Spring Boot性能瓶颈分析

性能瓶颈定位需要系统性方法论和工具支撑。

分析流程

Bash

现象观察 -> 指标采集 -> 瓶颈定位 -> 根因分析 -> 优化验证

CPU瓶颈分析

定位命令

Bash

# 查看CPU使用率
top -Hp <pid>

# 生成线程转储
jstack <pid> > thread_dump.txt

# 查看热点方法
jmap -histo:live <pid>

常见问题

现象	原因	解决方案
CPU 100%	死循环、正则回溯	检查热点代码
CPU 波动大	GC频繁	调整堆内存
多核不均衡	锁竞争	减少锁粒度

Arthas诊断

Bash

# 安装启动
java -jar arthas-boot.jar

# 监控方法执行耗时
watch com.example.UserService getUser '{params,returnObj,rt}'

# 追踪调用链路
trace com.example.UserService getUser -n 5

# 火焰图分析
profiler start
profiler stop

内存瓶颈分析

内存分析工具

Bash

# 堆内存快照
jmap -dump:format=b,file=heap.hprof <pid>

# GC日志分析
-XX:+PrintGCDetails -XX:+PrintGCDateStamps

Memory Analyzer (MAT) 使用

导入 heap.hprof 文件
查看 Leak Suspects 报告
分析 Dominator Tree
查找大对象和GC Root

常见内存问题

问题	表现	解决
内存泄漏	Old区持续增长	MAT分析引用链
对象过多	Young GC频繁	减少对象创建
堆不足	OOM异常	增大-Xmx

IO瓶颈分析

磁盘IO

Bash

# 查看磁盘IO
iostat -x 1

# 关注指标
%util: 设备利用率
await: 平均等待时间
svctm: 平均服务时间

网络IO

Java

# 查看网络连接
netstat -anp | grep <pid>

# 抓包分析
tcpdump -i eth0 port 8080 -w capture.pcap

优化策略

Java

// 异步IO减少阻塞
@Async
public CompletableFuture<Result> asyncProcess() {
    return CompletableFuture.completedFuture(doWork());
}

// 批量处理减少IO次数
@Transactional
public void batchInsert(List<Entity> entities) {
    jdbcTemplate.batchUpdate(sql, entities);
}

线程瓶颈分析

线程池监控

Bash

@Bean
public ThreadPoolTaskExecutor taskExecutor() {
    ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
    executor.setCorePoolSize(10);
    executor.setMaxPoolSize(50);
    executor.setQueueCapacity(200);
    executor.setThreadNamePrefix("async-");
    executor.initialize();
    return executor;
}

// 监控线程池状态
executor.getPoolSize();
executor.getActiveCount();
executor.getQueue().size();

线程死锁排查

SQL

# jstack检测死锁
jstack <pid> | grep -A 10 "deadlock"

# Arthas检测
thread -b

数据库瓶颈

慢查询定位

YAML

-- MySQL开启慢查询日志
SET GLOBAL slow_query_log = 'ON';
SET GLOBAL long_query_time = 1;

-- 分析慢查询
EXPLAIN SELECT * FROM orders WHERE user_id = 1;

连接池监控

text

spring:
  datasource:
    hikari:
      maximum-pool-size: 20
      minimum-idle: 5
      connection-timeout: 30000
      leak-detection-threshold: 60000

瓶颈分析需结合多个维度，通常 CPU、内存、IO、网络、数据库交叉分析。

要点总结

CPU高：用Arthas追踪热点方法
内存问题：MAT分析堆转储
IO瓶颈：异步化和批量处理
线程问题：监控线程池状态
数据库：慢查询和连接池优化

📝 发现内容有误？点击此处直接编辑