当我们的业务发展到一定阶段的时候，系统的复杂度往往会非常高，不再是一个简单的单体应用所能够承载的，随之而来的是系统架构的不断升级与演变。一般对于大型的To C的互联网企业来说，整个系统都是构建于微服务的架构之上，原因是To C的业务有着天生的微服务化的诉求：需求迭代快、业务系统多、领域划分多、链路调用关系复杂、容忍延迟低、故障传播快。微服务化之后带来的问题也很明显：服务的管理复杂、链路的梳理复杂、系统故障会在整个链路中迅速传播。

这里我们不讨论链路的依赖或服务的管理等问题，本次要解决的问题是怎么防止单个系统故障影响整个系统。这是一个复杂的问题，因为服务的传播特性，一个服务出现故障，其他依赖或被依赖的服务都会受到影响。为了找到解决问题的办法，我们试着通过5why提问法来找答案。

PS：这里说的系统故障，是特指由于慢调用、慢查询等影响系统性能而导致的系统故障。

问

怎么防止单个系统故障影响整个系统？

避免单个系统的故障的传播。

答

问

怎么避免故障的传播？

找到系统故障的原因，解决故障。

答

问

怎么找到系统故障的原因？

找到并优化系统中耗时长的方法。

答

问

怎么找到系统中耗时长的方法？

通过对特定方法做AOP拦截。

答

问

怎么对特定方法做AOP拦截？

通过字节码增强的方式对目标方法做拦截并植入内联代码。

答

通过5why提问法，我们得到了解决问题的方法，我们需要对目标方法做AOP拦截，统计业务方法及各个子方法的耗时，得到所有方法的耗时分布，快速定位到比较慢的方法，最后找出业务系统的性能瓶颈在哪里。

我们知道AOP是一种编码思想，跟OOP不同，AOP是将特定的方法逻辑，以切面的形式编织到目标方法中，这里不再赘述AOP的思想。

如果在网上搜一下“AOP的实现方式”，你会得到大致相同的结果：AOP的实现方式是通过动态代理或Cglib代理。其实这不太准确，准确的来说，AOP可以通过代理或Advice两种方式来实现。请注意这里说的Advice并不是Spring所依赖的aspectj中的Advice，而是一种代码织入的技术，它与代理的区别在于，代码织入技术不需要创建代理类。

如果用图形表示的话，可以更简单更直观的感受到两者的区别。代码织入的方式，不会创建代理类，而是直接在目标方法的方法体的前后织入一段内联的代码，以达到增强的效果，如下图所示：

我选择代码织入技术而不是AOP，原因是可以避免创建大量的代理类增加元空间的内存占用，另外代码织入技术更底层一些，能实现的能力更强，此外内联代码会随着原方法一起执行，性能也更好。

有了具体的技术选型的方案之后，我们还需要确定该方案的建设目标，以下整理了一些基本的目标：

代码织入的时机也有多种方式，比如Lombok是通过在编译器对代码进行织入，主要依赖的是在 Javac 编译阶段利用“Annotation Processor”，对自定义的注解进行预处理后生成代码然后织入；其他的像CGLIB、ByteBuddy等框架是在运行时对代码进行织入的，主要依赖的是Java Agent技术，通过JVMTI的接口实现在运行时对字节码进行增强。

本次的技术方案，用一句话可以概括为：通过字节码增强，对指定的目标方法进行拦截，并在方法前后织入一段内联代码，在内联代码中计算目标方法的耗时，最后将统计到的方法信息进行分析。

整个方案的代码实现非常简单，用一个图描述如下：

项目的代码结构如下所示，核心代码非常少：

其中Enhancer是增强器的入口类，在增强器启动时会扫描所有的插件：EnhancedPlugin。

EnhancedPlugin表示的是一个执行代码增强的插件，其中定义了几个抽象方法，需要由用户自己实现：

/** * 执行代码增强的插件 * * @auther houyi.wh * @date 2023-08-15 20:12:01 * @since 0.0.1 */public abstract class EnhancedPlugin {
    /**     * 匹配特定的类型     *     * @return 类型匹配器     * @since 0.0.1     */    public abstract ElementMatcher.Junction<TypeDescription> typeMatcher();
    /**     * 匹配特定的方法     *     * @return 方法匹配器     * @since 0.0.1     */    public abstract ElementMatcher.Junction<MethodDescription> methodMatcher();
    /**     * 负责执行增强逻辑的拦截器     *     * @return 拦截器     * @since 0.0.1     */    public abstract Class<? extends Interceptor> interceptorClass();
}

