Elastic 通用分析:提高性能并降低成本

news2024/11/14 17:45:23

作者:来自 Elastic Luca Wintergerst•Tim Rühsen

在这篇博客中,我们将介绍我们的一位工程师的一项发现如何帮助我们在 QA 环境中节省数千美元的成本,并且一旦我们将这一变化部署到生产中,还可以节省更多的成本。

在当今的云服务和 SaaS 平台时代,持续改进不仅仅是一个目标,而是一种必需品。在 Elastic,我们一直在寻找方法来微调我们的系统,无论是我们的内部工具还是 Elastic Cloud 服务。我们最近在 Elastic Cloud QA 环境中进行的性能优化调查,由 Elastic Universal Profiling 指导,这是我们如何将数据转化为可操作见解的一个很好的例子。

在本博客中,我们将介绍我们的一位工程师的一项发现如何在我们的 QA 环境中节省数千美元,并且在我们将这一变化部署到生产中后,节省了更多。

Elastic Universal Profiling:我们用于优化的首选工具

在我们用于解决性能挑战的解决方案套件中,Elastic Universal Profiling 是一个关键组件。作为使用 eBPF 的 “always-on - 始终在线” 分析器,它无缝集成到我们的基础设施中,并系统地收集整个系统的综合分析数据。由于存在零代码检测或重新配置,因此很容易在我们的云中的任何主机(包括 Kubernetes 主机)上部署它 —— 我们已经将它部署到我们的 Elastic Cloud 环境中。

我们所有的主机都运行分析代理来收集这些数据,这让我们可以详细了解我们正在运行的任何服务的性能。

发现机会

这一切都始于对我们的 QA 环境的例行检查。我们的一名工程师正在查看分析数据。在 Universal Profiling 的帮助下,这一初步发现相对较快。我们发现了一个未优化且计算成本很高的函数。

让我们一步一步地进行。

为了发现耗费资源的函数,我们可以简单地查看 TopN 函数列表。TopN 函数列表向我们展示了我们运行的所有服务中使用最多 CPU 的所有函数。

为了按其影响对它们进行排序,我们按 “total CPU” 降序排序:

  • Self CPU 测量函数直接使用的 CPU 时间,不包括其调用的函数所花费的时间。此指标有助于识别自身使用大量 CPU 能力的函数。通过改进这些函数,我们可以使它们运行得更快,使用更少的 CPU。
  • Total CPU 将函数及其调用的任何函数使用的 CPU 时间相加。这可以完整地展示函数及其相关操作使用了多少 CPU。如果某个函数的 “total CPU” 使用率很高,可能是因为它调用了其他使用大量 CPU 的函数。

当我们的工程师查看 TopN 函数列表时,一个名为“... inflateCompressedFrame ...”的函数引起了他们的注意。这是一种常见的情况,某些类型的函数经常成为优化目标。以下是有关要查找的内容和可能的改进的简化指南:

  • 压缩/解压缩:是否有更高效的算法?例如,从 zlib 切换到 zlib-ng 可能会提供更好的性能。
  • 加密哈希算法:确保使用最快的算法。有时,更快的非加密算法可能更合适,具体取决于安全要求。
  • 非加密哈希算法:检查你是否使用了最快的选项。例如,xxh3 通常比其他哈希算法更快。
  • 垃圾收集:最小化堆分配,尤其是在经常使用的路径中。选择不依赖垃圾收集的数据结构。
  • 堆内存分配:这些通常是资源密集型的。考虑使用 jemalloc 或 mimalloc 代替标准 libc malloc() 等替代方案来减少它们的影响。
  • 页面错误:留意 TopN 函数或火焰图中的 “exc_page_fault”。它们表示可以优化内存访问模式的区域。
  • 内核函数的 CPU 使用率过高:这可能表示系统调用过多。使用更大的缓冲区进行读/写操作可以减少系统调用的数量。
  • 序列化/反序列化:JSON 编码或解码等过程通常可以通过切换到更快的 JSON 库来加速。

