问题描述：

　　通过WebServer将监控数据入库到Hbase，在入库之前需要将指标与ip的列表更新到缓存中，以便前台页面随时选择查看。前两天上了一些新用户导致负载增加，逐渐发现某些用户的监控场景出现丢数据的情况，估计Tps要在1w以上。丢数据会导致前段曲线毛刺增加，体验极差，所以优化WebServer的接收程序需要立马执行。

 

解决过程：

　　查看GC，YGC频繁，但FGC基本很少发生，所以丢数据应该不是GC停顿导致的。既然是加了量导致，那么应该跟处理的性能有关。在看一遍代码，看出了问题。首先写入模块实现的简单粗暴，当时为了避免多线同步问题，连接-写入-关闭实现在了一个方法体内。另外此时发现CPU也非常的高，这个之前并没有在意（之前是加入了更新缓存的功能，但是CPU升高并没有引起在意），当时以为是量增大导致，于是先利用nginx加了机器，发现问题并没有解决。重新了入库代码，单例同步方式将数据添加到Buffer，然后达到一定的阈值刷写到Hbase。再一看，还没解决，但是YGC明显减少。CPU还是很高，打开日志查看还有一些因为并发修改导致的异常，定位问题所在，就是更新缓存的模块出了问题。一看代码，确实有几个HashMap没有加同步，只要一遇到异常，那么serverlet线程就退出本次操作，所以后续的消息入库也就无从谈起。之前的量级不大，并且不是时刻调用，所以，由于并发异常导致的崩溃也不是时常发生。再看代码，代码写得很粗暴，由于是每时每刻都有可能会出现新的数据，所以需要用对缓存的数据做判断要不要更新。其实这是多此一举，add方法是密等操作，所以你直接add就行，这样省去很多无谓的比较，判断。而且每次来数据都更新是完全没必要的，因为新数据（主要是一些新添的监控维度和ip）到来的概率不高，并且实时性没必要做到完全实时，所以采用同步add到本地HashMap，然后达到一定阈值在set到memcached之中，这样大大减少无谓的比较已经对缓存的操作。另外在清理过期数据时，可以一天清理一次，判断是否是下一天的开始，如果是下一天，那么就在add中先做一下清理操作，然后在add。

 

总结：

　　对于无状态转发，nginx是无二之选；

　　近实时的应用出问题要看是否出现FGC停顿，有时候是要命的；（当然这次不是因为这个引起）

　　多线程一定考虑同步问题；尽量不使用多线程；

　　事先做好批量设计，要清楚各类操作的时耗比例，比如建立连接要比一次写入耗时的多；

　　权衡实时性与吞吐率，一般而言要考虑吞吐率，在可以忍受的范围稍微降低一下服务质量，性能会有质的飞跃；

　　幂等操作会省去你很多麻烦的逻辑，也容易提高性能；

　　这次犯错误下次就不要再犯，否则对不起你逝去的时间；