全链路优化：如何让单点登录认证接口并发性能翻倍？

news/2025/2/23 14:11:51

背景

最近针对一个单点登录认证项目进行性能优化，在 8核 16G 环境下的认证并发能力从每秒800次提升至每秒1600次，性能提升一倍，整理此次优化过程中的相关性能优化操作总结和大家分享一下。

Nginx配置优化

在并发认证场景下，Nginx 是系统的第一个请求处理层，优化其配置可以有效提高系统的吞吐量和响应速度。

基本配置

工作进程数

工作进程数（worker_processes）配置为服务器 CPU 核心数，使用 auto 可以自动匹配 CPU 核心数。

# worker_processes 4;
worker_processes auto;

设置为auto后在4核CPU环境下会启动5个进程（4个工作进程）：

1 个 master process： Nginx 的主进程，用于启动、关闭和管理 Nginx 的工作进程。

4 个 worker process： Nginx 的 4 个工作进程（Worker Process），用于实际处理请求。

最大连接数

Nginx 的默认配置中，每个工作进程的最大连接数（worker_connections）的默认值通常是 1024。

events {
    worker_connections 65535; # 工作进程的最大连接数
    multi_accept on;   # 一次性接受尽可能多的连接
    use epoll;         # 使用 epoll 模型，适合高并发
}

Nginx 服务器最大能够支持的并发连接数是由 worker_processes 和 worker_connections 两者共同决定的。最大连接数 = worker_processes * worker_connections / 2 ，读和写会分别占用连接数。

注意： 增大 worker_connections 值时，需要确保系统的文件描述符（ulimit -n）设置足够高，否则会出现 Too many open files 错误。

文件描述符

文件描述符限制，Nginx 进程能打开的最大文件描述符数量，建议配置为系统最大值，通常与 ulimit -n 保持一致。

worker_rlimit_nofile 65535;

在高并发环境中，Nginx 作为反向代理服务器或负载均衡器，需要同时处理大量的客户端请求。这些请求可能涉及到以下几类文件描述符：

  1. 客户端连接：每一个客户端连接（HTTP 请求）会占用一个文件描述符。
  2. 代理到后端服务器的连接：Nginx 作为反向代理时，与后端服务器的连接也会占用文件描述符。
  3. 静态资源文件：当 Nginx 作为 Web 服务器提供静态资源（HTML、CSS、JS 等）时，打开文件资源也会使用文件描述符。
  4. 日志文件：Nginx 需要记录访问日志和错误日志，这些日志文件也会占用文件描述符。

测试3000个请求过程中各个工作进程下文件描述符情况如下：
在这里插入图片描述

可以看到各个工作进程都在进行请求，有一定数量的文件描述符创建。

如果文件描述符数量配置过少，在高并发时，Nginx 会因为没有足够的文件描述符而拒绝新的连接，出现 too many open files 的错误。Nginx文件描述符配置和系统文件描述符配置区别：

Nginx文件描述符 （worker_rlimit_nofile）系统文件描述符
配置对象Nginx worker 进程操作系统、Shell 用户
配置范围仅限于 Nginx worker 进程整个系统或单个用户 Shell 环境

Gzip 压缩

Nginx 开启 Gzip 压缩，减少传输数据量，提升响应速度。

gzip on;
gzip_disable msie6;
gzip_vary on;                                         # 启用 Vary 响应头，适配不同浏览器
gzip_proxied expired no-cache no-store private auth;
gzip_comp_level 6;                                    # 设置压缩级别为 5-6，平衡性能和压缩率
gzip_buffers 16 8k;                                   # 设置缓冲区大小
gzip_http_version 1.1;                                # 使用 HTTP/1.1 协议进行压缩
gzip_types text/plain text/css application/json application/javascript text/xml application/xml application/xml+rss text/javascript;

浏览器会自动处理 Gzip 解压缩。当服务器返回的响应数据是经过 Gzip 压缩的，浏览器会根据 HTTP 响应头中的 Content-Encoding: gzip 自动识别并解压缩数据，然后再进行解析和渲染，用户无需做任何额外操作。

