Непрерывный анализ потоков: различия между версиями

Материал из Документация Ключ-АСТРОМ
(Создана пустая страница)
 
 
(не показана 1 промежуточная версия 1 участника)
Строка 1: Строка 1:
'''''[[Применение Ключ-АСТРОМ]] / [[Применение Ключ-АСТРОМ#.D0.9F.D1.80.D0.BE.D1.84.D0.B8.D0.BB.D0.B8.D1.80.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5%20.D0.B8%20.D0.BE.D0.BF.D1.82.D0.B8.D0.BC.D0.B8.D0.B7.D0.B0.D1.86.D0.B8.D1.8F|Профилирование и оптимизация]] / Непрерывный анализ потоков'''''


Многопоточные архитектуры легко масштабируются, поскольку распределение работы позволяет процессорам оставаться активными и продолжать выполнять код. Однако, когда системам необходимо координировать работу в нескольких потоках, блокировки увеличиваются, и может произойти сокращение выполнения кода.
В Ключ-АСТРОМ такое поведение автоматически и непрерывно обнаруживается ЕдинымАгентом. Благодаря непрерывному анализу потоков данные постоянно доступны, с историческим контекстом, и их не нужно запускать при возникновении проблемы. Вы можете получать оповещения о тенденциях, анализировать дампы потоков и напрямую начинать улучшать код, когда и где это необходимо, чтобы предотвратить проблемы.
== Прежде чем начать ==
Чтобы начать использовать непрерывный анализ потока
# Перейдите в '''Настройки > Предпочтения > Функции ЕдиногоАгента''' .
# Найдите и включите следующие функции ЕдиногоАгента для технологии, которую вы хотите отслеживать:
{| class="wikitable"
!Технология мониторинга
!Функции OneAgent для включения
|-
|Java
|Непрерывный анализ потока
|-
|Node.js
|Мониторинг рабочих потоков Node.js
Предварительная загрузка модуля кода Node.js
|}
Поддерживаемые версии Java
Из-за известной проблемы с Java 11 непрерывный анализ потоков JVM доступен только для Java 8 и Java 17+ (в зависимости от поддерживаемых версий ). Потоки приложений и агентов остаются неизменными.
== Анализ данных ==
Чтобы начать анализировать дампы потоков
# Перейдите в раздел '''Профилирование > Непрерывное профилирование ЦП'''.
# Для группы процессов, которую вы хотите проанализировать, выберите '''Дополнительно ( … ) > Потоки'''.
# На странице анализа темы вы можете:
#* Проанализируйте распределение потоков по состояниям потоков или по предполагаемому времени ЦП.
#* Включайте или исключайте данные об ожидающих потоках в любое время, установив соответствующий флажок.
#* Фильтровать данные
#** По типу запроса. Выберите '''Фильтр запросов > Тип''' и выберите вариант.
#** По запросу имя группы потоков. Выберите имя группы потоков. Сегментация групп потоков учитывает тот факт, что они обычно выполняют разные функции, и дает вам быстрые средства для идентификации потребителей ЦП.
#* Проанализируйте горячие точки метода группы потоков. В столбце '''Действия''' группы потоков выберите '''Дополнительно ( … ) > Хотспоты метода'''.
== Случаи использования ==
Потоки являются источником масштабируемости, поскольку они позволяют вашим приложениям выполнять несколько задач одновременно. В определенных ситуациях это может стать источником проблем производительности. Например:
* В системах с высокой нагрузкой могут возникнуть проблемы с блокировкой потоков, что не позволит масштабировать приложение .
* Если количество активных потоков слишком велико, ресурсы ЦП могут расходоваться впустую из-за чрезмерной загрузки или из-за того, что операционным системам приходится планировать тысячи потоков на ограниченном наборе ядер.
=== Пример: блокировки препятствуют масштабируемости приложения ===
==== Определите проблемы масштабируемости ====
В этом примере группа процессов <code>idea*.exe</code> показывает всплеск потребления ЦП. Мы исследуем проблему на странице анализа потоков , начиная с фильтрации списка групп потоков по состоянию потока '''Блокировка'''.
[[Файл:184.png|граница]]
Мы видим, что система не в плохом состоянии, но все еще есть блокирующее поведение, влияющее на <code>23</code>группы потоков. Мы выбираем первую и наиболее затронутую группу потоков, <code>JobScheduler FJ pool</code>, чтобы продолжить наш анализ.
[[Файл:185.png|граница]]
Для группы потоков <code>JobScheduler FJ pool</code> значительное количество времени (почти половина: <code>46.1%</code>) постоянно тратится на блокировку, и она распределена по <code>15</code>потокам. Это указывает на общую блокировку, влияющую на все эти потоки. Мы хотим избежать такого поведения, поскольку оно ограничивает как скорость, так и возможность увеличения пропускной способности путем добавления ресурсов. В конечном итоге это может привести к состоянию, когда система не сможет обрабатывать больше данных, даже если мы добавим больше оборудования.
Чтобы добраться до первопричины, выбираем '''Дополнительно ( … ) > Методы вызова'''.
[[Файл:186.png|граница]]
На основе полученной информации мы можем локализовать проблему блокировки и протестировать различные способы написания кода для повышения его производительности.
=== Пример: Большое количество потоков приводит к чрезмерному использованию ресурсов. ===
==== Определите группы потоков, интенсивно использующие ЦП ====
В этом примере группа процессов <code>doaks-prod1-eastus-cassandra</code> тратит часть времени <code>9.97%</code> на выполнение кода.
[[Файл:187.png|граница]]
Мы выбираем время ЦП , чтобы понять, как поведение влияет на потребление ЦП. Из диаграммы мы видим, что группа потоков <code>MutationStage</code> вносит наибольший вклад. Из таблицы ниже мы узнаем, что она тратит <code>1.6 d</code> в Оценочном времени ЦП и <code>3.55%</code> в Общей трассировке в выполнении кода.
[[Файл:188.png|граница]]
Мы хотим определить, какой код выполняется и как он влияет на потребление ЦП. После выбора имени группы потоков (<code>MutationStage</code>), первый поток в списке внизу страницы является самым затратным (<code>MutationStage-2</code>).
[[Файл:189.png|граница]]
Чтобы увидеть список точек доступа, выбираем '''Дополнительно ( … ) > Хотспоты метода''' для <code>MutationStage-2</code>.
[[Файл:190.png|граница]]
Теперь мы видим, что <code>Unsafe.unpark</code> это способствует <code>30.1%</code> выполнению кода и является хорошим показателем для оптимизации.

