一次网站性能排查实录

接到一个求助电话，说是有个阿里云上的服务器，有性能瓶颈，但又没有什么具体的数据，只是说偶尔客户端有少数连接不上，或者连接会突然中断。我的天，最怕这种状况了，还得自己去找问题表现是什么，再去找什么原因所致。----懒人可直接点此处，不必辛苦看文字

因为是线上的环境，得分两步进行。先检查，看系统或者应用存在什么明显的印迹，分析原因和处理方法；协商什么时候可以处理，处理风险是什么。

怕影响用户体验，白天还不让搞。月黑风高，家里有没暖气啊（用一块闲置显卡挖矿取暖），没办法，只好熬夜苦战一番。

通过了解，该云主机带宽12M，其他方面的配置，我自己登录看就好。

既然收到带宽，就先看它了，看了好一阵，也不到10M嘛。

blob.png

其他资源配置为：

（1）cpu 8core

（2）内存 16G

（3）硬盘 50G系统加120G外挂空间。

其中系统负载一直稳定不高，IO也还过得去，系统日志也无明显的报错信息。查看网络状态，TIME_WAIT相对于ESTABLESHED来说，高了不少（因为文章为事后所写，无法再重现了）。根据经验，大致可以判断引起TIME_OUT高的原因主要有两种：一种是系统参数（sysctl.conf）设置，另一种就是应用服务配置。前一种比较好办，乘访问量少的时候，偷偷的修改/etc/sysctl.conf（修改前一定要记得备份哟）,然后重载 sysctl -p，再执行netstat -n | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'，发现TIME_OUT的数量并没有减少多少。由此可知，最大的可能就在系统上边的应用。

当然，作为系统管理员，不可能啥都去问人家，你上边安装了什么，都在啥目录啊，程序之间都什么关联？只要有系统登录权限，哪能难住咱们呢!敲ps auxww |more 加一点点耐心，能查个八九不离十。不就是一个nginx + php + mysql 嘛，挨个检查，应该能查到问题所在。这一回车，好多php进程呢，屏幕翻滚了好几屏。心想，没那么多连接数，跑那么多进程干啥呢？做过过滤，数一下php进程数，好家伙301个。

我有个习惯，喜欢从后边往前边查。于是就从数据库开查，show processlist，没线程连接上来，奇怪了啊。还以为自己眼花，又执行了好几遍，还是这样。检查mysql错误日志，数据目录，毫无所获，难道不是用这个mysql？吃个橘子压压惊，查看网络状态，看它连接到哪里去了。

blob.png

居然没用本机的mysql（不知道装这个干啥），赶紧电话问，说是购买了阿里云的mysql服务，好吧，看来这个就不用查了。

接下来，该看看nginx了。这一查，还真找到几个不顺眼的地方。按照我的习惯，如果系统上要运行多个web站点，一般都会用明确包含的方式对配置文件进行书写，这样做的好处是，看到主配置文件，就知道有多少站点；而且做维护的时候，如果某些站点要临时变更或者变更后整个web服务启动不了，就可以通过注释掉相关的那行包含（include）语句。最不喜欢谁用什么 include *.conf，你写起来省事，可是后边维护就不那么省事。

blob.png

没办法，我认了。再进具体包含文件的目录，随机打开一个，截取一段如下：

blob.png

包含里边嵌套包含，那好，我们就看看它这个包含里边写的啥：

[root@iZm5e64s4c3fznr1kxv1qaZ conf]# more enable-php.conf 

        location ~ [^/]\.php(/|$)