识别这些区域有助于确定可以显著提高性能的地方。

从 TopN 视图单击该函数,它会显示在火焰图中。请注意,火焰图显示的是来自完整云 QA 基础架构的样本。在这个视图中,我们可以看出,仅这个函数就占了我们 QA 环境这一部分每年 6,000 美元以上的成本。

过滤线程后,函数正在执行的操作变得更加清晰。下图显示了此线程在 QA 环境中运行的所有主机上的火焰图。

除了查看所有主机上的线程,我们还可以查看特定主机的火焰图。

如果我们一次查看这台主机,我们可以看到影响更加严重。请记住,之前的 17% 是针对整个基础设施的。有些主机甚至可能没有运行此服务,因此拉低了平均值。

将内容过滤到正在运行服务的单个主机,我们可以看出,该主机实际上将其 CPU 周期的近 70% 花费在运行此功能上。

仅此一台主机的美元成本就将使该功能每年花费约 600 美元。

了解性能问题

在确定了可能占用大量资源的函数后,我们的下一步是与我们的工程团队合作,了解该函数并研究可能的修复方法。以下是我们方法的简单分解:

  • 了解函数:我们首先分析该函数应该做什么。它利用 gzip 进行解压缩。这一见解促使我们简要考虑了前面提到的减少 CPU 使用率的策略,例如使用更高效的压缩库(如 zlib)或切换到 zstd 压缩。
  • 评估当前实现:该函数当前依赖于 JDK 的 gzip 解压缩,预计会在后台使用本机库。我们通常首选 Java 或 Ruby 库(如果可用),因为它们可以简化部署。直接选择本机库需要我们为我们支持的每个操作系统和 CPU 管理不同的本机版本,从而使我们的部署过程复杂化。
  • 使用火焰图进行详细分析:仔细检查火焰图后发现,系统遇到了页面错误,并花费了大量 CPU 周期来处理这些错误。

让我们从理解火焰图开始

最后几个非 jdk.* JVM 指令(绿色)显示了 Netty 的 DirectArena.newUnpooledChunk 启动的直接内存字节缓冲区的分配。直接内存分配是成本高昂的操作,通常应在应用程序的关键路径上避免。

Elastic AI Assistant for Observability 也有助于理解和优化火焰图的各个部分。特别是对于 Universal Profiling 的新用户,它可以为收集的数据添加大量背景信息,让用户更好地理解它们并提供潜在的解决方案。

Netty 的内存分配

Netty 是一种流行的异步事件驱动网络应用程序框架,它使用 maxOrder 设置来确定分配给其应用程序内管理对象的内存块的大小。计算块大小的公式为 chunkSize = pageSize << maxOrder。默认的 maxOrder 值为 9 或 11 时,默认内存块大小分别为 4MB 或 16MB(假设页面大小为 8KB)。

对内存分配的影响

Netty 使用 PooledAllocator 实现高效的内存管理,它在启动时在直接内存池中分配内存块。此分配器通过重复使用小于定义块大小的对象的内存块来优化内存使用率。任何超过此阈值的对象都必须在 PooledAllocator 之外分配。

在此池化上下文之外分配和释​​放内存会导致更高的性能成本,原因如下:

  • 增加分配开销:大于块大小的对象需要单独的内存分配请求。与针对较小对象的快速池化分配机制相比,这些分配更耗时且资源密集。
  • 碎片和垃圾收集 (GC) 压力:在池外分配较大的对象会导致内存碎片增加。此外,如果这些对象分配在堆上,则会增加 GC 压力,从而导致潜在的暂停和应用程序性能下降。
  • Netty 和 Beats/Agent 输入:Logstash 的 Beats 和 Elastic Agent 输入使用 Netty 来接收和发送数据。在处理接收到的数据批次期间,解压缩数据帧需要创建一个足够大的缓冲区来存储未压缩的事件。如果此批次大于块大小,则需要未池化的块,从而导致直接内存分配,从而降低性能。通用分析器使我们能够从火焰图中的 DirectArena.newUnpooledChunk 调用确认情况确实如此。