Текущая версия на 14:27, 13 сентября 2024

Применение Ключ-АСТРОМ / Профилирование и оптимизация / Непрерывный анализ потоков

Многопоточные архитектуры легко масштабируются, поскольку распределение работы позволяет процессорам оставаться активными и продолжать выполнять код. Однако, когда системам необходимо координировать работу в нескольких потоках, блокировки увеличиваются, и может произойти сокращение выполнения кода.

В Ключ-АСТРОМ такое поведение автоматически и непрерывно обнаруживается ЕдинымАгентом. Благодаря непрерывному анализу потоков данные постоянно доступны, с историческим контекстом, и их не нужно запускать при возникновении проблемы. Вы можете получать оповещения о тенденциях, анализировать дампы потоков и напрямую начинать улучшать код, когда и где это необходимо, чтобы предотвратить проблемы.

Прежде чем начать

Чтобы начать использовать непрерывный анализ потока

  1. Перейдите в Настройки > Предпочтения > Функции ЕдиногоАгента .
  2. Найдите и включите следующие функции ЕдиногоАгента для технологии, которую вы хотите отслеживать:
Технология мониторинга Функции OneAgent для включения
Java Непрерывный анализ потока
Node.js Мониторинг рабочих потоков Node.js

Предварительная загрузка модуля кода Node.js

Поддерживаемые версии Java

Из-за известной проблемы с Java 11 непрерывный анализ потоков JVM доступен только для Java 8 и Java 17+ (в зависимости от поддерживаемых версий ). Потоки приложений и агентов остаются неизменными.