Gzip 解压缩流程
  1. 浏览器发送请求

浏览器发送请求时，默认会在 Accept-Encoding 请求头中加入 gzip 或 br（Brotli），告知服务器它支持 Gzip 或 Brotli 压缩。

GET /web/login HTTP/1.1
Host: example.com
Accept-Encoding: gzip, deflate, br
  1. 服务器响应请求

服务器检测到浏览器支持 Gzip 压缩，并且符合压缩条件，就会对返回的数据进行 Gzip 压缩，并在响应头中加入 Content-Encoding: gzip。

HTTP/1.1 200 OK
Content-Type: text/html
Content-Encoding: gzip
  1. 浏览器处理响应

浏览器接收到 Content-Encoding: gzip 的响应后，会自动进行解压缩，然后渲染页面或解析数据。

Gzip 解压缩测试

可以使用 curl 来测试是否启用了 Gzip 压缩：

curl -k -I -H "Accept-Encoding: gzip" https://your-nginx-server.com
  • 如果返回头中包含 Content-Encoding: gzip，则说明 Gzip 压缩已启用。

日志配置

高并发下，频繁的日志写入可能会成为性能瓶颈。可以调整日志级别、禁用日志或者使用异步记录日志。

access_log off;
# access_log /var/log/nginx/access.log combined buffer=32k flush=5s aio=on;
error_log /var/log/nginx/error.log error;

配置解释：

  1. 禁用日志：access_log off
  2. 日志记录级别设置error，日志级别：debug < info < notice < warn < error < crit < alert < emerg
  3. aio=on ：开启异步 I/O 操作，结合 buffer ，提高日志写入性能。日志缓冲 ( buffered logging ) 和 flush 选项：最简单的提升性能方式。
  4. syslog 异步记录：更为彻底的异步处理方式，通过系统日志服务进行处理。

Tomcat配置优化

配置 Tomcat 的连接数和线程池优化设置，提高认证服务对大量请求的处理能力和响应效率。

server:
  tomcat:
    max-connections: 20000 #Tomcat可以接受的最大连接数10000
    accept-count: 400      #请求队列200
    threads:
      max: 400             #最大线程数200
      min-spare: 200       #最小空闲线程数10
连接数与请求队列优化

max-connections: 20000 Tomcat 最大连接数设置为 20000，允许同时维护的客户端连接数增加，适用于需要大量并发连接的场景。

    • 避免因连接数不足导致的连接拒绝问题。
    • 提高高并发时的吞吐量。

accept-count: 400 设置请求队列的最大长度。当连接数达到 max-connections 时，超过此队列长度的请求将被拒绝。

    • 适当增加队列长度，减少高负载下的连接拒绝几率。
线程池优化

threads.max: 400 设置最大线程数为 400，允许最多同时处理 400 个请求。

    • 提高服务并发处理能力，减少请求阻塞时间。

threads.min-spare: 200 设置最小空闲线程数为 200，预留线程以应对突发请求流量。

    • 缩短高并发场景下的线程初始化时间。

通过测试逐步调整连接数和线程数的数量，以找到适合的配置参数。

Redis操作优化

选择合适的数据结构

设计时选择合理的数据结构存储目标数据，例如用户资源账号授权关系使用 Redis 的 Hash 结构进行存储。

避免Redis中keys操作

注意避免keys *操作，在大数据量会阻塞 Redis，严重影响 Redis 性能。可使用SCAN命令代替，它是非阻塞的，可以分批次扫描数据。

避免Redis的isExist冗余查询

如果能够通过返回是否null即可判断的情况，就不再去isExist冗余查询

通过减少Redis连接查询次数，可减少网络资源消耗。

本地缓存优化（二级缓存）

将一些热点的 key 存储在本地缓存中是为了加速访问频率较高的数据，减轻 Redis 服务的压力，提升整体系统性能。

热点 Key 的特性

  • 高访问频率：某些 key 被频繁访问，占用了 Redis 的网络 I/O 和处理资源。
  • 数据变化少：热点数据通常是读取操作较多，写入频率较低，因此适合缓存。
  • 时效性可控：热点数据一般对实时性要求不高，可以接受短时间的延迟更新。