        {

            try_files $uri =404;

            fastcgi_pass  unix:/tmp/php-cgi.sock;

            fastcgi_index index.php;

            include fastcgi.conf

又有一个嵌套，狂晕啊！继续看这个fastcgi.conf,就是一个fastsgi_params文件的副本。

fastcgi_param  SCRIPT_FILENAME    $document_root$fastcgi_script_name;

fastcgi_param  QUERY_STRING       $query_string;

fastcgi_param  REQUEST_METHOD     $request_method;

fastcgi_param  CONTENT_TYPE       $content_type;

fastcgi_param  CONTENT_LENGTH     $content_length;

fastcgi_param  SCRIPT_NAME        $fastcgi_script_name;

fastcgi_param  REQUEST_URI        $request_uri;

fastcgi_param  DOCUMENT_URI       $document_uri;

fastcgi_param  DOCUMENT_ROOT      $document_root;

fastcgi_param  SERVER_PROTOCOL    $server_protocol;

fastcgi_param  REQUEST_SCHEME     $scheme;

fastcgi_param  HTTPS              $https if_not_empty;

fastcgi_param  GATEWAY_INTERFACE  CGI/1.1;

fastcgi_param  SERVER_SOFTWARE    nginx/$nginx_version;

fastcgi_param  REMOTE_ADDR        $remote_addr;

fastcgi_param  REMOTE_PORT        $remote_port;

fastcgi_param  SERVER_ADDR        $server_addr;

fastcgi_param  SERVER_PORT        $server_port;

fastcgi_param  SERVER_NAME        $server_name;

# PHP only, required if PHP was built with --enable-force-cgi-redirect

fastcgi_param  REDIRECT_STATUS    200;

各位看官，再往下看这个文件，又来了个fastcgi_pass 127.0.0.1 ，是要用什么方式关联php呢？前边那个include指定的"fastcgi_pass  unix:/tmp/php-cgi.sock;" 后边又跟这么一个是什么用意？

blob.png

看到没有，这个fastcgi_pass 127.0.0.1 根本没起作用啊，可能是从网上找的，胡乱粘贴一通。另外，也从php那边印证一下，确认服务是否有tcp 9000端口处于监听状态。

[root@iZm5e64s4c3fznr1kxv1qaZ ~]# netstat -anp|grep 9000|wc -l|grep -v grep

0

打开其它站点配置文件，全是这个搞法。得统一做规范，方便自己也是方便他人嘛！不过乱归乱，还是能正常运行，nginx本身也不会对性能产生太大的影响。由这里可以推断，php估计也是胡乱从别的地方复制过来的配置，其内容如下：

[global]

pid = /usr/local/php/var/run/php-fpm.pid

error_log = /usr/local/php/var/log/php-fpm.log

log_level = notice

[www]

listen = /tmp/php-cgi.sock

listen.backlog = -1

listen.allowed_clients = 127.0.0.1

listen.owner = www

listen.group = www

listen.mode = 0666

user = www

group = www

pm = dynamic

pm.max_children = 300

pm.start_servers = 80

pm.min_spare_servers = 80

pm.max_spare_servers = 300

access.log = /mnt/log/phplog/$pool.access.log

access.format = "%R - %u %t \"%m %r%Q%q\" %s %f %{mili}d %{kilo}M %C%%"

pm.max_requests = 1024

request_terminate_timeout = 0

request_slowlog_timeout = 120

slowlog = /var/log/slow.log

这几个选项值，直接与性能相关。查看php进程数，一直就是设定的数量300（主进程不算）。最大300，而且一直维持不变，新来的请求无法获得新的进程，于是就只好杀掉已经运行的（有可能用户的连接还在），类似于自杀，可以从php的日志里可以看到大量的进程自杀消息。

blob.png

一般情况下，应该把最大子进程数(pm.max_children = 300)设置得大一些,最大请求数（pm.max_requests）也需要设置大一些。

把这些问题，记录好汇总以后，电话跟其他人沟通，得到答复是等相关人等在线的时候进行修正，万一业务上有问题，可以一起协助处理，但得等两天以后。欲知详细的操作过程，调整后的效果，请猛戳此处即可。

©著作权归作者所有：来自51CTO博客作者sery的原创作品，如需转载，请注明出处，否则将追究法律责任

每一份赞赏源于懂得