Анализ данных

Чтобы начать анализировать дампы потоков

  1. Перейдите в раздел Профилирование > Непрерывное профилирование ЦП.
  2. Для группы процессов, которую вы хотите проанализировать, выберите Дополнительно ( … ) > Потоки.
  3. На странице анализа темы вы можете:
    • Проанализируйте распределение потоков по состояниям потоков или по предполагаемому времени ЦП.
    • Включайте или исключайте данные об ожидающих потоках в любое время, установив соответствующий флажок.
    • Фильтровать данные
      • По типу запроса. Выберите Фильтр запросов > Тип и выберите вариант.
      • По запросу имя группы потоков. Выберите имя группы потоков. Сегментация групп потоков учитывает тот факт, что они обычно выполняют разные функции, и дает вам быстрые средства для идентификации потребителей ЦП.
    • Проанализируйте горячие точки метода группы потоков. В столбце Действия группы потоков выберите Дополнительно ( … ) > Хотспоты метода.

Случаи использования

Потоки являются источником масштабируемости, поскольку они позволяют вашим приложениям выполнять несколько задач одновременно. В определенных ситуациях это может стать источником проблем производительности. Например:

  • В системах с высокой нагрузкой могут возникнуть проблемы с блокировкой потоков, что не позволит масштабировать приложение .
  • Если количество активных потоков слишком велико, ресурсы ЦП могут расходоваться впустую из-за чрезмерной загрузки или из-за того, что операционным системам приходится планировать тысячи потоков на ограниченном наборе ядер.

Пример: блокировки препятствуют масштабируемости приложения

Определите проблемы масштабируемости

В этом примере группа процессов idea*.exe показывает всплеск потребления ЦП. Мы исследуем проблему на странице анализа потоков , начиная с фильтрации списка групп потоков по состоянию потока Блокировка.

184.png

Мы видим, что система не в плохом состоянии, но все еще есть блокирующее поведение, влияющее на 23группы потоков. Мы выбираем первую и наиболее затронутую группу потоков, JobScheduler FJ pool, чтобы продолжить наш анализ.

185.png

Для группы потоков JobScheduler FJ pool значительное количество времени (почти половина: 46.1%) постоянно тратится на блокировку, и она распределена по 15потокам. Это указывает на общую блокировку, влияющую на все эти потоки. Мы хотим избежать такого поведения, поскольку оно ограничивает как скорость, так и возможность увеличения пропускной способности путем добавления ресурсов. В конечном итоге это может привести к состоянию, когда система не сможет обрабатывать больше данных, даже если мы добавим больше оборудования.

Чтобы добраться до первопричины, выбираем Дополнительно ( … ) > Методы вызова.

186.png

На основе полученной информации мы можем локализовать проблему блокировки и протестировать различные способы написания кода для повышения его производительности.

Пример: Большое количество потоков приводит к чрезмерному использованию ресурсов.

Определите группы потоков, интенсивно использующие ЦП

В этом примере группа процессов doaks-prod1-eastus-cassandra тратит часть времени 9.97% на выполнение кода.

187.png

Мы выбираем время ЦП , чтобы понять, как поведение влияет на потребление ЦП. Из диаграммы мы видим, что группа потоков MutationStage вносит наибольший вклад. Из таблицы ниже мы узнаем, что она тратит 1.6 d в Оценочном времени ЦП и 3.55% в Общей трассировке в выполнении кода.

188.png

Мы хотим определить, какой код выполняется и как он влияет на потребление ЦП. После выбора имени группы потоков (MutationStage), первый поток в списке внизу страницы является самым затратным (MutationStage-2).

189.png

Чтобы увидеть список точек доступа, выбираем Дополнительно ( … ) > Хотспоты метода для MutationStage-2.

190.png

Теперь мы видим, что Unsafe.unpark это способствует 30.1% выполнению кода и является хорошим показателем для оптимизации.