此外EnhancedPlugin中还需要指定一个Interceptor，一个Interceptor是对目标方法执行代码增强的拦截器，主要的拦截逻辑定义在Interceptor中。

扫描到EnhancedPlugin之后，会构建ByteBuddy的AgentBuilder，主要的构建过程为：

1、找到所有匹配的类型

2、找到所有匹配的方法

3、传入执行代码增强的Transformer

最后通过AgentBuilder.install方法将增强的代码Transformer，传递给Instrumentation实例，实现运行时的字节码retransformation。

这里的Transformer是由Advice负责实现的，而在Advice中实现了增强逻辑的dispatch，即根据不同的EnhancedPlugin可以将增强逻辑交给指定的Interceptor拦截器去实现，主要在拦截器中抽象了两个方法。一个是beforeMethod，负责在目标方法调用之前进行拦截：

/** * 在方法执行前进行切面 * * @param pluginName 绑定在该目标方法上的插件名称 * @param target     目标方法所属的对象，需要注意的是@Advice.This不能标识构造方法 * @param method     目标方法 * @param arguments  方法参数 * @return 方法执行返回的临时数据 * @since 0.0.1 */@Advice.OnMethodEnterpublic static <T> T beforeMethod(        // 接收动态传递过来的参数        @PluginName String pluginName,        // optional=true，表示this注解可以接收：构造方法或静态方法(会将this赋值为null)，而不报错        @Advice.This(optional = true) Object target,        // 目标方法        @Advice.Origin Method method,        // nullIfEmpty=true，表示可以接收空参数        @Advice.AllArguments(nullIfEmpty = true) Object[] arguments) {    String[] parameterNames = new String[]{};    T transmitResult = null;    try {        InstanceMethodInterceptor<T> interceptor = getInterceptor(pluginName);        // 执行beforeMethod的拦截逻辑        transmitResult = interceptor.beforeMethod(target, method, parameterNames, arguments);    } catch (Throwable e) {        InternalLogger.AutoDetect.INSTANCE.error("InstanceMethodAdvice beforeMethod occurred error", e);    }    return transmitResult;}

一个是afterMethod，负责在目标方法被调用之后进行拦截：

/** * 在方法执行后进行切面 * * @param pluginName     绑定在该目标方法上的插件名称 * @param transmitResult beforeMethod所传递过来的临时数据 * @param originResult   目标方法原始返回结果，如果目标方法是void型，则originResult为null * @param throwable      目标方法抛出的异常 */@Advice.OnMethodExit(onThrowable = Throwable.class)public static <T> void afterMethod(        // 接收动态传递过来的参数        @PluginName String pluginName,        // beforeMethod传递过来的临时数据        @Advice.Enter T transmitResult,        // typing=DYNAMIC，表示可以接收void类型的方法        @Advice.Return(typing = Assigner.Typing.DYNAMIC) Object originResult,        // 目标方法自己抛出的运行时异常，可以在方法中进行捕获，看具体的需求        @Advice.Thrown Throwable throwable) {    try {        InstanceMethodInterceptor<T> interceptor = getInterceptor(pluginName);        // 执行afterMethod的拦截逻辑        interceptor.afterMethod(transmitResult, originResult);    } catch (Throwable e) {        InternalLogger.AutoDetect.INSTANCE.error("InstanceMethodAdvice afterMethod occurred error", e);    }}

Advice的特点是：不会更改目标类的字节码结构，比如：不会增加字段、方法，不会修改方法的参数等等。

该增强组件是一个轻量化的通用的增强包，几乎可以实现你能想到的任意功能，本次我们的需求是要采集特定目标方法的方法耗时，以便分析出方法的性能瓶颈。

基于该组件我们需要实现两个类：一个是插件，一个是拦截器。

插件中主要实现的是两个方法：匹配特定的类型，匹配特定的方法。

这里的类型匹配或方法匹配，是采用的ByteBuddy的ElementMatcher，它是一个非常灵活的匹配器，在ElementMatchers中有很多内置的匹配实现，只要你能想到的匹配方式，通过它几乎都能实现匹配。