批量操作与管道 (Pipelining)

Redis 的每个请求都会涉及一次客户端和服务端的网络通信。传统模式下，发送 1000 个请求需要 1000 次往返，而使用 Pipeline 后，可以一次性发送所有请求，减少了网络延迟开销从而提升性能。

private void pubMessages(List<Message<?>> messages, String channel) {
        redis>redisTemplate.executePipelined((RedisCallback<List<Object>>) connection -> {
            for (Message message : messages) {
                // 发布日志消息 通过一批次处理100条
                connection.publish(channel.getBytes(), JsonUtils.toJson(message).getBytes());
            }
            return null;
        });
    }

Redis连接池

配置 Redis 连接池，减少连接创建开销。调整系统环境上合适的连接池的参数，如最大连接数、最小空闲连接数。

redis>redisson:
  threads: 0 #Redisson使用的线程池大小，可设置CPU核心数
  nettyThreads: 0 #Netty线程池的大小，决定Netty I/O线程数，处理Redis网络请求，可设置CPU核心数
  connectPoolSize: 1000 #Redis连接池的最大连接数
  connectPoolIdleSize: 100 #连接池中最小的空闲连接数，应对突发请求能够迅速响应，而不需要创建新的连接
  connectTimeout: 10000 #客户端在等待 Redis 服务端响应连接请求的最长时间

public RedissonClient redis>redisson() throws IOException {
        Config config = new Config();
        threads = (threads == 0 ? Runtime.getRuntime().availableProcessors() : threads);
        nettyThreads = (nettyThreads == 0 ? Runtime.getRuntime().availableProcessors() : nettyThreads);
        config.setThreads(threads);
        config.setNettyThreads(nettyThreads);
        config.setTransportMode(TransportMode.NIO);
        // ...
        return Redisson.create(config);
    }

合理配置 Redis

禁用 AOF 持久化

AOF（Append-Only File）是 Redis 的持久化方式，按顺序记录每次写操作命令并追加到日志文件中，支持精确的数据恢复。其性能消耗主要来自磁盘 I/O，受 appendfsync 配置影响：always 性能最差但最安全，everysec 性能与可靠性折中，no 性能最好但可能宕机时丢失数据。

如果业务需要更高性能时，禁用 AOF 持久化，Redis 不会将写操作日志追加到 AOF 文件中，减少磁盘 IO 开销。

appendonly no # 禁用 AOF 持久化

如果需要数据持久化场景，当配置appendonly yes时，通过设置appendfsync来控制日志写入频率。

appendfsync everysec
RDB 快照频率

RDB（Redis Database）是 Redis 的一种快照持久化方式，它会按照指定的触发条件（如时间或键的变化数）将内存中的数据保存到磁盘文件中。RDB 的特点是文件小，适合全量备份，但在保存快照的过程中会消耗 CPU 和磁盘 I/O 资源，特别是对于大数据量或高并发场景。

可以通过禁用 RDB 持久化或者调整持久化策略来提升性能。

#save "" # 禁用 RDB 持久化
save 3600 1000
# 每隔 3600 秒（1小时） 检查一次是否需要保存快照。
# 操作条件（1000 次）： 如果在这段时间内，有 至少 1000 次数据修改操作，Redis 就会触发一次快照保存。
Redis I/O 多线程（Redis 6.0 及以上版本）

Redis I/O 多线程功能主要针对网络 I/O 的性能瓶颈，通过多线程并发处理 Redis 的读写请求，将网络 I/O 操作分配给多线程处理，提升吞吐量和响应速度，适合高性能服务器场景。Redis 默认是单线程处理网络请求，即使开启了多线程功能，也是默认只用于写操作。设置 io-threads-do-reads yes 后，Redis 会同时使用多线程处理读请求和写请求，适用于 CPU 核心数较多，并且CPU没有充分占满的场景。

io-threads 4 # 配置 I/O 线程数量
io-threads-do-reads yes # 是否启用多线程处理读操作

可部署时通过脚本动态判断当前系统CPU核心数来决定是否启用I/O多线程。如果CPU核心数大于 16，表示这是一个高性能服务器，适合启用 Redis 的 I/O 多线程功能。

