1. 引言

最近一段時間，系統(tǒng)新版本要發(fā)布，在beta客戶測試期間，暴露了很多問題，除了一些業(yè)務和異常問題外，其他都集中在性能上。有幸接觸到這些性能調(diào)優(yōu)的機會，當然要學習總結(jié)了。

性能優(yōu)化是一個老生常談的問題了，典型的性能問題如頁面響應慢、接口超時，服務器負載高、并發(fā)數(shù)低，數(shù)據(jù)庫頻繁死鎖等。而造成性能問題又有很多種，比如磁盤I/O、內(nèi)存、網(wǎng)絡(luò)、算法、大數(shù)據(jù)量等等。我們可以大致把性能問題分為四個層次：代碼層次、數(shù)據(jù)庫層次、算法層次、架構(gòu)層次。
所以下面我會結(jié)合實際性能優(yōu)化案例，和大家分享下性能調(diào)優(yōu)的工具、方法和技巧。

2. 先說心態(tài)

說到性能問題，你可能首先就想到的是麻煩或者頭大，因為一般性能問題都比較緊急，輕則影響客戶體驗，重則宕機導致財務損失，而且性能問題比較隱蔽，不易發(fā)現(xiàn)。因此一時間無從下手，而這時我們就很容易從心底開始去排斥它，不愿接這燙手的山芋。

而恰巧，性能調(diào)優(yōu)是體現(xiàn)程序員水平的一個重要指標。

因為處理bug、崩潰、調(diào)優(yōu)、入侵等突發(fā)事件比編程本身更能體現(xiàn)平庸程序員與理想程序員的差距。當面對一個未知的問題時，如何定位復雜條件下的核心問題、如何抽絲剝繭地分析問題的潛在原因、如何排除干擾還原一個最小的可驗證場景、如何抓住關(guān)鍵數(shù)據(jù)驗證自己的猜測與實驗，都是體現(xiàn)程序員思考力的最好場景。是的，在衡量理想程序員的標準上，思考力比經(jīng)驗更加重要。

所以，若你不甘平庸，請擁抱性能調(diào)優(yōu)的每一個機會。當你擁有一個正確的心態(tài)，你所面對的性能問題就已經(jīng)解決了一半。

3. 再說技巧

拿到一個性能問題，不要忙著先上工具，先了解問題出現(xiàn)的背景，問題的嚴重程度。然后大致根據(jù)自己的經(jīng)驗積累作出預估。比如客戶來了個性能問題說系統(tǒng)宕機了，已經(jīng)造成資金損失了。這種涉及到錢的問題，大家都比較敏感，根據(jù)自己的level，決定是否要接這個鍋。這不是逃避，而是自知之明。

了解問題背景之后，下一步就來嘗試問題重現(xiàn)。如果在測試環(huán)境能夠重現(xiàn)，那這種問題就很好跟蹤分析。如果問題不能穩(wěn)定重現(xiàn)或僅能在生產(chǎn)環(huán)境重現(xiàn)，那問題就相對比較棘手，這時要立刻收集現(xiàn)場證據(jù)，包括但不限于抓dump、收集應用程序以及系統(tǒng)日志、關(guān)注CPU內(nèi)存情況、數(shù)據(jù)庫備份等等，之后不妨再嘗試重現(xiàn)，比如恢復客戶數(shù)據(jù)庫到測試環(huán)境重現(xiàn)。

不管問題能否重現(xiàn)，下一步，我們就要大致對問題進行分類，是代碼層次的業(yè)務邏輯問題還是數(shù)據(jù)庫層次的操作耗時問題，又或是系統(tǒng)架構(gòu)的吞吐量問題。那如何確定呢？而我傾向于先從數(shù)據(jù)庫動手。我的習慣做法是，使用數(shù)據(jù)庫監(jiān)控工具，先跟蹤下Sql耗時情況。如果監(jiān)控到耗時較長的SQL語句，那基本上就是數(shù)據(jù)庫層次的問題，否則就是代碼層次。若為代碼層次，再研究完代碼后，再細化為算法或架構(gòu)層次問題。

確定問題種類后，是時候上工具來精準定位問題點了：

• Sql耗時問題，推薦使用免費的Plan Explorer 分析執(zhí)行計劃。
• 代碼問題定位，優(yōu)先推薦使用VS自帶的Performance Analysis，其次是RedGate的性能分析套件.NET Developer Bundle；然后還有Jet Brains的dotTrace -- .NET performance profiler，dotMemory-- .NET memory profiler；再然后就是反人類的Windbg；等等。