匹配特定的类型目前我定义了两种匹配方式，一种是根据类名(或者包名)，一种是根据方法上的注解，具体的代码实现如下：

public class MethodCallPlugin extends EnhancedPlugin {
    private final List<String> anyClassNameStartWith;    private final List<String> anyAnnotationNameOnMethod;
    /**     * 方法调用拦截插件     *     * @param anyClassNameStartWith     任何包路径，或者全限定类名     * @param anyAnnotationNameOnMethod 任何方法上的注解的全限定名称     */    public MethodCallPlugin(List<String> anyClassNameStartWith, List<String> anyAnnotationNameOnMethod) {        boolean nameStartWithInvalid = anyClassNameStartWith == null || anyClassNameStartWith.isEmpty();        boolean annotationNameOnMethodInvalid = anyAnnotationNameOnMethod == null || anyAnnotationNameOnMethod.isEmpty();        if (nameStartWithInvalid && annotationNameOnMethodInvalid) {            throw new IllegalArgumentException("anyClassNameStartWith and anyAnnotationNameOnMethod can't be both empty");        }        this.anyClassNameStartWith = anyClassNameStartWith;        this.anyAnnotationNameOnMethod = anyAnnotationNameOnMethod;    }
    @Override    public ElementMatcher.Junction<TypeDescription> typeMatcher() {        ElementMatcher.Junction<TypeDescription> anyTypes = none();        if (anyClassNameStartWith != null && !anyClassNameStartWith.isEmpty()) {            for (String classNameStartWith : anyClassNameStartWith) {                // 根据类的前缀或者全限定类名进行匹配                anyTypes = anyTypes.or(nameStartsWith(classNameStartWith));            }        }        if (anyAnnotationNameOnMethod != null && !anyAnnotationNameOnMethod.isEmpty()) {            ElementMatcher.Junction<MethodDescription> methodsWithAnnotation = none();            for (String annotationNameOnMethod : anyAnnotationNameOnMethod) {                // 根据方法上是否有特定注解进行匹配                methodsWithAnnotation = methodsWithAnnotation.or(isAnnotatedWith(named(annotationNameOnMethod)));            }            anyTypes = anyTypes.or(declaresMethod(methodsWithAnnotation));        }        return anyTypes;    }}

匹配特定方法的逻辑就比较简单了，可以匹配除了构造方法之外的任意方法：

public class MethodCallPlugin extends EnhancedPlugin {
    @Override    public ElementMatcher.Junction<MethodDescription> methodMatcher() {        return any().and(not(isConstructor()));    }}

类型匹配和方法都匹配到之后，就需要实现方法增强的拦截器了：

我们需要获取方法调用的信息，包括方法名、调用堆栈及深度、调用的耗时，所以我们需要定义三个ThreadLocal用来保存方法调用的堆栈：

/** * 方法调用信息的拦截器 * 在方法调用之前进行拦截，将方法调用信息封装后，放入堆栈中， * 在方法调用之后，从堆栈中将所有方法取出来，按照进入堆栈的顺序进行排序， * 得到方法调用信息的列表，最后将该列表交给{@link MethodCallHandler}进行处理 * 如果用户指定了自己的{@link MethodCallHandler}则优先使用用户自定义的Handler进行处理 * 否则使用SDK内置的{@link MethodCallHandler.PrintLogHandler}进行处理，即将方法调用信息打印到日志中 * * @auther houyi.wh * @date 2023-08-16 10:16:48 * @since 0.0.1 */public class MethodCallInterceptor implements InstanceMethodInterceptor<MethodCall> {
    /**     * 当前方法进入方法栈的顺序     * 用以最后一个方法出栈后，进行方法调用栈的排序     *     * @since 0.0.1     */    private static final ThreadLocal<AtomicInteger> methodEnterStackOrderThreadLocal = new TransmittableThreadLocal<AtomicInteger>() {        @Override        protected AtomicInteger initialValue() {            return new AtomicInteger(0);        }    };
    /**     * 当前方法调用栈     *     * @since 0.0.1     */    private static final ThreadLocal<Deque<MethodCall>> methodStackThreadLocal = new ThreadLocal<Deque<MethodCall>>() {        @Override        protected Deque<MethodCall> initialValue() {            return new ArrayDeque<>();        }    };
    /**     * 当前方法栈中所有方法调用的信息     *     * @since 0.0.1     */    private static final ThreadLocal<List<MethodCall>> methodCallThreadLocal = new ThreadLocal<List<MethodCall>>() {        @Override        protected ArrayList<MethodCall> initialValue() {            return new ArrayList<>();        }    };    }

