【原创】RocketMQ 很慢？引出了一个未解之谜

2020-06-08 1176点热度 0人点赞 0条评论

点击上方蓝色字关注我们~

前段时间发现，在使用RockerMQ console时，查询消息的时候出现很慢，查询耗时大于10秒，少则5、6秒，多则14+秒。

如下图：

RocketMQ 很慢？引出了一个未解之谜插图2

这到底是为什么？查询消息为啥会出现这么大的耗时？

当前使用的开发环境：操作系统是Windows10，JDK8，RocketMQ为4.5.2。

在其它机器上则没有此问题，也在本机器上的虚拟机VMware上安装的Linux部署了RocketMQ 和 console，并且验证是没问题的。

那么到底我的机器是怎么了？？？

由于当前是接口的耗时问题，我们并不知道耗时主要在哪个地方，所以使用Arthas来跟踪下调用链的耗时。

使用trace命令：

trace命令

方法内部调用路径，并输出方法路径上的每个节点上耗时。

trace 命令能主动搜索 class-pattern／method-pattern 对应的方法调用路径，渲染和统计整个调用链路上的所有性能开销和追踪调用链路。

trace org.apache.rocketmq.console.service.impl.MessageServiceImpl queryMessageByTopic

RocketMQ 很慢？引出了一个未解之谜插图4

从当前调用路径得到主要耗时在于：DefaultMQPullConsumer构造器初始化 + DefaultMQPullConsumer启动耗时。那么接下来我们继续往内部跟进。

此时我们关注下DefaultMQPullConsumer构造器初始化：

trace org.apache.rocketmq.client.consumer.DefaultMQPullConsumer <init>

RocketMQ 很慢？引出了一个未解之谜插图6

从构造器初始化入口看，耗时并不大。

那么接下来再看下DefaultMQPullConsumer的启动方法：

[E] 开启正则表达式匹配，默认为通配符匹配

trace -E  org.apache.rocketmq.client.consumer.DefaultMQPullConsumer start

RocketMQ 很慢？引出了一个未解之谜插图8

trace -E  org.apache.rocketmq.client.consumer.DefaultMQPullConsumer <init>|start

RocketMQ 很慢？引出了一个未解之谜插图10

接着发现耗时主要是在获取MQClientInstance实例。

trace org.apache.rocketmq.client.impl.MQClientManager getAndCreateMQClientInstance

RocketMQ 很慢？引出了一个未解之谜插图12

trace org.apache.rocketmq.client.ClientConfig cloneClientConfig

RocketMQ 很慢？引出了一个未解之谜插图14

接着看ClientConfig#cloneClientConfig方法：

public ClientConfig cloneClientConfig() {
    ClientConfig cc = new ClientConfig();
    cc.namesrvAddr = namesrvAddr;
    cc.clientIP = clientIP;
    cc.instanceName = instanceName;
    cc.clientCallbackExecutorThreads = clientCallbackExecutorThreads;
    cc.pollNameServerInterval = pollNameServerInterval;
    cc.heartbeatBrokerInterval = heartbeatBrokerInterval;
    cc.persistConsumerOffsetInterval = persistConsumerOffsetInterval;
    cc.unitMode = unitMode;
    cc.unitName = unitName;
    cc.vipChannelEnabled = vipChannelEnabled;
    cc.useTLS = useTLS;
    cc.namespace = namespace;
    cc.language = language;
    return cc;
}

可以看到很多赋值操作，这些可以不关注，只要关注new ClientConfig()：

trace org.apache.rocketmq.client.ClientConfig <init>

RocketMQ 很慢？引出了一个未解之谜插图16

可以看到主要耗时在3~4秒，并且耗时主要是这个工具类方法：RemotingUtil#getLocalAddress

  trace org.apache.rocketmq.remoting.common.RemotingUtil getLocalAddress

RocketMQ 很慢？引出了一个未解之谜插图18

到现在，已经跟踪到JDK方法调用了：NetworkInterface#getNetworkInterfaces。

接着想查看JDK函数调用：

trace --skipJDKMethod false java.net.NetworkInterface getNetworkInterfaces

--skipJDKMethod <value> skip jdk method trace, default value true.

默认情况下，trace不会包含jdk里的函数调用，如果希望trace jdk里的函数，需要显式设置--skipJDKMethod false。

RocketMQ 很慢？引出了一个未解之谜插图20

此时不能跟踪，那么根据4点提示排查和issue：https://github.com/alibaba/arthas/issues/47

https://github.com/alibaba/arthas/issues/807

最后确定需要开启unsafe。

options unsafe true

RocketMQ 很慢？引出了一个未解之谜插图22

开启完成。

再次执行，即可看到jdk的调用链了。

RocketMQ 很慢？引出了一个未解之谜插图24

到这里，算是把RocketMQ console查询慢的罪魁祸首找到了：在获取本机网卡接口时，出现耗时时间长。这其实也算是jdk跟操作系统层面的意思了，与中间件RocketMQ无关，一开始我是怀疑是不是持久化存储在加载时慢的可能（基本排除）。

那么为什么会调用当前操作系统的网卡接口时会出现耗时严重呢？

此时关注到了java.net.NetworkInterface#getNetworkInterfaces

public static Enumeration<NetworkInterface> getNetworkInterfaces()
    throws SocketException {
    final NetworkInterface[] netifs = getAll();
    // specified to return null if no network interfaces
    if (netifs == null)
        return null;
    return new Enumeration<NetworkInterface>() {
        private int i = 0;
        public NetworkInterface nextElement() {
            if (netifs != null && i < netifs.length) {
                NetworkInterface netif = netifs[i++];
                return netif;
            } else {
                throw new NoSuchElementException();
            }
        }
        public boolean hasMoreElements() {
            return (netifs != null && i < netifs.length);
        }
    };
}
private native static NetworkInterface[] getAll() throws SocketException;

可以看到jdk函数已经调用到了native方法，也就是jdk底层的实现(c/c++)了，跟操作系统非常紧密。

接着debug进getNetworkInterfaces方法查看到底有哪些网卡接口：

RocketMQ 很慢？引出了一个未解之谜插图26

一查发现竟然有81个！接着查看本机的网络适配器：

RocketMQ 很慢？引出了一个未解之谜插图28

本机Windows上有Wlan、VPN、VMware等网络适配器。

最后事实就是跟他们有关，我把相应的适配器禁用之后，重新调用NetworkInterface#getNetworkInterfaces，此时耗时从3+秒降到几百毫秒。

最后，很遗憾还是没能剖析出为什么Windows下调用网卡接口native方法会出现那么大耗时。并且肯定跟我的机器有关，因为其他机器验证没有问题。

如果要剖析原因，就得需要有c/c++更加底层的功底才能搞定吧？

如果你有遇过知道怎么解决、或熟悉底层实现或者有更好的思路麻烦留言指导下。（抱拳）

总结

Windows下可能容易出现一些非正常问题，竟然也能给我遇到这个^@^。幸好一般使用Windows还是比较少，除非是开发机器较多，Linux(unix)部署RocketMQ等中间件还是很稳的。
使用Arthas trace可以跟踪方法的调用路径，并且追踪每一步的耗时，可以方便的排查瓶颈问题。
-E参数支持正则表达式匹配；--skipJDKMethod false支持包含JDK的函数调用；跟踪jdk函数等，如果找不到对应类或者方法，可能需要开启unsafe。