0. 背景

临近双11，公司对所有的接口都使用阿里云的全链路压测工具做压测，比如首页的 TPS 是3000，支付的 TPS 是 60，根据不同的接口做不同的策略。其中数值是根据平时的5倍计算得出的。
这篇博文就是使用阿里云的 arms 监控（APM的一种，类似 skywalking，可以查看请求的每个链路）以及 PTS（做压测的一种工具）对两次压测的优化总结。

待拆解项目机器集群A：48台，配置为4核8G
本项目机器集群B：6台，配置为4核8G
由于压测时正在在拆解服务中，因此大部分接口在A集群中。
A 集群20%的接口通过 RPC 请求到 B，80%的接口通过发送消息跟 B 交互。
数据库配置：1写5读，配置较高，只在主库操作。在压测过程中主库 CPU 基本属于较为稳定。
ONS：发送、接收消息总 TPS 为 5000，在压测过程中基本还未达到该阈值。总 TPS 稳定在 40（即发、接消息各20）。
Redis：4G两节点，不是瓶颈。
第三方请求接口主要有：支付的请求下单、通知回调、银行卡四要素验证等。

0. 背景

最近因为项目需要，需要基于 Dubbo 增加一个 filter，拦截所有的 RPC 请求，打印出请求的相关信息。
我自定义的 Filter 作为提供者拦截器一共有三步：

1. 写一个自定义类，实现自 Filter 接口
2. 在 META-INF/dubbo 下增加一个 org.apache.dubbo.rpc.Filter 的文件名，内容为自定义 Filter 的全路径
3. 自定义 Filter 类上增加一个 @Activate(group = Constants.PROVIDER, order = -999) 注解

0 背景

做支付碰到的死锁解决起来有点摸不着头脑，因此重新学了一遍 MySQL 中的事务与锁的知识，主要是基于 InnoDB