这里主要使用了三个ThreadLocal来保存方法调用过程中的数据：方法的完整堆栈、方法进入堆栈的顺序、方法的调用信息列表，为什么使用ThreadLocal而不是TransmittableThreadLocal，这里先按下不表，后面我们通过具体的例子来分析下原因。

紧接着，我们需要定义方法进入前的拦截逻辑，将方法调用信息压入堆栈中：

@Overridepublic MethodCall beforeMethod(Object target, Method method, String[] parameters, Object[] arguments) {    // 排除掉各种非法拦截到的方法    if (target == null) {        return null;    }    String methodName = target.getClass().getName() + ":" + method.getName() + "()";    Deque<MethodCall> methodCallStack = methodStackThreadLocal.get();    // 当前方法进入整个方法调用栈的顺序    int methodEnterOrder = methodEnterStackOrderThreadLocal.get().addAndGet(1);    // 当前方法在整个方法栈中的深度    int methodInStackDepth = methodCallStack.size() + 1;
    MethodCall methodCall = MethodCall.Default.of()            .setMethodName(methodName)            .setCallTime(System.nanoTime())            .setThreadName(Thread.currentThread().getName())            .setCurrentMethodEnterStackOrder(methodEnterOrder)            .setCurrentMethodInStackDepth(methodInStackDepth);    // 将当前方法的调用信息压入调用栈    methodCallStack.push(methodCall);    return methodCall;}

最后在方法退出时，我们需要从ThreadLocal中取出方法调用信息，并做相关的处理：

@Overridepublic void afterMethod(MethodCall transmitResult, Object originResult) {    if (target == null) {        return null;    }    Deque<MethodCall> methodCallStack = methodStackThreadLocal.get();    MethodCall lastMethodCall = methodCallStack.pop();    // 毫秒单位的耗时    double costTimeInMills = (double) (System.nanoTime() - lastMethodCall.getCallTime()) / 1000000.0;    lastMethodCall.setCostInMills(costTimeInMills);
    List<MethodCall> methodCallList = methodCallThreadLocal.get();    methodCallList.add(lastMethodCall);    // 如果堆栈空了，则说明最顶层的方法已经退出了    if (methodCallStack.isEmpty()) {        // 对方法调用列表进行排序        sortMethodCallList(methodCallList);        // 获取MethodCallHandler对MethodCall的信息进行处理        MethodCallHandler methodCallHandler = Configuration.Global.getGlobal().getMethodCallHandler();        methodCallHandler.handle(methodCallList);
        // 方法退出时，将ThreadLocal中保存的内容清空掉，而不是将ThreadLocal remove，        // 因为如果每次方法退出时，都将ThreadLocal都清空，当下一个方法再进入时又需要初始化新的ThreadLocal，性能会有损耗        methodCallStack.clear();        methodCallList.clear();        // 将临时保存的方法调用顺序清空        methodEnterStackOrderThreadLocal.get().set(0);    }}
private void sortMethodCallList(List<MethodCall> methodCallList) {    methodCallList.sort(new Comparator<MethodCall>() {        @Override        public int compare(MethodCall o1, MethodCall o2) {            // 根据每个方法进入方法栈的顺序进行排序            return Integer.compare(o1.getCurrentMethodEnterStackOrder(), o2.getCurrentMethodEnterStackOrder());        }    });}

需要注意的是，这里我定义了一个MethodCallHandler接口，该接口可以实现对采集到的方法调用信息的处理，用户可以自定义自己的MethodCallHandler。组件中也提供了默认的实现，即将采集到的方法调用信息打印到日志中：

我们定义一个方法调用的测试样例类，其中定义了很多普通的方法，如下所示：

public class MethodCallExample {    public void costTime1() {        System.out.println("costTime1");        randomSleep();        innerCostTime1();    }    public void costTime2() {        System.out.println("costTime2");        randomSleep();        innerCostTime2();    }    public void costTime3() {        System.out.println("costTime3");        randomSleep();    }    public void innerCostTime1() {        System.out.println("innerCostTime1");        randomSleep();    }    public void innerCostTime2() {        System.out.println("innerCostTime2");        randomSleep();    }    private void randomSleep() {        Random random = new Random();        try {            Thread.sleep(random.nextInt(100));        } catch (InterruptedException e) {            throw new RuntimeException(e);        }    }}

