性能优化 - 让nodejs再快一点

一时失言乱红尘 2022-05-20 04:14 275阅读 0赞

本文转载自：[北斗同构github][github]

## 前言 ##

很多前端工程师在做页面性能调优的过程中，极少关注代码本身的执行效率，更多关注的是网络消耗，比如资源合并减少请求数、压缩降低资源大小、缓存等. 我并不觉得这不合理，相反，在很大程度上这是足够正确的做法，举个例子， JS本身的执行时间是30ms(毫秒)，在动辄三五秒的页面加载时间中的占比实在太低了，就算拼了命把性能提升10倍，执行时间降到3ms，整体性能提升也微不足道，甚至在用户层面都无法感知. 因此去优化其它性能消耗的大头更加明智.

但从Node.js(服务端)的角度来看，JS本身的执行时间却变得至关重要，还是之前的例子，如果执行时间从30ms降到3ms, 理论上QPS就能提升10倍，换句话说，以前要10台服务器才能扛住的流量现在1台服务器就能扛住，而且响应时间更短.

那到底Node端如何做性能优化呢？

## 方法 ##

有两种方法，一种是通过[Node/V8自带的profile能力][Node_V8_profile] , 另一种是通过[alinode][]的 CPU profile功能. 前者只列出了各函数的执行占比, 后者包括更加完整的调用栈，可读性更强，更加容易定位问题，建议采用后者.

### 方法1: Node 自带 profile ###

*  第1步： 以--prof参数启动Node应用

$ node --prof index.js

*  第2步： 通过压测工具[loadtest][]向服务施压

$ loadtest http://127.0.0.1:6001 --rps 10

*  第3步： 处理生成的log文件

$ node --prof-process isolate-0XXXXXXXXXXX-v8-XXXX.log > profile.txt

*  第4步： 分析profile.txt文件

`profile.txt`文件如下图，包括JS和C++代码各消耗多少ticks, 具体分析方法详见[node profile文档][Node_V8_profile]

![1460000012414671_w_742_h_470][]

### 方法2: alinode的CPU profile ###

*  第1步： 安装alinode

alinode是与 Node 社区版完全兼容的二进制运行时环境, 推荐使用tnvm工具进行安装

$ wget -O- https://raw.githubusercontent.com/aliyun-node/tnvm/master/install.sh | bash

完成安装后，需要将tnvm添加为命令行程序. 根据平台的不同，可能是~/.bashrc，~/.profile 或 ~/.zshrc等

$ source ~/.zshrc

以alinode-v3.8.0为例, 对应node-v8.9.0, 下载该版本并启用它

$ tnvm install alinode-v3.8.0
    $ tnvm use alinode-v3.8.0

*  第2步： 用安装的alinode运行时启动应用

$ node --perf-basic-prof-only-functions index.js

*  第3步： 通过压测工具[loadtest][]向服务施压

$ loadtest http://127.0.0.1:6001 --rps 10

*  第4步： cpu profile

假设启动的worker进程号为6989, 执行以下脚本, 三分钟后将在/tmp/目录下生成一个cpuprofile文件`/tmp/cpu-profile-6989-XXX.cpuprofile`  
脚本详见[take\_cpu\_profile.sh][take_cpu_profile.sh]

$ sh take_cpu_profile.sh 6989

*  第5步： 将生成的cpuprofile文件导入到Chrome Developer Tools进行分析

![cpu profile img][]

## 实战 ##

下面通过一个真实的案例展示如何一步步地做性能调优.

通过loadtest请求1000次，统计平均RT, 初始RT为15.8ms

![origin][]

剔除program和GC消耗，性能消耗的前三位分别是`get`,`J`和`_eval`三个方法

![1460000012414674_w_1048_h_570][]

展开最耗性能的`get`方法调用栈，可以定位到`get`方法所在的位置，具体代码如下

{
        key: 'get',
        value: function get(propName) {
          if (!this.state[propName]) {
            return null;
          }
          return JSON.parse(JSON.stringify(this.state[propName]));
        }
      }

方法体中，`JSON.parse(JSON.stringify(obj))`虽然使用便捷，但却是CPU密集型操作. 做一次验证，去除该操作, 直接返回`this.state[propName]`. RT时间降为12.3ms了

![1460000012414675][]

这仅仅是一次试验，肯定不能直接移除`JSON.parse(JSON.stringify(obj))`, 不然会影响业务逻辑的. 参考下常用拷贝方法的[性能对比][Link 1], 自配梯子. 截图如下：

![1460000012414676_w_2794_h_1376][]

其中性能最优的是lodash deep clone，采用该库替换，再验证一遍， RT降为12.8ms

![1460000012414677_w_810_h_378][]

第二耗性能是的`J`方法，里面大部分是各个组件的render时间，暂时略过，以同样的方式对`_eval`方法进行一次优化, RT降为10.1ms.

![1460000012414678][]

以此类推，根据CPU profile找出性能消耗的点，逐个去优化.

[github]: https://github.com/alibaba/beidou/blob/master/packages/beidou-docs/articles/node-performance-optimization.md
[Node_V8_profile]: https://nodejs.org/uk/docs/guides/simple-profiling/
[alinode]: http://alinode.alibaba-inc.com/
[loadtest]: https://github.com/alexfernandez/loadtest
[1460000012414671_w_742_h_470]: /images/20220520/68413f6741464e8eba2789bb17c37d40.png
[take_cpu_profile.sh]: https://github.com/alibaba/beidou/blob/master/scripts/take_cpu_profile.sh
[cpu profile img]: /images/20220520/56468b6626fc4ccb9ca974354b920a77.png
[origin]: /images/20220520/b4d8227923414627ab3bf16f2a888a13.png
[1460000012414674_w_1048_h_570]: /images/20220520/3839e69199b14db687cede8a3b4ae428.png
[1460000012414675]: /images/20220520/29ad339ff6784b079c045c46608f954d.png
[Link 1]: http://jsben.ch/bWfk9
[1460000012414676_w_2794_h_1376]: /images/20220520/b003ba2a5b4b4934ad62d91866dacdd4.png
[1460000012414677_w_810_h_378]: /images/20220520/7ffbf4cf6b354379a64ccb1ec9f6f0eb.png
[1460000012414678]: /images/20220520/7b112275bb3c47ab8b72f9f1daba6c45.png