為了能夠讓實例能夠貫穿這兩個工具的使用，首先簡單描述下在開發(fā)中遇到的實際的性能問題。然后再引出這兩個性能工具的實際使用，看如何使用這兩個工具成功定位到性能瓶頸的。
問題如下：為了能夠支持丟失率，我們將原先log4j2 的Async+自定義Appender的方式進(jìn)行了修正，把異步的邏輯放到了自己改版后的Appender中。但我們發(fā)現(xiàn)修改后日志性能要比之前Async+自定義Appender的方式下降不少。這里由于隱私原因我并沒有用實際公司中的實例，這里我用了一種其他同樣能夠體現(xiàn)問題的方式。我們暫時先不給出具體的配置文件，先給出性能測試代碼和結(jié)果
代碼邏輯及其簡單，就是調(diào)用logger.info每次打印10000條日志，然后記錄耗時。兩者的對比如下
從這兩張圖片中我們能夠看到同樣的邏輯，兩個程序的耗時差距相差了數(shù)十倍，但看圖片，貌似僅僅是logger的名稱不一樣。對上面的實驗結(jié)果進(jìn)行分析，我們可能會有兩個疑問
上面的代碼測試是否標(biāo)準(zhǔn)，規(guī)范
如果真的是性能問題，那么這兩個代碼到底在哪個方法上有了這么大的差距導(dǎo)致了最終的性能差異
下面這兩個工具就分別來回答這兩個問題
第一個問題就是，測試的方法是否標(biāo)準(zhǔn)。我們在編寫代碼時用的是死循環(huán)+前后“掐秒表”的方式。假如我們要再加個多線程的測試，我們還需要搞一個線程池，除了代碼本身的邏輯還要關(guān)心測試的邏輯。我們會想，有沒有一款工具能夠?qū)⑽覀儚臏y試邏輯中徹底解放出來，只需要關(guān)心我們需要測試的代碼邏輯。JMH就是這樣一款Java的測試框架。下面是JMH的官方定義
這里面我們需要注意的是，JMH所測試的方法約簡單越好，依賴越少越好，最適合的場景就是，測試兩個集合put，get性能，例如ArrayList與LinkedList的對比等，這里我們需要測試的是批量打一批日志所需要的時間，也基本符合使用JMH的測試場景。下面是測試代碼，bench框架代碼以及主函數(shù)。
待測試方法
可以看到待測試方法非常簡單，就是單批次一次性打印10000條日志的操作，所以并沒有需要額外說明的部分。下面我們再來看benchmark部分。
在這段代碼中，我們就會發(fā)現(xiàn)有了一些JMH中特有的東西，我下面進(jìn)行簡要介紹。
在上面的代碼中，我定義了4個待測試的方法，方法的Fork，BenchmarkMode均為測試單次OPS的平均時間，但4個方法的線程數(shù)不同。除了這幾個參數(shù)，還有幾個參數(shù)，我會在main函數(shù)里面來講，main代碼如下所示
我們可以看到，在main函數(shù)中，我們就是要設(shè)置JMH的基礎(chǔ)配置，這里面的幾個配置參數(shù)含義如下：
我分別用兩種logger運行一下測試，查看性能測試報告對比
使用普通logger
使用了INCLUDE_LOCATION的logger
這里我們看到，性能差距立現(xiàn)。使用INCLUDE_LOCATION的性能要明顯低于使用普通logger的性能。這是我們一定很好奇，并且問一句“到底慢在哪”?。?/p>
Arthas是阿里開源的一款java調(diào)試神器，與greys類似，不過有著比greys更加強(qiáng)大的功能，例如，可以直接繪制java方法調(diào)用的火焰圖等。這兩個工具的原理都是使用了Java強(qiáng)大的字節(jié)碼技術(shù)。畢竟我也不是JVM大佬，所以具體的實現(xiàn)細(xì)節(jié)沒法展開，我們要做的就是站在巨人的肩膀上，接受并用熟練的使用好這些好用的性能監(jiān)控工具。
talk is cheap, show me your code,既然是工具，我們直接進(jìn)行實際操作。我們在本機(jī)運行我們一開始的程序，然后講解arthas的使用方法。
我們首先通過jps找到程序的進(jìn)程號，然后直接通過arthas給到的as.sh對我們運行的程序進(jìn)行字節(jié)碼增強(qiáng)，然后啟動arthas，命令如下
