应用上线后出现卡顿,是团队最容易慌乱的时刻。测试时一切正常,用户却反馈打开慢、页面转圈、滑动不跟手、点击没反应。此时如果直接开始加缓存、扩服务器、改代码,往往忙了半天没效果。卡顿是一个表象,真正原因可能藏在客户端渲染、网络链路、网关、应用服务、中间件、数据库任何一层。排查的核心思路是分层定位,先缩小范围,再针对瓶颈动手。
先区分是界面卡还是接口慢
用户口中的卡通常有三种。第一种是滑动掉帧、动画不流畅,这大概率是客户端问题。常见原因是把网络请求、文件读写、大体积数据解析放在主线程,布局层级过深导致测量和布局耗时,界面重绘频繁,图片在界面线程解码,对象频繁创建销毁引发内存抖动和回收抢占资源,或者锁等待把主线程卡住。排查时可以先观察帧率和渲染耗时,看是否有持续掉帧,再用系统追踪能力查看渲染流程、进程通信和锁竞争,用性能剖析工具定位耗时方法,用内存分析工具确认是否存在泄漏和频繁回收。优化方向是把耗时操作移到后台,精简布局层级,减少重绘,图片压缩并按需加载,避免在绘制过程中创建对象,缩小锁范围。
第二种是点击后长时间转圈,重点看接口和网络。可以在客户端记录请求从发起、连接、握手、等待响应到接收完成的各阶段耗时,再和服务端记录的接口处理时间对比。如果服务端处理很快但客户端等待很久,问题多半在网络链路、网关、带宽或者解析环节。如果服务端本身处理就慢,那就是后端问题。
第三种是间歇性卡,一阵好一阵坏,常见于回收停顿、缓存集中失效、下游偶发超时、网络抖动、定时任务集中执行。这类问题最难靠复现解决,必须依赖长期监控数据。
用监控和日志快速缩小范围
先看三个维度。是所有接口都慢,还是单个接口慢。是所有用户都慢,还是部分用户慢。是持续慢,还是间歇性慢。
所有接口都慢,通常说明公共环节出问题,比如数据库压力过大、缓存服务异常、连接池耗尽、服务器资源打满、网关限流或者带宽被占满。单个接口慢,更可能是该接口自身查询逻辑低效、循环调用下游、锁竞争严重或者依赖服务拖慢。持续慢多指向代码逻辑、慢查询和资源不足。间歇性慢多指向回收停顿、缓存失效和下游抖动。
日志重点看三类。错误日志暴露异常堆栈、连接失败和依赖不可用。慢查询日志直接反映数据库是否成为瓶颈,把最慢的几条语句优先处理,通常收益最大。访问日志能看出请求量是否突增,是否存在异常来源高频刷接口,如果确实存在,需要尽快加上限流和风控策略,避免正常用户被拖垮。
从网络到网关,别忽略接入层
先确认解析是否耗时,连接建立是否缓慢,是否存在丢包和抖动,是否跨地域跨运营商导致延迟偏高,带宽是否被打满。响应体过大时,压缩、只返回必要字段、分页返回都能明显改善体感。
网络没问题,再看网关和负载均衡。很多后端负载不高却频繁超时的情况,是接入了连接数限制、带宽限制或者防护策略,把正常流量也拦住了。此时盲目扩容服务器毫无意义,需要先确认接入层配置。
服务器资源要看细节,不要只看使用率
关注处理器、内存、磁盘读写和网络吞吐。处理器用户态高,通常是密集计算或者低效循环。内核态高,可能是系统调用过于频繁。大量处于等待状态,往往是磁盘压力大,比如日志写得太多太频繁,可以降低日志量、改成异步写入或者提升磁盘性能。
内存不要只看使用率,更要看是否有单个进程异常占用,是否频繁触发交换。一旦开始交换,整体响应会明显变慢。同时关注回收频率和停顿时间,堆内存配置不合理或者存在泄漏,会导致频繁回收甚至长时间停顿,表现为接口间歇性卡顿。可以通过回收统计观察趋势,再结合堆内存快照分析哪些对象长期无法释放。
应用层重点看排队,而不是只看计算
很多接口慢不是算得慢,而是请求在排队。线程池打满,新请求只能等待。数据库连接池或者下游服务连接池耗尽,请求会阻塞在获取连接上。排查时看线程是否大量处于等待状态,是否存在死锁或者锁竞争,是否存在串行调用多个下游导致耗时叠加。
序列化开销也容易被忽略。返回巨大的结构化数据,反复序列化和反序列化,会明显消耗处理器资源。可以通过分页、裁剪字段、使用更紧凑的数据格式降低开销。非核心逻辑,比如记录行为、发送通知、生成统计,可以放到消息队列异步执行,避免占用主流程时间。多个互不依赖的下游调用,可以改成并行或者提前预取。