转载

Spring/Hibernate 应用性能调优

对于大多数典型的 Spring/Hibernate 企业应用而言,其性能表现几乎完全依赖于持久层的性能。

本文将介绍如何确认应用是否受数据库约束,同时介绍七种常用的提高应用性能的速成法。

如何确认应用是否受限于数据库

确认应用是否受限于数据库的第一步,是在开发环境中进行测试,并使用 VisualVM 进行监控。VisualVM 是一款包含在 JDK 中的 Java 分析器,在命令行输入 jvisualvm 即可调用。

启用 Visual VM 之后,尝试以下步骤:

  1. 双击你正在运行的应用
  2. 选择 Sampler
  3. 点击 Settings 复选框
  4. 选择 Profile only packages ,然后输入下列包:

your.application.packages.*

org.hibernate.*

org.springframework.*

your.database.driver.package , 比如 oracle.*

点击 Sample CPU

如果应用性能受限于数据库,其 CPU 分析结果看起来会像下图:

Spring/Hibernate 应用性能调优

我们看到,客户端 Java 进程花在等待数据库从网络中返回结果的时间占56%。

看到数据库查询是导致应用运行缓慢的原因,其实是好兆头。Hibernate 反射调用占比32.7%是正常情况,无法进一步优化。

性能调优第一步:定义基准运行

性能调优的第一步是为程序定义基准运行,我们要定义一组能有效执行的输入数据,让程序基准运行与生产环境下的运行差不多。

主要的区别在于基准运行的耗时要小很多。作为参考,5到10分钟的执行时间比较不错。

什么是好的基准?

好的基准应该具备以下特征:

  • 功能正确
  • 输入数据的种类与生产环境下相似
  • 在短时间内执行完毕
  • 基准运行的优化方案可以外推至完整运行

定义好的基准是成功解决问题的一半。

什么是不好的基准

例如,通过批量运行处理通讯系统的电话数据记录,选取10000条记录就是错误的做法。

原因是:前10000条记录可能多为语音电话,而未知的性能问题可能发生在短信流量的处理过程中。一开始如果基准不够好,就会导致错误的结论。

收集 SQL 日志与查询时间

SQL 查询的执行语句与其执行时间可以通过 log4jdbc 等方式收集。详细了解如何使用 log4jdbc 收集 SQL 查询信息,点击文章 使用 log4jdbc 优化 Spring/Hibernate 应用 SQL 日志 。

查询的执行时间是从 Java 客户端收集的,该时间包含查询数据库的来回网络调用。SQL 查询的日志如下:

16 avr. 2014 11:13:48 | SQL_QUERY /* insert your.package.YourEntity */ insert into YOUR_TABLE (...) values (...) {executed in 13 msec} 

预处理语句也是很重要的信息来源,它们常常会透露出常用的查询类型。了解更多的日志讯息,可以查看文章: Hibernate 为什么/在何处使用该 SQL 查询?

通过 SQL 日志可以了解哪些指标?

SQL 日志可以回答下列问题:

  • 哪些是执行过的最慢查询?
  • 哪些是最常用的查询?
  • 生成主键的耗时是多少?
  • 是否有数据适合缓存?

如何解析 SQL 日志

对于大量的日志文件,最可行的解析方式就是使用命令行工具,该方法的好处是非常灵活,只要写一小段脚本或命令,我们可以抽取出几乎大多数指标。只要你喜欢,任何命令行工具都适用。

如何你习惯了 Unix 命令行,bash 或是一个好选择。Bash 也可以在 Windows 工作站使用, Cygwin 或 Git 都包含了 bash 命令行。

常用的速成法

下面介绍的速成法能找出 Spring/Hibernate 应用中常见的性能问题,以及对应的解决方案。

速成法1——减少生成主键的代价

在插入操作频繁的进程中,主键的生成策略很重要。生成 id 的一种常见方法是使用数据库序列,通常一张表一个 id,从而避免在不同表间进行插入时的冲突。

问题在于,如果要插入50条记录,我们希望为了获取这50个 id,可以避免50趟查询数据库的来回网络调用,让 Java 进程不一直等待。

Hibernate 通常如何解决此问题?

Hibernate 提供了优化的 ID 生成器以避免此问题。也即,对于序列,会默认使用 HiLo id 生成器。以下是 HiLo 序列生成器的工作方式:

  • 调用一次序列,获得 1000 (高值)
  • 用以下方式计算50个 id

1000 * 50 + 0 = 50000

1000 * 50 + 1 = 50001

...