精準定位問題點后，就是著手優(yōu)化了。相信到這一步，就是優(yōu)化策略的選擇了，這里就不展開了。

優(yōu)化后，最后當然要進行測試了，畢竟優(yōu)化了多少，我們也要做到心里有譜才行。

以上啰啰嗦嗦有點多，下面我們直接上案例。

4. 案例分享

下面就分享下我針對代碼層面、數(shù)據(jù)庫層面和算法層面的優(yōu)化案例。

4.1. SQL優(yōu)化案例

案例1：客戶反饋某結(jié)算報表統(tǒng)計十天內(nèi)的數(shù)據(jù)耗時10mins左右。

由于前幾天剛學會用RedGate的分析工具，拿到這個問題，本地嘗試重現(xiàn)后，就直接想使用工具分析。然而，這工具在使用webdev模式起站點時，總是報錯，而當時時一根筋，老是想解決這個工具的報錯問題。結(jié)果，白白搞了半天也沒搞定。最后不得已放棄工具，轉(zhuǎn)而選擇使用sql server profiler去監(jiān)控sql語句耗時。一跟蹤不要緊，問題就直接暴露了，整個全屏的重復sql語句，如下圖。

這下問題就很明顯了，八成是代碼在循環(huán)拼接sql執(zhí)行語句。根據(jù)抓取到sql關(guān)鍵字往代碼中去搜索，果然如此。

#region更新三張表數(shù)據(jù)結(jié)合的中間臨時表數(shù)據(jù)，有上游單據(jù)的直接調(diào)撥單分多次下推時，只計算一次的調(diào)撥數(shù)量和價稅合計
string sSql = string.Format(@
"SELECT FENTRYID FROM {0} GROUP BY FENTRYID HAVING COUNT(FENTRYID) > 1", sJoinDataTempTable);
using(IDataReader reader = DBUtils.ExecuteReader(this.Context, sSql)) {
    while (reader.Read()) {
        sbSql.AppendFormat(@"
UPDATE {0} SET FDIRECTQTY = 0,FALLAMOUNT = 0 
WHERE FSEQ NOT IN (
SELECT TOP 1 FSEQ FROM {0} WHERE FENTRYID = {1}) AND FENTRYID = ({1});"
, sJoinDataTempTable, Convert.ToInt32(reader["FENTRYID"]));
        listSqlObj.Add(new SqlObject(sbSql.ToString(), new List < SqlParam > ()));
        sbSql.Clear();
    }
}
#endregion

看到這段代碼，咱先不評判這段代碼的優(yōu)劣，因為畢竟代碼注釋清晰，省了我們理清業(yè)務的功夫。這段sql主要是想做去重處理，很顯然選用了錯誤的方案。改后代碼如下：

string sqlMerge = string.Format(@"
merge into {0} t1
using(
select min(Fseq) fseq,Fentryid from {0} t2 group by fentryid
) t3 on (t1.fentryid = t3.fentryid and t1.fseq <> t3.fseq)
when matched then
update set t1.FDIRECTQTY = 0, t1.FALLAMOUNT = 0
", sJoinDataTempTable);

listSqlObj.Add(new SqlObject(sqlMerge, new List < SqlParam > ()));
sbSql.Clear();

改后測試相同數(shù)據(jù)量，耗時由10mins降到10s左右。

4.2. 代碼優(yōu)化案例

案例2：客戶反饋銷售訂單100條分錄行，保存進行可發(fā)量校驗時，耗時7mins左右。

拿到這個問題后，本地重現(xiàn)后，監(jiān)控sql耗時沒有異常，那就著重分析代碼了。因為可發(fā)量校驗的業(yè)務邏輯極其復雜，又加上又直接再一個類文件實現(xiàn)該功能，3500+行的代碼，加上零星注釋，真是讓人避之不及。逃避不是辦法，還是上工具分析一把。
這次我選用的時VS自帶的Performance Profiler，開發(fā)環(huán)境下極其強大的性能調(diào)優(yōu)工具。針對我們當前案例，我們僅需要跟蹤指定服務對應的dll即可，使用步驟如下：

1. Analyze-->Profiler-->New Performance Session
2. 打開Performance Explorer
3. 找到新添加的Performance Session，右鍵Targets，然后選擇Add Target Binary，添加要跟蹤的dll文件即可
4. 將應用跑起來
5. 選中Performance Session，右鍵Attach對應進程即可跟蹤分析性能了
6. 在跟蹤過程中，可隨時暫停跟蹤和停止跟蹤