可以看到，arthas支持查看當(dāng)前jvm的狀態(tài)，查看當(dāng)前的線程狀態(tài)，監(jiān)控某些方法的調(diào)用時間，trace，profile生成火焰圖等，功能一應(yīng)俱全 我們這里也只將幾個比較常用的命令，其他的命令如果大家感興趣可以詳見官網(wǎng)arthas官網(wǎng)。這篇文章主要介紹下面幾個功能
1，反編譯代碼
2，監(jiān)控某個方法的調(diào)用
3，查看某個方法的調(diào)用和返回值
4，trace某個方法
這個主要的命令為monitor，根據(jù)官網(wǎng)的介紹，常用的使用方法為
其中duration代表每隔幾秒展示一次統(tǒng)計結(jié)果，即單次的統(tǒng)計周期，className就是類的全限定名，methodname就是方法的名字，這里面我們查看的方法是Logger類的info方法，我們分別對使用兩種不同logger的info方法。這里面的類是org.slf4j.Logger，方法時info，我們的監(jiān)控語句為
監(jiān)控結(jié)果如下
使用普通appender
我們可以看到，使用include appeder的打印日志方法要比普通的appender高出了3倍，這就不禁讓我們有了疑問，究竟這兩個方法各個步驟耗時如何呢。下面我們就介紹第二條命令，trace方法。
這兩個程序的log4j2配置文件如下
我們都是用了一個AsyncAppender套用了一個FileAppender。查看fileAppender，發(fā)現(xiàn)二者相同完全沒區(qū)別，只有asyncAppender中的一個選項有區(qū)別，這就是includeLocation，一個是false，另一個是true。至于這個參數(shù)的含義，我們暫時不討論，我們現(xiàn)在知道問題可能出在AsyncAppender里面，但是我們該如何驗證呢。trace命令就有了大用場。
trace命令的基本用法與monitor類似，其中主要的一個參數(shù)是-n則是代表trace多少次的意思
我在之前Log4j2的相關(guān)博客里面講到過，任何一個appender，最核心的方法就是他的append方法。所以我們分別trace兩個程序的append方法。
trace結(jié)果如下
使用普通appender
我們立刻可以發(fā)現(xiàn)，兩個trace的熱點方法不一樣，在使用include的appender中，耗時最長的方法時org.apache.logging.log4j.core.impl.Log4jLogEvent類中的createMemento方法，那么怎么才能知道這個方法到底做了啥呢，那就請出我們下一個常用命令jad，這個命令能夠反編譯出對應(yīng)方法的代碼。這里我們jad一下上面說的那個createMemento方法，命令很簡單
結(jié)果如下
watch命令能夠觀察到某個特定方法的入?yún)ⅲ祷刂档刃畔?，我們使用這個命令查看一下這個createMemento方法的入?yún)ⅲ绻麅蓚€程序的入?yún)⒉煌?，那基本可以斷定是這個原因引起命令如下
這里面的參數(shù)含義如下
-x?參數(shù)展開層次
-n?執(zhí)行次數(shù)
-b?查看方法調(diào)用前狀態(tài)
-f?方法調(diào)用后
其中的param代表查看方法的調(diào)用參數(shù)列表，還有其他的監(jiān)控項詳見官網(wǎng)官網(wǎng)
最終watch結(jié)果如下
使用普通logger
果不其然，這兩個參數(shù)果然是一個true一個false，我們簡單看下這個參數(shù)是如何傳進(jìn)來的，我們jad一下AsyncAppender的append方法
不過為了一探究竟，我還是靜態(tài)跟了一下這段代碼
這個includeLocation會在event的createMemento中被用到，在序列化生成對象時會創(chuàng)建一個LogEventProxy，代碼如下
如果includeLocation為true，那么就會調(diào)用getSource函數(shù)，跟進(jìn)去查看，代碼如下
我們看到他會從整個的調(diào)用棧中去尋找調(diào)用這個方法的代碼行，其性能可想而知。我們用arthas監(jiān)控一下，驗證一下。
首先我們trace crateMemento方法
至此通過結(jié)合JMH和arthas共同定位出了一個線上的性能問題。