  • 对于 CPU 核心较少的服务器，开启 I/O 多线程可能导致性能下降。I/O 多线程的性能提升更多地体现在网络 I/O，而非 Redis 内部操作，因此适用于客户端数量多、网络 I/O 密集的场景。
  • 通过测试逐步调整 io-threads 的数量，以找到适合的线程数，避免线程过多带来的上下文切换开销。

避免冗余查询

合并一些配置类的缓存到一个对象中，或者同一个配置类的缓存在一次认证方法调用中，只需要通过一次查询后以参数的形式进行传递，减少Redis的冗余查询次数。

一些通用优化

异步操作

能异步的都尽量异步执行，比如日志的记录，消息的发送等。

批量操作

1. Kafka消息批量处理
  • 批量消息消费
@KafkaListener(topics = "user", groupId = "user", containerFactory = "batchKafkaListenerContainerFactory")
public void userLogListener(ConsumerRecords<String, Message<?>> records) {
}
  • 描述：这个方法是针对批量 Kafka 消息的消费，即每次从 Kafka 消息队列中拉取一批消息 (ConsumerRecords)，然后对这批消息进行处理。
  • 特点：
    • 一次性处理多条消息，ConsumerRecords 是 Kafka 提供的批量消费的数据结构，包含多条 Message<?> 消息。
    • Kafka 消费者可以配置 max.poll.records 参数，指定每次最多拉取多少条消息。
  • 性能：
    • 高吞吐量：批量处理能够减少 Kafka 拉取请求的次数，并行处理多条消息，提高吞吐量。
    • 可能增加延迟：在消息量较小时，Kafka 需要等待足够多的消息到达，才会形成一个批次，这可能会导致消息延迟增加。

从性能角度来看，批量消费方式的吞吐量要远高于单条消费方式，但可能会带来稍微高一些的延迟。因此，具体选择需要根据业务需求和负载特点进行权衡。

数据库批量保存

认证日志等操作进行Kafka批量订阅后批量保存，可使用mybatisplus的批量保存saveBatch方法。

public Result<String> batchAdd(List<LogLogin> logLoginList) {
        // ...
        logLoginService.saveBatch(loginList);
        // ...
    }

日志打印

减少系统中不必要的LOG日志后台输出或调高日志级别。

Java线程池配置

合理配置Java执行任务线程池大小，核心线程数、最大线程数、工作队列大小。

@Bean("executeTaskExecutor")
        public Executor taskExecutor(){
                ThreadPoolTaskExecutor executor=new ThreadPoolTaskExecutor();
                executor.setThreadPriority(8);
                executor.setCorePoolSize(Runtime.getRuntime().availableProcessors()*3);
                executor.setMaxPoolSize(Runtime.getRuntime().availableProcessors()*3);
                executor.setQueueCapacity(100);
                executor.setKeepAliveSeconds(120);
                executor.setThreadGroupName("global-thd-");
                executor.setThreadNamePrefix("custom-task-");
                executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
                executor.setWaitForTasksToCompleteOnShutdown(true);
                executor.initialize();
                return TtlExecutors.getTtlExecutor(executor);
        }

JVM优化

Java8默认垃圾回收器是-XX:+UseParallelGC，尝试设置 G1 垃圾收集器（G1 是一种低延迟、高吞吐量的垃圾回收器，适合大内存的应用）

  1. 指定 JVM 内存大小（动态根据服务器内存自动配置），设置固定值避免内存收缩。
  2. 垃圾回收器设置（ -XX:+UseG1GC ）并设置垃圾回收暂停时间目标（ -XX:MaxGCPauseMillis=300 ）