启动Enhancer，并调用测试样例中的方法：

public static void main(String[] args) {    MethodCallPlugin plugin = new MethodCallPlugin(Collections.singletonList("com.shizhuang.duapp.enhancer.example"), null);    Enhancer enhancer = Enhancer.Default.INSTANCE;    enhancer.enhance(Configuration.of().setPlugins(Collections.singletonList(plugin)));
    MethodCallExample example = new MethodCallExample();    example.costTime1();    example.costTime2();    example.costTime3();            try {        // 这里主要是防止主线程提前结束        Thread.sleep(5000);    } catch (InterruptedException e) {        throw new RuntimeException(e);    }}

执行后，可以得到如下的结果：

从结果上看已经可以满足绝大多数的情况了，我们拿到了每个方法的调用耗时，以及整个方法的调用堆栈信息。

但是这里的方法都是同步方法，如果有异步方法，会怎么样呢？

我们将其中一个方法改成异步线程执行：

private void randomSleep() {    new Thread(() -> {        Random random = new Random();        try {            Thread.sleep(random.nextInt(100));        } catch (InterruptedException e) {            throw new RuntimeException(e);        }    }).start();}

再次执行后，得到如下的结果：

从结果中可以看到，因为randomSleep方法中通过Thread变成了异步执行，而增强器拦截到的randomSleep实际是Thread.start()的方法耗时，Thread内部的Runnable的方法耗时没有采集到。

为什么Runnable的方法耗时没有采集到呢？原因是Runnable内部是一个lambda表达式，生成的是一个匿名方法，而匿名方法的默认是无法被拦截到的。

具体的原因可以参考这篇文章：

ByteBuddy的作者解释了lambda的特殊性，包括为什么无法对lambda做instrument，以及ByteBuddy为了实现对lambda表达式的拦截做了一些支持。

不过只在OpenJDK8u40版本以上才能生效，因为之前版本的JDK在invokedynamic指令上有bug。

我们打开这个Lambda的策略开关：

可以拦截到lambda表达式生成的匿名方法了：

如果我们不打开Lambda的策略开关，也可以将匿名方法实现为具名方法：

private void randomSleep() {    new Thread(() -> {        doSleep();    }).start();}
private void doSleep() {    Random random = new Random();    try {        Thread.sleep(random.nextInt(100));    } catch (InterruptedException e) {        throw new RuntimeException(e);    }}

甚至可以拦截到lambda方法中的具名方法：

上面我提了一个问题，为什么拦截器中保存方法调用信息的ThreadLocal不用TransmittableThreadLocal，而是用普通的ThreadLocal，这里我们把拦截器中的代码改一下：

执行后发现效果如下：

可以看到异步方法和主方法合并到一起了，原因是我们保存方法调用堆栈信息使用了TransmittableThreadLocal，而TTL是会在主子线程中共享变量的，当主线程中的costTime1方法还未退出堆栈时，子线程中的doSleep方法已经进入堆栈了，所以导致堆栈信息一直未清空，而我们是在每个方法退出时判断当前线程中的堆栈是否为空，如果为空则说明方法调用的最顶层方法已经退出了，但是TTL导致堆栈不为空，只有当所有方法执行完毕后堆栈才为空，所以出现了这样的情况。所以这里保存方法调用堆栈的ThreadLocal需要用原生的ThreadLocal。

那么怎么实现一个方法的主方法在不同的主子线程中串起来呢？

通过常规的共享堆栈的方案无法实现主子线程中的方法的串联，那么可以通过TraceId来实现方法的串联，链路追踪的技术方案中提供了TraceId和rpcId两字字段，分别用来表示一个请求的唯一链路以及每个方法在该链路中的顺序(通过rpcId来表示)。这里我们只需要利用链路追踪里面的TraceId来串联同一个方法即可。具体的原理可以描述如下：

由于不同的链路追踪的实现方式不同，我这里定义了一个Tracer接口，由用户指定具体的Tracer实现：

/** * 链路追踪器 * * @auther houyi.wh * @date 2023-08-22 14:59:50 * @since 0.0.1 */public interface Tracer {
    /**     * 获取链路id     *     * @return 链路id     * @since 0.0.1     */    String getTraceId();
    /**     * 一个空的实现类     * @since 0.0.1     */    enum Empty implements Tracer {        INSTANCE;
        @Override        public String getTraceId() {            return "";        }    }}