1000 * 50 + 49 = 50049, 达到低值 (50)

为新的高值1001调用序列,依次类推

因此一次序列调用,可生成50个键,从而减少数次来回网络调用导致的负担。

这些优化的键生成器默认在 Hibernate 4中开启。如要禁用,可将 hibernate.id.new_generator_mappings 设置为 false。

为什么生成主键仍是一个问题?

问题在于,如果你声明键生成策略为 AUTO ,且未启用优化的键生成器,那么应用最后会面临大量的序列调用。

为了确保启用优化的键生成器,请将键生成策略改为 SEQUENCE 而非 AUTO

@Id @GeneratedValue(strategy = GenerationType.SEQUENCE, generator = "your_key_generator") private Long id; 

改变设定之后,在插入操作频繁的应用中能看到10%到20%的性能提升,而且几乎没有改动代码。

速成法2——使用 JDBC 批处理 inserts/updates

对于批处理程序,JDBC 驱动程序提供了旨在减少网络来回传输的优化方法:”JDBC batch inserts/updates“。使用该方法后,插入或更新会先在驱动层排队,然后再传送到数据库。

当达到阈值后,所有排队的语句都会一次性传给数据库。这可以避免驱动程序逐一传送语句,导致网络来回传送的负担。

经过以下配置,就能激活批处理 inserts/updates:

<prop key="hibernate.jdbc.batch_size">100</prop>   <prop key="hibernate.order_inserts">true</prop>   <prop key="hibernate.order_updates">true</prop>   

仅设置 JDBC 批处理大小并不够。因为 JDBC 驱动程序只会在收到对同一张表 insert/updates 时批处理这些语句。

如果收到对一张新表的插入语句,JDBC 驱动程序会先清除对前一张表的批处理语句,然后开始分批处理针对新表的 SQL 语句。

Spring Batch 内置了相似的功能。该优化能在插入操作频繁的应用中带来30%到40%的性能提升,而不用改动任何代码行。

速成法3——定期清理 Hibernate 会话

在向数据库添加或修改数据时,Hibernate 会在会话中保留一版已经存在的实体,以防在会话关闭之前这些实体再度被修改。

但是,多数情况下,一旦对应的插入操作已经在数据库中完成,我们就可以安心地丢弃那些实体。这会释放 Java 客户端进程中的内存,避免过久的 Hibernate 会话导致的性能问题。

这种长久的会话应该尽量避免。但如果出于某种原因不得不使用它们,以下是控制内存消耗的方法:

entityManager.flush(); entityManager.clear(); 

flush 会触使新实体中的插入语句传送至数据库。 clear 则会释放会话中的新实体。

速成法4——减少 Hibernate dirty-checking(脏数据检查) 的代价

Hibernate 内部使用了一种机制用于追踪被修改的实体,名为 dirty-checking 。该机制并不基于实体类中的 equals 和 hashcode 方法。

Hibernate 尽可能将 dirty-checking 的性能成本保持在最低值,只在需要时使用 dirty-check。但是该机制也有成本,在列数很多的表中该成本尤其可观。

在进行任何优化之前,最重要的是使用 VisualVM 测量 dirty-checking 的成本。

如何避免 dirty-checking ?

dirty-checking 可以通过以下方式禁用:

@Transactional(readOnly=true) public void someBusinessMethod() { .... } 

禁用 dirty-checking 的另一种方式是使用 Hibernate 无状态会话,预知详情请查看 文档 。

速成法5——搜索”坏“查询计划

检查最慢查询列表,看看有没有好的查询计划。最常见的”坏“查询计划包括:

  • 全表搜索:通常缺少一个索引或表统计过期时进行全表搜索。

  • 全笛卡尔连接:意思是计算多张表的全笛卡尔乘积。检查一下缺少的连接条件,或拆分为几个步骤以简化查询。

速成法6——检查错误的提交间隔

如果你使用批处理程序,提交间隔会对性能造成十倍甚至百倍的影响。

请确保提交间隔是符合预期的(对于 Spring 批任务,通常是100到1000之间)。经常,该参数的配置不正确。

速成法7—— 使用二级查询缓存

如果一些数据可以缓存,则可以查看本文了解如何设置 Hibernate 缓存: Hibernate 二级/查询缓存的陷阱 。

结论

解决应用性能问题的关键,在于通过收集一些指标发现当前的瓶颈。

没有一些测量指标,往往无法在短时间内找到真正的问题根源。

此外,很多典型的数据库驱动应用的性能陷阱,如果一开始就使用了 Spring Batch,就能够避免。

原文地址: http://blog.jhades.org/performance-tuning-of-spring-hibernate-applications/

正文到此结束
Loading...