Go 怎么做性能优化芝麻开门篇

一、性能优化的流程

我们在对某个功能（或单个接口）做性能优化的时候。一般是该功能（或接口）性能无法满足我们的业务要求，所以被迫优化。在开始优化之前，我们需要明白一些理论知识。

1、常见的性能优化指标

1.1 响应时间

定义：接口从接收到请求到返回响应所需的时间。
常见优化方法：
- 缓存：减少对数据库或后端系统的频繁访问。
- 异步处理：将耗时操作放到后台，避免阻塞主线程。
- 数据压缩：减小返回的数据量，减少传输时间。
- 优化算法：使用高效的算法和数据结构

1.2 并发数

定义：接口能够同时处理的并发请求数量。
常见优化方法：
- 增加并发连接池：避免线程或数据库连接的瓶颈。
- 限流（Rate Limiting）：通过限制并发请求数，保证系统稳定性。
- 适当配置线程池、数据库连接池等资源。

1.3 吞吐量

定义：单位时间内，接口可以处理的请求数量。通常以每秒请求数（RPS）来表示。
常见优化方法：
- 使用负载均衡：通过多个服务器分担请求压力。
- 数据库优化：通过分库分表、索引等方法提高数据库查询性能。
- 使用高效的缓存策略，减少对后端的访问。
- 异步化操作，提升并发处理能力。

1.4 资源消耗

定义：接口处理请求时消耗的系统资源（如 CPU、内存、I/O）。
常见优化方法：
- 优化数据处理流程，减少不必要的计算。
- 使用合适的缓存机制，避免重复计算。
- 监控和优化内存使用，防止内存泄漏。
- 使用合适的压缩算法，减少 I/O 操作。

这里有人可能会对RPS有点不大熟悉，那么它和QPS的区别是什么呢？

2.QPS和RPS的区别

2.1 QPS（Queries Per Second）

定义：QPS 表示系统每秒钟处理的查询次数，通常用于描述数据库查询或搜索引擎的查询频率。
使用场景：QPS 多用于衡量查询系统（如数据库、缓存系统、搜索引擎等）的处理能力，反映的是系统能够处理的查询请求的数量。

例如：对于一个数据库，QPS 可能表示每秒从数据库中查询的记录数。如果某个搜索引擎的 QPS 为 1000，意味着每秒钟有 1000 个查询请求提交到搜索引擎，它需要处理并返回相应的搜索结果。

2.2 RPS（Requests Per Second）

定义：RPS 表示系统每秒钟能够处理的请求次数。RPS 一般用于描述 Web 服务器或 API 接口的吞吐量，反映的是系统接受并处理请求的能力。
使用场景：RPS 多用于 Web 应用、API 服务、负载均衡器等，描述这些系统在处理 HTTP 请求时的能力。
例如：对于一个 Web 服务器，RPS 可能表示每秒处理的 HTTP 请求数量。如果某个 Web 服务器的 RPS 为 5000，意味着每秒钟该服务器可以处理 5000 个 HTTP 请求。

指标	区别	常用场景
QPS	每秒查询次数，常用于数据库或查询引擎	数据库、缓存、搜索引擎
RPS	每秒请求次数，常用于衡量 Web 服务器或 API 的吞吐量	Web 服务器、API 接口

实际上，QPS 是针对查询类操作的吞吐量度量，RPS 是针对网络请求的吞吐量度量。

3、性能优化怎么做

3.1 确定性能优化目标

在开始做性能优化之前，首先你要明确你的优化目标是什么，不同的优化目标对应着不同的优化策略，确定好性能优化目标，一方面可以避免过度优化，另一方面，是避免优化不足导致我们的系统无法继续支持后续发展。比如说，接口的QPS要达成多少，接口延迟需要达到多少，通过这些目标，才能明确我们的优化是否达标。

怎么算过度优化呢，比如说，一个内部系统页面查询太慢了，现在需要2s，然后你大费周章把它优化到了10ms , 花费了大量的时间和人力调整服务架构，搞分布式，提高了系统的复杂性，增大了系统维护成本，就没太大必要，因为它只是一个内部系统，我们在做任何决策的时候，都需要权衡我们的付出和收获，即ROI思想，把核心的资源用在核心的部分上

我们可以根据实际业务情况，来设定目标，例如搞活动的时候，我们要大概预估会有多少的活动用户，来确定某个查询接口的QPS，在评估上要有一定的系统冗余，即在保守估计上✖️个1.2～1.5倍，这样即使估摸不准确，或者突然有更多的参与用户，我们的系统也可以保证尽量不出问题。

确定性能目标，需要基于你手中拥有的资源和实际业务，做决策和权衡，比如说在保证接口时延不变的情况下，提高单机的QPS

说实话，决策和权衡能力很依赖一个人的经验，当然如果我们自己没有太多经验，那么我们可以去借鉴别人的经验。多实践多思考，必有收获。

3.2 找到瓶颈

为了更好的找到某个功能的瓶颈，我们可以对这个功能进行性能测试，单个请求测试和集群整体压测（全链路压测）。

单个请求测试的目的是确定我们自己的服务是否存在可优化点，比如接口延时是否符合预期，服务资源的使用是否合理，有没有异常报错

全链路压测的目的则是针对某个具体的功能进行上下游压测，方便我们找到整个链路中其他服务的卡点，来确定瓶颈是在本服务还是其他服务。

经常做活动服务的朋友应该对这方面比较有认知，活动对接口时延，QPS等要求都特别高，因此每次活动前都要模拟压测，确保活动当天不会出问题，一般都是进行全链路压测，通过链路追踪工具可以方便的看出具体是在哪个节点比较慢（本质上就是打日志分析），如果是本服务的瓶颈，我们可以针对性对具体的接口进行优化，如果是其他下游服务的瓶颈，则需要让其他团队帮忙优化。

当瓶颈点有多个时，我们可以找到最大的影响瓶颈，一步步做优化，为了控制好改造的成本，先解决一个相对好解决或者说是改造价值比较大的瓶颈，后续性能目标达不到再继续优化其他的点。

3.2 怎么对瓶颈进行优化

找到了瓶颈之后，我们就要分析瓶颈的原因是什么，不同的瓶颈分析的思路也是不同的。

如果是本服务的接口：在压测过程中，我们可以观察服务的资源消耗情况（内存、CPU、协程数），通过资源的使用情况来判断接口存在的问题。如果发现是内存的消耗过高导致单机吞吐量低，可以通过 pprof 抓取内存的火焰图，看具体是哪段代码在频繁的分配内存

而对于下游组件的瓶颈，例如说mysql。有一些常见的分析思路：

1、是否是服务调用 MySQL 的 IO 时间过长，这种情况可以看下是不是返回的数据量过大。
2、查看我们的 MySQL 请求是否存在慢查询，判断 SQL、索引使用合不合理。
3、如果排除了上述两个因素，需要分析下是否是因为我们的表太大、从库不够，还是说 MySQL 本身支持不了这么高的吞吐和这么严的延时要求

本质上观察几个点。