然后在Configuration中设置该Tracer：

// 启动代码增强Enhancer enhancer = Enhancer.Default.INSTANCE;Configuration config = Configuration.of()      // 指定自定义的Tracer      .setTracer(yourTracer)      .xxx() // 其他配置项      ;enhancer.enhance(config);

需要注意的是，如果不指定Tracer，则会默认使用内置的空实现：

该组件的主要是通过拦截器进行代码增强，因为我们需要对拦截器的beforeMethod和afterMethod进行性能测试，通常常规的性能测试，是通过JMH基准测试工具来做的。

我们定义一个基准测试的类：

/* * 因为 JVM 的 JIT 机制的存在，如果某个函数被调用多次之后，JVM 会尝试将其编译成为机器码从而提高执行速度。 * 所以为了让 benchmark 的结果更加接近真实情况就需要进行预热 * 其中的参数 iterations 是预热轮数 */@Warmup(iterations = 1)/* * 基准测试的类型： * Throughput：吞吐量，指1s内可以执行多少次操作 * AverageTime：调用时间，指1次调用所耗费的时间 */@BenchmarkMode({Mode.AverageTime, Mode.Throughput})/* * 测试的一些度量 * iterations：进行测试的轮次 * time：每轮进行的时长 * timeUnit：时长单位 */@Measurement(iterations = 2, time = 1)/* * 基准测试结果的时间类型。一般选择秒、毫秒、微秒。 */@OutputTimeUnit(TimeUnit.MILLISECONDS)/* * fork出几个进场进行测试。 * 如果 fork 数是 2 的话，则 JMH 会 fork 出两个进程来进行测试。 */@Fork(value = 2)/* * 每个进程中测试线程的个数。 */@Threads(8)/* * State 用于声明某个类是一个“状态”，然后接受一个 Scope 参数用来表示该状态的共享范围。 * 因为很多 benchmark 会需要一些表示状态的类，JMH 允许你把这些类以依赖注入的方式注入到 benchmark 函数里。 * Scope 主要分为三种： * Thread - 该状态为每个线程独享。 * Group - 该状态为同一个组里面所有线程共享。 * Benchmark - 该状态在所有线程间共享。 */@State(Scope.Benchmark)public class MethodCallInterceptorBench {
    private MethodCallInterceptor methodCallInterceptor;    private Object target;    private Method method;    private String[] parameters;    private Object[] arguments;
    @Setup    public void prepare() {        methodCallInterceptor = new MethodCallInterceptor();        target = new MethodCallExample();        try {            method = target.getClass().getMethod("costTime1");        } catch (NoSuchMethodException e) {            throw new RuntimeException(e);        }        parameters = null;        arguments = null;    }
    @Benchmark    public void testMethodCallInterceptor_beforeMethod() {        methodCallInterceptor.beforeMethod(target, method, parameters, arguments);    }
    public static void main(String[] args) throws RunnerException {        Options opt = new OptionsBuilder()                .include(MethodCallInterceptorBench.class.getSimpleName())                .build();
        new Runner(opt).run();    }
}

基准测试的结果如下：

针对beforeMethod方法做了吞吐量和平均耗时的测试，每次调用的平均耗时为0.592ms，而吞吐量则为1ms内可以执行82.99次调用。

引入该Enhancer组件的依赖：

<dependency>    <groupId>com.shizhuang.duapp</groupId>    <artifactId>commodity-common-enhancer</artifactId>    <version>${commodity-common-enhancer-version}</version></dependency>

使用很简单，只需要在项目启动之后，调用代码增强的方法即可，对现有的业务代码几乎无侵入。

不指定配置信息，直接启动：

public class CommodityAdminApplication {    public static void main(String[] args) {        SpringApplication.run(CommodityAdminApplication.class, args);        // 启动代码增强        Enhancer enhancer = Enhancer.Default.INSTANCE;        enhancer.enhance(null);    }}

指定配置信息启动：

public class CommodityAdminApplication {    public static void main(String[] args) {        SpringApplication.run(CommodityAdminApplication.class, args);        // 启动代码增强        Enhancer enhancer = Enhancer.Default.INSTANCE;        Configuration config = Configuration.of()              .setPlugins(Collections.singletonList(plugin))              .xxx() // 其他配置项              ;        enhancer.enhance(config);    }}

