对node工程进行压力测试与性能分析
在系统上线前，为了看下系统能承受多大的并发和并发下的负载情况，进行了一轮压测。在压测过程中，发现服务器的cpu飚的的非常高，而tps，接口耗时、服务可用等都是正常的，卧槽，这就奇了怪了，自己想了半天也没想出为啥，不得已求助了大佬，大佬说先查看 cpu processorwhat?这是啥？？虽然听不懂，但可以查嘛╭(╯^╰)╮，可还没等我查出来，大佬直接上手，一顿骚操作，便找出了原因~ 这着实让自己汗颜啊，内功远远不足啊，回来网上找了资料，恶补一把如何分析node工程中的性能问题。在开发过程中，因为过于只关注了业务逻辑的实现，一些可能出现性能的点被忽略掉，而且这些点只能在量稍微大些的并发场景下才会出现，忘了在哪看到一句话 可能会出问题的点，便一定会出问题性能问题进行分析必不可少。
样例项目
为了便于演示，写了个简单的小例子：
// app.js
const crypto = require('crypto')
const Koa = require('koa')
const Router = require('koa-router');
const app = new Koa();
const router = new Router();
router.get('/crypto', async(ctx, next) => {
const salt = crypto.randomBytes(128).toString('base64')
const hash = crypto.pbkdf2Sync('crypto', salt, 10000, 64, 'sha512').toString('hex')
ctx.body = { hash: hash }
console.log(hash)
ctx.status = 200
next()
});
let reqNum = 0
router.get('/empty', async(ctx, next) => {
ctx.body = { hash: 'empty' }
reqNum++;
ctx.status = 200
next()
});
app.use(router.routes()).use(router.allowedMethods());
app.listen(3000, () => {
console.log("listen 3000")
})基于koa2，有两个路由，一个/crypto，其中的业务逻辑是，使用crypto库对字符串加密；一个是 /empty，没有业务逻辑的接口，就是个空接口。
压力测试
压力测试工具市面上有很多种，就不一一列举了，在社区看到有人推荐 autocannon ，就对这个工具做个介绍，官方的简介是 fast HTTP/1.1 benchmarking tool written in Node.js ，使用node编写的压测工具，能比wrk生成更多负载。
install
npm i autocannon -g
npm i autocannon --save
use
提供两种使用方式：
1. 命令行 autocannon -c 100 -d 5 -p 2 http://127.0.0.1:3000/test 简单快速。
2. api调用 autocannon(opts[, cb]) 便于编写脚本。
关键参数有这么几个：
-c/--connections NUM 并发连接的数量，默认10。
-p/--pipelining NUM 每个连接的流水线请求请求数。默认1。
-d/--duration SEC 执行的时间，单位秒。
-m/--method METHOD 请求类型 默认GET。
-b/--body BODY 请求报文体。
还有很多参数，大家可以查看官网文档。
这个库目前只能支持一个接口压测，我写了个脚本，可以支持批量压测和生成测试报告，具体代码见文末。
report
下图是对 /empty 接口压测 autocannon -c 100 -d 5 -p 1 http://127.0.0.1:3000/empty 结果如下：
可看到，每秒有100个链接，每个链接一个请求，持续5秒，一共产生 31k 次请求。
报告分三部分，第一行表示接口的延迟，第二行表示每秒的请求数(tps)，第三行表示每秒返回的字节数。那么，延迟越低，tps越高，就表示接口性能越好，因为empty 是个空接口，所以它的tps=6221还不错，响应时间也很快，我们换成 /crypto 接口在试试。
立马看出差距了，这个接口tps只有77，接口耗时达到了1100ms，说明这个接口有很大的优化空间啊。
生成性能文件与分析
通过压测工具我们找到了有问题的接口，那接下来，就要对接口进行剖析了，可是光看接口代码，不好分析啊，毕竟没有说服力，我们就需要一份性能报告，用数据说话，下面介绍这个两个方法给大家。
V8 Profiler
V8 官方已经为大家考虑到这点了，提供了Profiler工具 使用方式也很快捷，步骤如下。以app.js为例)
生成报告
在启动命令中加上 --prof ，如 node --prof app.js ,在项目根目录会生成isolate-xxxxxxx-v8.log格式的文件，用来记录运行期间的调用栈和时间等信息，其中内容如下。（文件较大，就截取最顶端一小截）
v8-version,6,1,534,47,0
shared-library,"C:\Program Files\nodejs\node.exe",0x7ff7505f0000,0x7ff751c0f000,0
