代码从业者的一次php应用优化实践

光明使者

系统跑得时间长了，总会出现这样那样的问题和瓶颈，有了问题不可怕，我们有"打虎"的家伙事儿--无非就是定位问题->分析问题->提出解决方案->实践->结果反馈->总结再优化。
　　之前做过的一次优化实践，最近翻出来看看，有些通用的优化手段还是可以复用的。系统跑得时间长了，总会出现这样那样的问题和瓶颈，有了问题不可怕，我们有"打虎"的家伙事儿--无非就是定位问题->分析问题->提出解决方案->实践->结果反馈->总结再优化。
　　问题描述：系统采用 PHP5 + Zend framework  开发，在数据规模和访问量增加后(千万级)，出现了后台apache服务器负载过高的现象，在访问高峰时段(比如每天下班到晚上10点这一段时间，特别是周五)，机器CPU负载会飙升到170多，CPU负载过高造成处理请求也相应的变慢，所以亟需解决这个问题。
　　问题分析：通过连续几天的观察和分析，当CPU使用率达到100%时，其中系统CPU使用率占据了很大的比例，用户CPU使用率倒不是很高，另外前端  haproxy 和 squid cache的cpu负载很低，memcached和squid的hit ratio一般都能达到60%左右。
　　分析backend的access-log，发现相当大一部分请求的User-Agent是搜索爬虫;
　　同时，在 apache  上配置了xdebug,在空闲时段对主要的页面的测量了一组性能数据，通过使用kcachegrind对测得的数据进行分析(如何配置xdebug，可以用soso搜一下)，发现：
　　性能数据不够稳定，同样的请求之间测试数据会相差比较大
　　慢的点比较分散
　　memcached的访问大部分的情况都比较慢(100ms以上)
　　解决方案通过上述初步的分析，对现有的程序逐步作了一系列调整。
　　首先考虑到的是是否可以想办法增加前端squid cache的Hit ratio，从而减少穿透squid到达后端apache的请求数。
　　考虑到相当一部分请求来源于Crawler，而之前squid cache只会对设置了language  cookie的请求作cache，而来自Crawler的请求都没有cookie信息。于是想到把来自Crawler的请求都默认为language为zh_CN的，然后修改haproxy的配置，把User-Agent为常见的Crawler的请求都转交给squid  cache.
　　修改php代码，把一些页面的缓存时间设置得更长一些
　　经过如上两个步骤，到达apache的请求确实减少了一些，但是这个对cpu负载过高的问题帮助很少，于是另寻它法。
　　其次，根据使用 xdebug  profiling的结果来看，和memcached的交互耗时比较长，于是想是否可以想办法让memcached能更快地响应请求，从而使得每一次请求能更快完成，从而使并发降低。
　　通过代码分析，发现线上memcached使用的是poll()，而memcached的连接数在繁忙的时候保持在1000左右，memcached的CPU使用率在  30%  左右。很显然，poll()方式在处理如此多的并发连接时是很低效的。于是重新编译memcached，使其使用epoll()的方式来处理请求，替换为epoll之后，memcached的cpu  usage从 30%左右降低到 3% 左右，10倍之多!
　　另外，memcached的hit ratio不是特别高，而且被换出的item数也比较高，于是想到对cache的内容作partition.原本打算做  manually  partition,后来发现php的最新的memcache扩展就能支持根据cache的key自动作partition,而且能在不修改程序代码(需要修改配置文件:-))的情况下增加新的memcached实例。于是升级每一个apache的php  memcache扩展，然后再配置文件中增加了一台新的memcached。到此完成memcached的内容partition。修改之后的效果比较显著，页面的载入时间比修改前缩短了很多。
　　经过这两步的调整，memcached的效率比以前高了，但是apache的负载仍然居高不下，没辙，再想其它办法!
　　进一步深入分析前面说到主要系统CPU占用很高，要找原因只能深入内核了:) 从现在开始了我们的strace之旅。套用一句Nike的广告词：Just  strace it!
　　在高峰时段对 httpd 进程进行了strace，方法不外乎如下这些
　　strace -p PID -c 得出 summary
　　strace -p PID -o output.log 写入文件，慢慢研究
　　strace -p PID -e trace=file 只看 filesystem 操作相关的 syscalls
　　strace -p PID -elstat64,stat64,open,getcwd 只跟踪这些 syscalls
　　…
　　从上述strace分析得到如下结论：
　　lstat64,stat64,open等 syscalls实在是多啊
　　上述 syscalls 占用时间确实不少! 60%以上的时间都被它们抢了, orz
　　绝大多数 syscall 是失败的，真是屡败屡战啊
　　有了上述数据，我们就找到了问题的方向了，那就是找这些毫无意义的系统调用是怎么来的。
　　经过分析，这些是php要加载某一个类时，会去 include_path  中定义的一系列目录中搜寻该类对应的文件，挨个目录这么试过去，直到找到为止。嗯，这种方式显然是比较低效的，有没有更好的方式来完成这个事情呢?答案是肯定的，有!而且还有不止一种方法!
　　调用require_once()时，参数写绝对路径(开始Guys write Zend Framework就不懂这个道理;后来才有更新))
　　使用 __autoload()对class进行 lazy  loading，也就是说真正需要的时候才去加载，而不是不管三七二十一把可能用到的类文件都require_once了。
　　问题是找到了，但是要解决这个问题还面临着另一个问题。开发中代码都注意用绝对路径了，唯一可以改进的地方是改为 lazy loading，但是 Zend  Framework中大量的require_once采用相对路径，这个就是导致问题——这里我说的问题是本文我们谈论的CPU负载过高的问题——的根本原因。
　　OK，既然问题找到了，动手解决。写个脚本自动生成 Class -> File Path 对应关系，生成代码中所有类和Zend  Framework中所有类的对应关系文件。把代码中和Zend Framework库中所有的 require_once  都注释掉。然后进行详细的测试，然后上线。结果令人吃惊，负载降到了 3 以内!!问题解决。
　　总结：
　　写代码的人都知道，可能出问题的地方总会出问题，任何问题都会有个原因(哪怕暂时没有找到)，从根上解决才是王道，解决什么问题不重要，希望大家能学习这个解决的思路，善于利用工具。ok，这个case就这样了。