题最有可能出现在IO上"，导致拿arthas去专门捕获这种情况，进一步强化了这种错误的方向排查。

总结：相信监控给出的结果（图2展示了性能瓶颈不在redis），不要预设了方向再去找证据（图1展示了确实存在性能远超一般情况的特殊情况 —— 单次请求耗时在40ms+）。

4. 额外收获

4.1 在线动态启停ZuulFilter：

zuul:
  debug:
    # 开启这个对于性能影响巨大
    request: false 
# =================> 
#   ZuulFilter.isFilterDisabled() 方法中生效
# 以下配置无需预先定义, 在需要时候添加即可
  PostApiVersionPostFilter:   # Filter的名称
    post:                     # Filter的类型
      disable: false          # 是否禁用, 默认是false, 即启用该Filter.
  Pre3rdPartyRequestFilter:
    pre:
      disable: false

4.2 快速共享文件

在不同的服务器之间快速传递文件，除了scp或者FTP等工具之外，还可以借助linux服务器上内置的python：

############# 1. 导航到您想要共享文件的目录
cd /x/y

############# 2. 开启web静态文件访问服务
# python3
python -m http.server

# python2
python -m SimpleHTTPServer

############# 3. 服务器将会启动并监听默认端口 8000。您可以在浏览器中输入 http://<ip>:8000
http://<ip>:8000

5. 本次优化相关

5.1 定位根源

    // ====== 严重的性能问题...
//    private StandardEvaluationContext getContext(Method method, Object[] args) {
//        // 获取被拦截方法参数名列表(使用Spring支持类库)
//		 ------- 这个 LocalVariableTableParameterNameDiscoverer 类上的注释里其实已经说了: 建议尽量缓存该实例, 也就是不要每次都新建...
//        LocalVariableTableParameterNameDiscoverer discoverer = new LocalVariableTableParameterNameDiscoverer();
//        String[] paraNameArr = discoverer.getParameterNames(method);
//
//        // SPEL上下文
//        StandardEvaluationContext context = new StandardEvaluationContext();
//        // 把方法参数放入SPEL上下文中
//        for (int i = 0; i < paraNameArr.length; i++) {
//            context.setVariable(paraNameArr[i], args[i]);
//        }
//        return context;
//    }

	// ====== 替换为以下实现...
    /**
     * 获取方法上的参数
     *
     * @param method 方法
     * @param args 变量
     * @return {SimpleEvaluationContext}
     */
    private StandardEvaluationContext getContext(Method method, Object[] args) {
        // 初始化Spel表达式上下文
        StandardEvaluationContext context = new StandardEvaluationContext();
        // 设置表达式支持spring bean
        context.setBeanResolver(new BeanFactoryResolver(applicationContext));
        for (int i = 0; i < args.length; i++) {
            // 读取方法参数
            MethodParameter methodParam = getMethodParameter(method, i);
            // 设置方法 参数名和值 为sp el变量
            context.setVariable(methodParam.getParameterName(), args[i]);
        }
        return context;
    }
    
    private static final ParameterNameDiscoverer PARAMETER_NAME_DISCOVERER = new DefaultParameterNameDiscoverer();
    
    /**
     * 获取方法参数信息
     *
     * @param method         方法
     * @param parameterIndex 参数序号
     * @return {MethodParameter}
     */
    static MethodParameter getMethodParameter(Method method, int parameterIndex) {
        MethodParameter methodParameter = new SynthesizingMethodParameter(method, parameterIndex);
        methodParameter.initParameterNameDiscovery(PARAMETER_NAME_DISCOVERER);
        return methodParameter;
    }

5.2 优化后

90ms 降低到 35+ms

6. 经验总结

1. 基础框架不需要调优，需要调优的是你的代码。
2. zuul1.x中，zuul.debug.request平时不要开。
3. 千万级别流量，zuul1劣势不大。
4. 相信监控直观反应的结果。大胆假设，小心求证；求证过程中要相信监控反馈的结果，不要预设结论之后找证据
5. 先montior看平均时间，确定方向后再trace，否则容易被少数情况迷惑住，搞偏了方向绕一大圈。
6. 这种能够稳定复现的，解决起来是最简单的了。
7. arthas很好用。

7. 参考

1. Arthas-文档 本次的最大功臣，虽然因为自身预估出现偏差，它进一步强化了这种偏差…但归根到底，还是人的问题