shared-library,"C:\WINDOWS\SYSTEM32\ntdll.dll",0x7ff8718a0000,0x7ff871a61000,0
shared-library,"C:\WINDOWS\system32\KERNEL32.DLL",0x7ff870590000,0x7ff87063d000,0
shared-library,"C:\WINDOWS\system32\KERNELBASE.dll",0x7ff86e830000,0x7ff86ea18000,0
shared-library,"C:\WINDOWS\system32\WS2_32.dll",0x7ff86ee00000,0x7ff86ee6b000,0分析报告
对刚刚生成的log文件分析，还是使用官方提供的工具 node --prof-process isolate-xxxxxxxx-v8.log，生成结果如下。(去掉无用的部分)
Statistical profiling result from isolate-00000209B99A60A0-v8.log, (17704 ticks, 8 unaccounted, 0 excluded).
:
tickstotalnonlib name
13795 77.9% C:\WINDOWS\SYSTEM32\ntdll.dll
...
:
tickstotalnonlib name
12 0.1% 11.3%Builtin: CallFunction_ReceiverIsAny
...
:
tickstotalnonlib name
:
tickstotalnonlib name
94 0.5% 88.7%JavaScript
0 0.0% 0.0%C++
8 0.0% 7.5%GC
17598 99.4% Shared libraries
8 0.0% Unaccounted
:
ticks cpp total name
:
Note: percentage shows a share of a particular caller in the total
amount of its parent calls.
Callers occupying less than 1.0% are not shown.
ticks parentname
13795 77.9%C:\WINDOWS\SYSTEM32\ntdll.dll
3795 21.4%C:\Program Files\nodejs\node.exe
3768 99.3% C:\Program Files\nodejs\node.exe
3287 87.2% Function: ~pbkdf2 crypto.js:633:16
3287100.0% Function: ~exports.pbkdf2Sync crypto.js:628:30
3287100.0% Function: ~router.get D:\github\webapp\js\usen\app.js:8:23
3287100.0% Function: ~dispatch D:\github\webapp\js\usen\node_modules\_koa-compose@3.2.1@koa-compose\index.js:37:23
...报告包含六部分：Shared libraries、JavaScript、C++、Summary、C++ entry points 和 Bottom up (heavy) profile， 部分列出了 JavaScript 代码执行所占用的 CPU ticks（CPU 时钟周期）， 部分列出了 C++ 代码执行所占用的 CPU ticks， 列出了各个部分的占比， 列出了所有 CPU 占用时间从大到小的函数及堆栈信息。
根据 3287 87.2% Function: ~pbkdf2 crypto.js:633:16 可看出这个函数消耗了 87.2% 的cpu。
文件的方式不直观，那我们换个UI界面的，步骤如下：
·先clone v8的仓库下来 git clone https://github.com/v8/v8.git
· 将日志文件转换成 json格式 node --prof-process --preprocess isolate-xxxxxxxxxx-v8.log > v8.json
· 打开 v8/tools/profview/index.html 文件，是个静态界面，在界面中心选择刚生成的 v8.json文件，文件解析成功后，界面如下：
具体的功能就不一一解释啦，我们逐层展开，寻找耗时的点，很快便找到耗cpu的地方，如下图：
node占比是45%，其中 pbkdf2 crypto.js便占用了92%。
v8-profiler
除了官方提供之外，我们还可以选择开源大佬的库，v8-profiler ，这个库的创建的时间比较早，6年前便创建了，最近一次更是在一年半前，社区评价还是不错的。
生成报告
生成方式很简单，不足的是，需要硬编码在项目中，如下：
profiler.startProfiling('', true);
setTimeout(function() {
var profile = profiler.stopProfiling('');
profile.export()
.pipe(fs.createWriteStream(`cpuprofile-${Date.now()}.cpuprofile`))
.on('finish', () => profile.delete())