比如你只想对方法耗时大于xx毫秒的方法进行分析，你可以在定义的MethodCallHandler中引入ark配置，然后过滤出耗时大于xx毫秒的方法，如：

enum MyCustomHandler implements MethodCallHandler {    INSTANCE;        private double maxCostTime() {        // 这里可以通过动态配置想要分析的方法耗时的最小值        return 500;    }
    @Override    public void handle(List<MethodCall> methodCallList) {        logger.info("=========================================================================");        // 检查方法耗时超过xx时，才打印        MethodCall firstMethodCall = methodCallList.stream().findFirst().orElse(null);        if (firstMethodCall == null) {            return;        }        // 方法耗时        double costInMills = firstMethodCall.getCostInMills();        int currentMethodEnterStackOrder = firstMethodCall.getCurrentMethodEnterStackOrder();        // 如果整体的方法小于500毫秒，则直接放弃        if (currentMethodEnterStackOrder == 1 && costInMills < maxCostTime()) {            return;        }        // 然后在这里实现方法耗时的打印        logger.info(getMethodCallInfo(methodCallList));    }}

比如你想通过动态开关来控制对方法耗时的统计分析，可以实现MethodCallSwither接口，然后在Configuration中传入自定义的MethodCallSwitcher，如下所示：

请注意，如果用户不指定MethodCallSwitcher，SDK会使用内置的MethodCallSwitcher.NeverStop 实现，表示永远不会停止采集。

/** * 是否停止采集MethodCall的开关 * * @auther houyi.wh * @date 2023-08-27 18:56:47 * @since 0.0.1 */public interface MethodCallSwitcher {
    /**     * 是否停止对方法的MethodCall的采集     * 如果返回true，则会停止对方法MethodCall的采集     *     * @return true：停止采集 false：继续采集     */    boolean stopScratch();
    /**     * 永远不停止采集     */    enum NeverStop implements MethodCallSwitcher {        INSTANCE;
        @Override        public boolean stopScratch() {            // 一直进行采集            return false;        }    }
}

用户如果想要实现自己的扩展能力，只需要实现EnhancedPlugin，以及Interceptor即可。

通过如下方式实现自定义插件：

public MyCustomePlugin extends EnhancedPlugin {        @Override    public ElementMatcher.Junction<TypeDescription> typeMatcher() {      // 实现类型匹配    }        @Override    public ElementMatcher.Junction<MethodDescription> methodMatcher() {      // 实现方法匹配    }        @Override    public Class<? extends Interceptor> interceptorClass() {      // 指定拦截器      return MyInterceptor.class;    }}

通过如下方式实现自定义拦截器：

// 临时传递数据的对象public class Carrier {
}
public class MyInterceptor implements InstanceMethodInterceptor<Carrier> {
    @Override    public Carrier beforeMethod(Object target, Method method, String[] parameters, Object[] arguments) {         // 实现方法调用前拦截    }    @Override    public void afterMethod(Carrier transmitResult, Object originResult) {        // 实现方法调用后拦截    }}

最后在项目启动时，启用自定义的插件，如下所示：

public class CommodityAdminApplication {    public static void main(String[] args) {        SpringApplication.run(CommodityAdminApplication.class, args);        // 启动代码增强        Enhancer enhancer = Enhancer.Default.INSTANCE;        Configuration config = Configuration.of()              // 指定自定义的插件              .setPlugins(Collections.singletonList(new MyCustomePlugin()))              .xxx() // 其他配置项              ;        enhancer.enhance(config);    }}

本篇文章我们介绍了在项目中遇到的性能诊断的需求和场景，并提供了一种通过插桩的方式对具体方法进行分析的技术方案，介绍了方案中遇到的难点以及解决方法，以及实际使用过程中可能存在的扩展场景。

未来我们将使用Enhancer在运行时动态的获取应用系统的性能分析数据，比如通过对某些性能有问题的嫌疑代码进行增强，提取到性能分析的数据后，最后结合Grafana大盘，展示出系统的性能大盘。

关注得物技术，每周一、三、五更新技术干货
要是觉得文章对你有帮助的话，欢迎评论转发点赞~
未经得物技术许可严禁转载，否则依法追究法律责任。

“

扫码添加小助手微信

如有任何疑问，或想要了解更多技术资讯，请添加小助手微信：