修复我们环境中的性能问题

我们决定实施一种快速解决方法来测试我们的假设。除了必须调整一次 jvm 选项外,这种方法没有任何重大缺点。

立即的解决方法是手动将 maxOrder 设置调整回其先前的值。这可以通过在 Logstash 中的 config/jvm.options 文件中添加特定标志来实现:

-Dio.netty.allocator.maxOrder=11

此调整将默认块大小恢复为 16MB(chunkSize = pageSize << maxOrder,或 16MB = 8KB << 11),这与 Netty 的先前行为一致,从而减少了在 PooledAllocator 之外分配和释​​放较大对象相关的开销。

在将这一更改推广到 QA 环境中的一些主机后,影响立即在分析数据中可见。

单个主机:

多台主机:

我们还可以使用差分火焰图视图来查看影响。

对于这个特定的线程,我们正在比较一组主机中 1 月初一天的数据和 2 月初一天的数据。整体性能改进以及二氧化碳和成本节省都非常显著。

也可以对单个主机进行同样的比较。在此视图中,我们将 1 月初的一台主机与 2 月初的同一台主机进行比较。该主机上的实际 CPU 使用率下降了 50%,每台主机每年为我们节省了约 900 美元。

修复 Logstash 中的问题

除了临时解决方法外,我们还在努力为 Logstash 中的此行为提供适当的修复。你可以在此问题中找到更多详细信息,但潜在的候选方案是:

  • 全局默认调整:一种方法是通过在 jvm.options 文件中包括此更改,将所有实例的 maxOrder 永久设置回 11。此全局更改将确保所有 Logstash 实例都使用更大的默认块大小,从而减少池化分配器之外的分配需求。
  • 自定义分配器配置:对于更有针对性的干预措施,我们可以专门在 Logstash 的 TCP、Beats 和 HTTP 输入中自定义分配器设置。这将涉及在初始化时为这些输入配置 maxOrder 值,从而提供定制解决方案来解决数据提取最受影响区域中的性能问题。
  • 优化主要分配站点:另一种解决方案侧重于改变 Logstash 中重要分配站点的行为。例如,修改 Beats 输入中的帧解压缩过程以避免使用直接内存,而是默认使用堆内存,这可以显著降低对性能的影响。这种方法可以规避默认块大小减小带来的限制,最大限度地减少对大型直接内存分配的依赖。

成本节约和性能提升

1 月 23 日,Logstash 实例的配置发生变化后,平台的每日功能成本从最初的 6,000 多美元大幅下降至 350 美元,大幅降低了 20 倍。这一变化表明,通过技术优化可以大幅节省成本。但需要注意的是,这些数字代表的是潜在节省,而不是直接的成本降低。

主机使用的 CPU 资源较少,并不一定意味着我们也在节省资金。要真正从中受益,现在的最后一步是减少我们正在运行的虚拟机数量,或者缩减每个虚拟机的 CPU 资源以满足新的资源需求。

Elastic Universal Profiling 的这一经验凸显了详细的实时数据分析在确定可显著提高性能和节省成本的优化领域方面的重要性。通过根据分析洞察实施有针对性的更改,我们大大降低了 QA 环境中的 CPU 使用率和运营成本,这对更广泛的生产部署具有重要意义。

我们的研究结果表明,在云环境中始终在线、分析驱动的方法具有诸多优势,为未来的优化奠定了良好的基础。随着我们扩大这些改进的规模,进一步节约成本和提高效率的潜力不断增长。

所有这些在你的环境中也是可能的。立即了解如何开始使用。

本文中描述的任何特性或功能的发布和时间均由 Elastic 自行决定。任何当前不可用的特性或功能可能无法按时交付或根本无法交付。

原文:Elastic Universal Profiling: Delivering performance improvements and reduced costs — Elastic Observability Labs

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2238360.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【WRF理论第十一期】检查WPS输出:geogrid和metgrid 的输出nc数据+ungrib输出WPS格式

【WRF理论第十一期】检查WPS输出&#xff1a;geogrid和metgrid输出nc数据ungrib输出WPS格式 检查WPS输出WPS 输出检查的重要性使用 NetCDF 格式查看 geogrid 和 metgrid 的输出检查和可视化数据的工具 ungrib 输出数据的格式使用 plotfmt 工具查看 ungrib 输出 参考 上一篇博客…