跟蹤結(jié)束后本案例跟蹤到的采樣結(jié)果如下圖：

同時Performance Profiler也給出了問題的建議，如下圖：

其中第1、4條大致說明程序I/O消耗大，第一代的GC上存在未及時釋放的垃圾占比過高。而根據(jù)上圖的采樣結(jié)果，我們可以直接看出是由于再代碼中頻繁操作DataTable引起的性能瓶頸。走讀代碼發(fā)現(xiàn)的確如此，所有的數(shù)量統(tǒng)計都是在代碼中循環(huán)遍歷DataTable進行處理的。而最終的優(yōu)化策略，就相當于一次大的重構(gòu)，將所有代碼中通過遍歷DataTable的計算邏輯全部挪到SQL中去做。由于代碼過多，就不再放出。

案例3：客戶反饋批量引入1000張訂單，耗時40mins左右，且容易中斷。

同樣，我們還是先嘗試本地重寫。經(jīng)測試批量引入101張單據(jù)，就耗時5mins左右。下一步打開Sql監(jiān)控工具也未發(fā)現(xiàn)耗時語句。但考慮到是批量導入操作，雖然單個耗時不多，但乘以100這個基數(shù)，就明顯了。下面我們就使用RedGate的Ants Performance Profiler跟蹤一下。

該工具比較直觀，可以同時監(jiān)控代碼和SQL執(zhí)行情況。第一步，New Profiler Session，第二步進行設(shè)置，如下圖。根據(jù)自己的應用程序類別，選擇相應的跟蹤方式。

針對這個問題，我們跟蹤到的調(diào)用堆棧和SQL耗時結(jié)果如下圖：

首先從調(diào)用堆棧中的Hit Count，我們可以首先看出它是一個批量過程，因為入口函數(shù)僅調(diào)用一次；第二個我們可以代碼中是循環(huán)處理每一個單據(jù)，因為Hit Count與我們批量引入的單據(jù)數(shù)量相符；第三個，突然來了個10201，如果有一定的數(shù)字敏感性的話，這次性能問題的原因就被你找到了。這里就不賣關(guān)子了，101 x 101 = 10201。
是不是明白了什么，存在循環(huán)嵌套循環(huán)的情況。我們走讀代碼確定一下：

//Save.cs
public override void EndOperationTransaction(EndOperationTransactionArgs e) {
    //省略其他代碼
    foreach(DynamicObject dyItem in e.DataEntitys) {
        //反寫收款單
        WriteBackReceiveBill wb = new WriteBackReceiveBill();
        wb.WriteBackForSave(e, this.Context);
    }
}

//WriteBackReceiveBill .cs
public void WriteBackForSave(EndOperationTransactionArgs e, Context contx) {
    //省略其他代碼：
    foreach(DynamicObject item in e.DataEntitys) {
        //do something 
    }
}

好嘛，外層套了一個空循環(huán)卻什么也沒做。修改就很簡單了，刪除無效外層循環(huán)即可。

4.3. 算法優(yōu)化案例

案例4：某全流程跟蹤報表超時。

這個報表是用來跟蹤所有單據(jù)從下單到出庫的業(yè)務流程數(shù)據(jù)流轉(zhuǎn)情況。而所有的流程數(shù)據(jù)都是按照樹形結(jié)果存儲在數(shù)據(jù)庫表中的，類似這樣：

圖中的流程為：
銷售合同-->銷售訂單-->發(fā)貨通知單-->銷售出庫單

為了構(gòu)造流程圖，之前的處理方法是把流程數(shù)據(jù)取回來，通過代碼構(gòu)造流程圖。這也就是性能差的原因。

而針對這種情況，就是考驗我們平時經(jīng)驗積累了。對于樹形結(jié)構(gòu)的表，我們也是可以通過SQL來進行直接查詢的，這就要用到了SQL Server的CTE語法來進行遞歸查詢。關(guān)于遞歸查詢，可參考我這篇文章：SQL遞歸查詢知多少。這里就不展開了。

5.總結(jié)

性能調(diào)優(yōu)是一個循序漸進的過程，不可能一蹴而就，重在平時的點滴積累。關(guān)于工具的選擇和使用，本文并未展開，也希望讀者也不要糾結(jié)與此。當你真正想解決一個問題的時候，相信工具的使用是難不住你的。

最后就大致總結(jié)下我的調(diào)優(yōu)思路：

1. 調(diào)整心態(tài)，積極應對
2. 了解性能背景， 收集證據(jù)， 嘗試重現(xiàn)
3. 問題分類，先監(jiān)控SQL耗時，大致確定是SQL或是代碼層次原因
4. 使用性能分析工具，確定問題點
5. 調(diào)優(yōu)測試