谁是性能杀手？Kafka多Topic下启用SSL时延增大问题分析

问题背景

创新互联是一家专业提供万全企业网站建设,专注与成都网站设计、成都做网站、H5网站设计、小程序制作等业务。10年已为万全众多企业、政府机构等服务。创新互联专业网站设计公司优惠进行中。

项目中将Kafka接口进行RESTful封装，在使用RESTful接口进行性能测试时，发现Topic数增多后，开启SSL与非SSL进行测试，发现开启SSL后性能下降得厉害。例如600个Topic总数每个Topic3分区3副本的场景下，使用1200个线程只发送10个Topic，开启SSL的TPS只有3100，但是不开启SSL性能达到11000。

其中测试客户端会启动多个线程，每个线程采用同步发送的方式调用RESTful API发送，即每次发送成功一条后才发送下一条。 客户端会根据发送线程在Topic数之间进行均分，例如1200个线程发送10个Topic，则每个Topic同时有120个线程进行发送。

定位与分析过程

1.SSL性能下降

1.定位分析

开启SSL是会导致性能下降的， 主要来自于CPU的耗时与JVM的具体实现，参见Kafka官网的解释：

从我们之前测试的结果来看，高可靠场景SSL性能下降并没有太厉害（从2.3W TPS下降到2.1W TPS）。应该是触发了某些其他问题。通过JStack查看启动SSL下的堆栈，发现存在一些发送线程被Block住：

这个堆栈里面做的事情，是来自于java.security.SecureRandom要产生随机数，采用”SHA1PRNG”算法。在sun/oracle的jdk里，这个随机算法的的实现在底层依赖到操作系统提供的随机数据，默认用的是/dev/random，在读取时，/dev/random设备会返回小于熵池噪声总数的随机字节。/dev/random可生成高随机性的公钥或一次性密码本。若熵池空了，对/dev/random的读操作将会被阻塞，直到收集到了足够的环境噪声为止。这个问题在网上也查到，主要是JDK提供的SecureRandom函数存在1个全局的锁，在熵源不足且SSL线程多的时候很容易碰到这个问题，具体见：

https://github.com/netty/netty/issues/3639

http://bugs.java.com/view_bug.do?bug_id=6521844

2.解决措施

措施一：更新JDK

目前这个问题是在OpenJDK 1.8中解决了，可以通过升级JDK到使用OpenJDK，但是这个方案不太好替换，并且OpenJDK和原来有什么不兼容还不清楚。

措施二：采用非阻塞的熵源: /dev/urandom

通过设置-Djava.security.egd=file:/dev/./urandom宏，随机数时选择/dev/urandom，它会重复地使用熵池中的数据以产生伪随机数据避免阻塞，不过随机安全性会降低。

2.Topic多情况下性能下降

1.定位分析

发现在Topic600个情况下，非SSL与SSL的时延其实差距并没有原先发现的问题那么大，以下是我们用SDK接口测试的时延数据：

600个 Topic总量下，400个线程同时发送10个Topic，非SSL与SSL时延对比：

可以看出时延差距在20%之内，主要的时延增加来自于Topic增多导致的。 

为什么Topic增多会导致时延增多？针对这个问题通过在程序进行打点测试，以下是在不同的Topic数量情况下，针对10个Topic，总发送5000条消息的场景下，非SSL时延对比：

其中总时延 = 消息的待发送队列等待时延 + 服务端处理平均时延 + 网络发送与响应时延。

从上面的表格可以看出基本上每个处理环节上都增加了时延4~5倍。为什么会出现这种情况？分析如下可能点：

1、磁盘的写速度变慢

2、Server由于Topic多需要过滤信息变慢

3、复制处理在多Topic下变慢。即使无数据，多Topic下复制线程也会一直发送空请求

4、Topic多资源占用大

通过逐一分析、排除与测试，主要原因还是在第三点：服务端在复制处理在Topic数量多的情况下变慢导致的。

例如10个Topic的时候，如果用10个复制线程（目前性能测试就是配置10）用于副本复制，则每个复制线程会分配到1个Topic；而当Topic有600个的时候，如果还是10个复制线程用于副本复制，则每个复制线程会分配到60个Topic。 如果此时只发送前10个Topic的时候，很有可能只有1个复制线程在工作，其他的复制线程由于分配到的Topic没有数据，基本处于空闲状态。

2.解决措施

既然复制线程变慢，我们可以通过继续增加复制线程的方式提高性能，在600个Topic场景只发送10个Topic场景下，我们把复制线程提升到60个，这样10个Topic能尽可能分配到不同的复制线程中，提高了复制的速度。以下是实际测试结果：

可以看到增加到60个fetch线程后，时延变为100ms左右。同时原来的环境下，通过增加复制线程（修改配置num.replica.fetchers=60），在原环境下1200个发送线程即使启动SSL，性能也能达到11000+。

性能提升措施总结

RESTful API是同步接口，但是内部使用的SDK接口是异步发送。根据高可靠场景下异步发送的能力能达到2W+ TPS来看，主要还是同步接口的并发压力上不去导致的，可以通过以下措施来改进：

1、增加请求等待时间linger.ms

通过在客户端增加参数linger.ms，使得每个请求回等待指定的时间后再发送，使得每个请求可以发送更多的数据，即增加合包率。

2、增加同步发送对同1个Topic的并发数量

3、减少Topic的分区数

因为目前RESTful API并没有用尽服务端的能力（1个分区的能力瓶颈还没达到），默认的3个分区是浪费资源，并且会导致合包率降低，如果采用1个分区，则同样的压力下，合包率能提升3倍，这样性能也能提升。这个措施还可以支持更多的Topic数。

4、增加复制线程

5、考虑提供异步发送SDK接口