万字长文解读深度学习——卷积神经网络CNN

推荐阅读&#xff1a; 卷积神经网络&#xff08;CNN&#xff09;详细介绍及其原理详解 CNN笔记&#xff1a;通俗理解卷积神经网络 文章目录 &#x1f33a;深度学习面试八股汇总&#x1f33a;主要组件输入层卷积层 (Convolutional Layer)批归一化层&#xff08;Batch Normalizat…

Redis生产问题(缓存穿透、击穿、雪崩)——针对实习面试

目录 Redis生产问题什么是缓存穿透&#xff1f;如何解决缓存穿透&#xff1f;什么是缓存击穿&#xff1f;如何解决缓存击穿&#xff1f;缓存穿透和缓存击穿有什么区别&#xff1f;什么是缓存雪崩&#xff1f;如何解决缓存雪崩&#xff1f; Redis生产问题 什么是缓存穿透&#x…

19、centos7优化

优化条目&#xff1a; 优化条目&#xff1a; 1.sudo管理用户授权 &#xff08;不用root管理,以普通用户的名义通过sudo提权&#xff09; 2.更改默认的远程连接SSH服务端口,禁止root用户远程连接,&#xff08;提前建立普通用户&#xff09;&#xff08;甚至更改为只监听内网IP…

河北省内首台心磁图仪正式落户河北梅奥心血管病医院

河北省内首台心磁图仪正式落户河北梅奥心血管病医院。 2024年11月9日&#xff0c;河北梅奥心血管病医院迎来了一场激动人心的历史时刻——河北省首台心磁图仪启用仪式在医院内隆重举行&#xff0c;标志着这一顶尖医疗设备正式入驻&#xff0c;为医院心脏影像诊断技术开启了全新…

【C语言刷力扣】283.移动零

题目&#xff1a; 解题思路&#xff1a; 将不为 0 的元素依次放在数组前面&#xff0c;再在数组末尾补上 0。 时间复杂度&#xff1a; 空间复杂度&#xff1a; void moveZeroes(int* nums, int numsSize) {int i 0, j 0;for (; i < numsSize; i) {if (nums[i]) {nums…

网络初阶——应用层:HTTPS 协议

一、HTTPS & HTTP 的区别 从协议的名字来看&#xff0c;HTTP 比 HTTPS 少了一个 S。而这个 “S”&#xff0c;其实可以理解成 “Safe”&#xff0c;所以不难看出&#xff0c;其实 HTTPS 就是 HTTP 的安全版。就是为了保证客户端 cookie 的传输安全的。 二、相关概念 1、明…

怎么禁止Ubuntu自动更新升级

怎么禁止Ubuntu自动更新升级 笔者在做MIT 6.S081的时候发现他给我的qemu自动更新了又卡住了&#xff0c;故关闭了自动更新 文章目录 怎么禁止Ubuntu自动更新升级一、图形化修改二、基于命令行修改配置文件的方法 一、图形化修改 1.打开设置->软件和更新->更新 2.选择自…

Spring Boot框架:构建符合工程认证的计算机课程

2相关技术 2.1 MYSQL数据库 MySQL是一个真正的多用户、多线程SQL数据库服务器。 是基于SQL的客户/服务器模式的关系数据库管理系统&#xff0c;它的有点有有功能强大、使用简单、管理方便、安全可靠性高、运行速度快、多线程、跨平台性、完全网络化、稳定性等&#xff0c;非常…

机器学习—选择激活函数

可以为神经网络中的不同神经元选择激活函数&#xff0c;我们将从如何为输出层选择它的一些指导开始&#xff0c;事实证明&#xff0c;取决于目标标签或地面真相标签y是什么&#xff0c;对于输出层的激活函数&#xff0c;将有一个相当自然的选择&#xff0c;然后看看激活函数的选…

