京东商详前台系统优化实践
商品详情页又名单品页，是京东商城购物主流程之一。商品详情页作为用户了解商品信息的主要页面，有上百种业务场景，并且展示层面要求个性化场景较多，同时承载着京东购物主流程最大的访问量，再加上电商共同的特点，秒杀类场景居多，尤其以618和双11 更为突出。这样就对商详系统的性能提出了很高的要求，今年公司提出的降本提效的战略，以前一直扩机器的模式显然已经不可持续。在这个大背景下，我们开始对系统性能做针对性的提升优化，下面的介绍希望读者可以对商详有一个全面的了解。
商详系统做为承上启下的系统，承接着客户端商品页过来的所有流量，再调用中台各个业务系统获取信息。
业务角度商详业务主要分为以下场景：优惠券场景，用户信息场景，价格信息场景，促销场景，商品与扩展信息场景，库存与履约场景。
结构上来讲 整个商详业务分为 客户端，前台，中台，后台。这里主要介绍的系统为商详前台系统。
purewaresoa 是商详老系统，整体提供http服务，流程为流量从app客户端过来，然后过nginx ,如果是静态资源的话 会走cdn缓存，然后到tomcat, 系统内部为sirector（公司自研的并发流程编排框架）流程编排，然后到jsf 客户端调用jsf 服务获取业务信息。
warecoresoa 系统为商详新系统，提供jsf 服务给容器（提供楼层样式配置化支持的系统）调用最终组合成楼层信息给客户端用，所以流量会先过容器再到warecoresoa ,系统内部通过sirector 流程编排调用jsf 服务 获取业务信息。
系统内存分析
java内存分析一般采用Java jmap dump下系统内存文件 使用mat 进行分析,上图是一台机器内存报警时dump下来的内存文件。经过分析发现系统内存占用主要集中在两块，1. zk 本地缓存 2.ump 统计 。
系统线程分析
线程栈一般通过jstack 得到，或者使用京东工具jvm.jd.com 连接上对应机器导出java进程所有的线程，以下为warecore整理过后的所有线程（线程数量非最终线程数量）
{"taskProcessorThreadPool": 10, //队列线程"nioEventLoopGroup": 10, //netty 对应线程"userTracerWorker": 100, //ump 线程"Jst": 7,"BrokenConnectionDestroyer": 2,"SystemClock": 1,"pool": 331,{"pool-10":200, //sirector 线程"pool-4":128, //jimdb 连接线程池"pool-3":1,"pool-2":1,"pool-1":1}"JSF": 699,{"JSF-CLI-WORKER": 9,"JSF-SEV-BOSS": 1,"JSF-CLI-RC": 156, //客户端线程"JSF-SEV-WORKER": 2, //jsf io线程池"JSF-Future-Checker": 2,"JSF-jsfRegistry-HB&Retry": 1,"JSF-BZ-22000": 215, //业务线程池"JSF-CLI-CANDIDATE": 156, //客户端线程"JSF-CLI-HB": 155, //客户端线程"JSF-FileRegistry-Back": 1,"JSF-jsfRegistry-Check": 1}"UpdateProfile": 1,"ContainerBackgroundProcessor[StandardEngine[Catalina]]": 1,"CfsHeartbeat": 6, //jimdb 心跳线程"main": 1,"commons": 1,"CLIENT_SIDE_RINGBUFFER": 1,"Reference Handler": 1,"Finalizer": 1,"localhost": 6, //tomcat 线程"ZkClient": 3,"I/O dispatcher 2": 1,"PathCache": 1,"IoLoopGroup ": 4,"I/O dispatcher 3": 1,"I/O dispatcher 4": 1,"I/O dispatcher 5": 1,"I/O dispatcher 6": 1,"I/O dispatcher 7": 1,"I/O dispatcher 8": 1,"GC Daemon": 1,"RMI TCP Connection(2)": 1,"Signal Dispatcher": 1,"FailoverEvent": 8,"RMI Scheduler(0)": 1,"Thread": 1,"System_Clock": 1,"NioBlockingSelector.BlockPoller": 1,"http": 3,"UMP": 11,"JMX server connection timeout 36": 1,"ClearTimeout": 1,"ClusterManager": 1,"UpdateCluster": 1,"ChannelEvent": 8,"I/O dispatcher 1": 1,"RMI TCP Accept": 3}
系统cpu分析
随着计算机的发展，cpu 逐渐成了系统性能的主要瓶颈，所以也诞生了各种各样的针对cpu 的分析工具，这里主要用了 火焰图和arthas 来进行分析
火焰图
arthas -- 按cpu 统计
商详系统优化历程：
以下3个阶段划分属于时间点划分
并行化
动静分离
cdn加速
lua静态化
垃圾收集器
Tomcat nio
jdk8 tomcat8
线程池调优
堆内存调优
本地缓存命中率
热点方法缓存覆盖率
分布式缓存命中率
异步化(io异步，日志异步，懒加载)
业务重构(重构,上移下沉,降级)
工具
工欲善其事，必先利其器
性能调优主要是工具的使用
公司内部
首先当然是公司内部工具的使用，如下：
forcebot
mdc
ump
visual
开源工具集
Linux 系统工具
以上是linux 调优大神整理的工具集
当然还会用到一些jdk 自带的命令，如 jps jstat,jmap,jstack. 等等。
线程池相关
火焰图相关