系统参数优化

Linux操作系统相关可优化操作。

文件描述符

文件描述符是操作系统用来表示打开的资源（如文件、套接字），对于网络连接，文件描述符主要用于表示 TCP/UDP 套接字。操作系统对每个进程的文件描述符数量有限制（通常是 1024 或更高）。如果连接数超过限制，将导致无法接收新连接。为了提高系统网络连接性能，可通过ulimit -n命令配置系统的文件描述符限制。

ulimit -n 65535

TCP协议连接队列大小

在Linux系统高并发场景下，半连接队列（SYN 队列）和全连接队列（accept 队列）的大小限制可能成为性能瓶颈。

通过调高这两个队列的大小，可以：

  1. 增强瞬时抗压能力，服务器可以容纳更多未处理的连接，减少丢包和连接失败。
  2. 在流量高峰期，增加缓冲能力，使得连接能够被逐步处理，而不是直接丢弃。

在这里插入图片描述
通过模拟网络连接测试发现，当服务端并发处理大量请求时，如果TCP全连接队列过小，就容易溢出。发生TCP全连接队溢出的时候，后续的请求就会被丢弃，这样就会出现服务端请求数量上不去的现象。

半连接队列

服务器来不及处理握手完成，队列被填满，导致连接失败。

  1. 查看半连接队列大小

半连接队列的大小由 tcp_max_syn_backlog 参数决定。默认大小1024，如果队列满了，多余的连接会被丢弃。

[root@centos ~]# sysctl net.ipv4.tcp_max_syn_backlog
net.ipv4.tcp_max_syn_backlog = 256
  1. 调整半连接队列大小
sysctl -w net.ipv4.tcp_max_syn_backlog=256

将参数写入 /etc/sysctl.conf 配置文件，永久生效。

echo "net.ipv4.tcp_max_syn_backlog = 256" >> /etc/sysctl.conf

# 当执行sysctl -p命令时，系统会读取/etc/sysctl.conf文件中的配置并应用这些设置
sysctl -p
全连接队列

应用层的处理速度跟不上握手完成速度，队列满载，连接被拒绝。

  1. 查看全连接队列大小

全连接队列的大小由 tcp_max_syn_backlog 参数决定。默认大小128，如果队列满了，多余的连接会被丢弃。

[root@centos ~]# sysctl net.core.somaxconn
net.core.somaxconn = 512
  1. 调整全连接队列大小
sysctl -w net.core.somaxconn=512

将参数写入 /etc/sysctl.conf 配置文件，永久生效。

echo "net.core.somaxconn = 512" >> /etc/sysctl.conf

ss -s 命令查询系统网络连接情况

Total: 1473 (kernel 2330) ：总共的网络连接数量为 1473，其中内核维护的连接数为 2330。这个数字表示当前系统在内核层面维护的所有连接（包括已建立的连接和其他状态的连接）。

传输层协议统计（主要是 TCP）

  • TCP: 926 (estab 881, closed 3, orphaned 0, synrecv 0, timewait 2/0) ：
    • estab 881：表示当前有 881个 TCP 连接是已建立的连接（ESTABLISHED 状态）。
    • closed 3：表示当前有 3个 TCP 连接已经关闭。
    • orphaned 0：表示当前有 0 个连接处于“孤儿”状态（通常是异常连接）。
    • synrecv 0：表示当前没有处于 SYN_RECV 状态的连接。SYN_RECV 状态表示接收到连接请求并且正在等待确认。
    • timewait 2/0：表示当前有 2个连接处于 TIME_WAIT 状态，0 表示没有正在进行的连接处于半关闭状态。TIME_WAIT 状态表示连接已关闭，但仍需要保持一段时间，以确保双方都知道连接关闭。

ss -lnt 命令可查询系统的TCP连接情况

ss -lnt
# -l 显示正在监听的socket（listening）
# -n 不解析服务名称
# -t 只显示tcp socket

在「LISTEN 状态」时，Recv-Q/Send-Q 表示的含义如下：

Recv-Q:当前全连接队列的大小,也就是当前已完成三次握手并等待服务端 accept()的TCP连接;

Send-Q:当前全连接最大队列长度,上面的输出结果说明监听8443端口的TCP服务,最大全连接长度为511;

在「非LISTEN状态」时,Recv-Q/Send-Q表示的含义如下:

  • Recv-Q：已收到但未被应用进程读取的字节数；
  • Send-Q：已发送但未收到确认的字节数；

总结

本次优化从 Nginx、Redis、Tomcat、TCP、批量操作、二级缓存等多个角度入手，最终在 8核16G 环境下，将认证系统的并发性能翻倍。

🌟 你的支持是我持续创作的动力，欢迎点赞、收藏、分享！


http://www.niftyadmin.cn/n/5863463.html

相关文章

leetcode刷题记录（一百一十六）——5. 最长回文子串

leetcode刷题记录（一百一十六）——5. 最长回文子串

&#xff08;一&#xff09;问题描述 5. 最长回文子串 - 力扣&#xff08;LeetCode&#xff09;5. 最长回文子串 - 给你一个字符串 s&#xff0c;找到 s 中最长的 回文 子串。 示例 1&#xff1a;输入&#xff1a;s "babad"输出&#xff1a;"bab"解释&am…
阅读更多...
Docker实战-使用docker compose搭建博客

Docker实战-使用docker compose搭建博客

docker run 部署 创建blog网络 [rootk8s-master ~]# docker network create blog 8f533a5a1ec65eae3f98c0ae5a76014a3ab1bf3c087ad952cdc100cc7a658948 [rootk8s-master ~]# docker network ls NETWORK ID NAME DRIVER SCOPE 8f533a5a1ec6 blog bridge …
阅读更多...
大语言模型微调的公开JSON数据

大语言模型微调的公开JSON数据

大语言模型微调的公开JSON数据 以下是一些可用于大语言模型微调的公开JSON数据及地址： EmoLLM数据集 介绍：EmoLLM是一系列能够支持理解用户、帮助用户心理健康辅导链路的心理健康大模型，其开源了数据集、微调方法、训练方法及脚本等。数据集按用处分为general和role-play两种…
阅读更多...
ubuntu22.04桥接模式开代理

ubuntu22.04桥接模式开代理

curl cip.cc
阅读更多...
【GPU驱动】- 状态机

【GPU驱动】- 状态机

一、概述 Mesa 是一个开源的图形库&#xff0c;它提供了一个通用的图形抽象层&#xff0c;支持多种硬件和驱动程序。Mesa 的核心组件之一是 State Tracker&#xff0c;它在抽象图形 API&#xff08;如 OpenGL &#xff09;与具体的图形驱动之间起到桥梁作用。State Tracker 通…
阅读更多...
基于SSM的《计算机网络》题库管理系统(源码+lw+部署文档+讲解)，源码可白嫖!

基于SSM的《计算机网络》题库管理系统(源码+lw+部署文档+讲解)，源码可白嫖!

摘 要 《计算机网络》题库管理系统是一种新颖的考试管理模式&#xff0c;因为系统是用Java技术进行开发。系统分为三个用户进行登录并操作&#xff0c;分别是管理员、教师和学生。教师在系统后台新增试题和试卷&#xff0c;学生进行在线考试&#xff0c;还能对考生记录、错题…
阅读更多...
c#编程：学习Linq，重几个简单示例开始

c#编程：学习Linq，重几个简单示例开始

学习LINQ&#xff08;Language Integrated Query&#xff09;是掌握C#中数据处理和分析的重要一步。LINQ 提供了一种简洁、声明性的方式来查询和操作内存中的数据集合&#xff08;如数组、列表等&#xff09;以及数据库中的数据。 以下是一些入门级的经典LINQ示例&#xff0c;…
阅读更多...
VIM FZF 安裝和使用

VIM FZF 安裝和使用

在 Vim 中安装和使用 fzf 进行文件、函数、变量、宏定义的模糊匹配 以下是详细步骤&#xff1a; 1. 安装 fzf 和 fzf.vim 插件 1.1 安装 fzf 工具 fzf 是一个命令行模糊查找工具&#xff0c;必须先安装它。根据你的操作系统选择安装方式&#xff1a; macOS: brew install fz…
阅读更多...
最新文章

Copyright @ 2022~2023