【学习记录】使用CARLA录制双目摄像头SLAM数据

一、数据录制 数据录制的部分参考了网上的部分代码&#xff0c;代码本身并不复杂&#xff0c;基本都是简单的CARLA语法&#xff0c;关键的一点在于&#xff0c;CARLA内部本身并没有预设的双目摄像头&#xff0c;需要我们添加两个朝向相同的摄像头来组成双目系统&#xff0c;这…

[论文粗读][REALM: Retrieval-Augmented Language Model Pre-Training

引言 今天带来一篇检索增强语言模型预训练论文笔记——REALM: Retrieval-Augmented Language Model Pre-Training。这篇论文是在RAG论文出现之前发表的。 为了简单&#xff0c;下文中以翻译的口吻记录&#xff0c;比如替换"作者"为"我们"。 语言模型预训练…

【人工智能】ChatGPT多模型感知态识别

目录 ChatGPT辅助细化知识增强&#xff01;一、研究背景二、模型结构和代码任务流程一&#xff1a;启发式生成 三、数据集介绍三、性能展示实现过程运行过程训练过程 ChatGPT辅助细化知识增强&#xff01; 多模态命名实体识别&#xff08;MNER&#xff09;最近引起了广泛关注。…

【黑马点评debug日记】

q1:登录无session跳转主页 p30&#xff0c;页面登录后返回&#xff0c;然后点击我的&#xff0c;需要重新设置&#xff0c;拦截器都没有问题。 参考&#xff1a; redis 黑马点评p30 login没有正常跳转&#xff0c;修改前端代码后还是一直跳转主界面_黑马点评登录后跳转到主页…

地面远阴影对光伏电站的影响

影响因素 1、太阳高度角和方位角 太阳高度角是指太阳光的入射方向和地平面之间的夹角。太阳高度角随时间、季节和地理位置的变化而变化。 方位角是指太阳光线在水平面上的投影与正南方向的夹角。方位角也随时间和地理位置的变化而变化。 可以通过天文公式或者专业的太阳位置…

消息队列高级

目录 消息可靠性 生产者消息确认 第一步&#xff1a;修改application.yml配置文件信息 第二步&#xff1a;定义发送者确认confirm回调方法 第三步&#xff1a;创建消息发送者回执return回调方法&#xff08;确保消息从交换机到消息队列&#xff09; 总结&#xff1a; 消息持…

宏观经济学笔记

【拯救者】宏观经济学速成 国民生产总值GNP: GNP 衡量一国(地区)成员在一定时期内运用生产要素所生产的全部最终产品和服务的市场价值。凡是本国国民所 创造的收入&#xff0c;不管生产要素是否在国内&#xff0c;都计入本国GNP中。 GDP本国居民在本国创造的价值外国居民在本国…

ONLYOFFICE 8.2测评:功能增强与体验优化,打造高效办公新体验

引言 随着数字化办公需求的不断增长&#xff0c;在线办公软件市场竞争愈加激烈。在众多办公软件中&#xff0c;ONLYOFFICE 无疑是一个颇具特色的选择。它不仅支持文档、表格和演示文稿的在线编辑&#xff0c;还通过开放的接口与强大的协作功能&#xff0c;吸引了众多企业和个人…

独显装完ubuntu后启动黑屏显示/dev/sda:clean files blocks的解决方案

解决方案如下&#xff1a; 选中Ubuntu按E键 在编辑界面倒数第2行的linux那行&#xff08;后面有quiet splash选项&#xff09;的最后添加nomodeset 然后按F10保存重启 然后管理员权限打开/etc/modprobe.d/blacklist.conf&#xff0c;在文件末尾添加&#xff1a; blacklist…

[Docker#2] 发展历史 | Namespace环境隔离 | Cgroup资源控制

目录 1.发展历史 Jail 时代 云时代 云原生时代 技术标准的确立 虚拟机 vs Docker 2. 容器化技术 2.1 Namespace 命令详解 1. dd 命令 2. mkfs 命令 3. df 命令 4. mount 命令 5. unshare 命令 实战 进程隔离 文件隔离 2.2 CGroup 相关命令 2.1 pidstat 2.…