}, 1000);解析报告
·Chrome
我们的大Chrome要出马啦，在Chrome的控制台，有一栏 JavaScript Profile 如下图：
点击load，选择刚刚生成的文件，解析后如下：
逐层查看，便了然。
· flamegraph-火焰图
使用 flamegraph 生成酷炫的火焰图，用在报告那是酷炫的一逼，官网图如下：
使用方式就不细说啦。
· v8-analytics
这个是社区大佬们，写的一个开源库 v8-analytics，官方介绍如下
解析v8-profiler和heapdump等工具输出的cpu & heap-memory日志，可以提供：
1）v8引擎逆优化或者优化失败的函数标红展示以及优化失败原因展示；
2）函数执行时长超过预期标红展示；
3）当前项目中可疑的内存泄漏点展示。
对应的命令如下：
va test bailout --only 这个命令可以只把那些v8引擎逆优化的函数列出来展示。
va test timeout 200 --only 这个命令可以只把那些执时长超过200ms的函数列出来展示。
va test leak 可疑展示出测试的heapsnapshot文件中可疑的内存泄漏点。
这个库的好处是，省的我们一个个去点开查找，这样可以更加便于我们筛选问题啦~
批量压力测试及生成报告
autocannon 只能运行一个接口，要想在测试下一个接口，就得修改代码，比如想批量测试多个接口，就需要来回改代码，操作就比较麻烦，所以我基于 autocannon 写了个脚本，可以逐一压测定义好的接口，同时还可以生成测试报告。
'use strict'
const autocannon = require('autocannon')
const reporter = require('autocannon-reporter')
const path = require('path')
const sleep = ms => new Promise(resolve => setTimeout(resolve, ms));
/**
* @description
* 运行autocannon
* @Author lizc
* @param {*} param
*/
function makeAutocannon(param) {
autocannon(param).on('done', handleResults)
}
/**
* @description
* 处理接口
* @author lizc
* @param {*} result
*/
function handleResults(result) {
const reportOutputPath = path.join(`./${result.title}_report.html`)
reporter.writeReport(reporter.buildReport(result), reportOutputPath, (err, res) => {
if (err) console.err('Error writting report: ', err)
else console.log('Report written to: ', reportOutputPath)
})
}
// 请求参数
const autocannonParam = {
url: 'http://127.0.0.1:6100/',
connections: 100,
duration: 10,
headers: {
type: 'application/x-www-form-urlencoded'
}
}
// 请求报文参数
const requestsParam = {
method: 'POST', // this should be a put for modifying secret details
headers: { // let submit some json?
'Content-type': 'application/json; charset=utf-8'
}
}
/**
* @description
* 启动批量压测
* @author lizc
* @param {*} methodList 接口列表
*/
async function run(methodList) {
const autocannonList = methodList.map(val => {
return {
...autocannonParam,
url: autocannonParam.url + val,
title: val,
requests: [
{
...requestsParam,
}
],
}
})
for (let i = 0; i < autocannonList.length; i++) {
if (i !== 0) {
await sleep((autocannonList.duration + 2) * 1000)
makeAutocannon(autocannonList)
} else {
makeAutocannon(autocannonList)
}
}
}
// 启动
run(['order', 'crypto'])小结
我是github的搬运工
以上的方法基本上能满足我们的需求，当然性能涉及的方方面面很多比如内存泄漏、事物等，性能调优路漫漫呀，文章大部分东西都是来自大佬们的总结，我只是在做一次整理汇总，便于自己理解与查阅，希望能帮到小伙伴们~
页:
[1]
