性能调优指南

本文是 Zeze 性能调优的参考——围绕缓存命中率、Checkpoint 策略、全局并发度、RocksDB 调优四大关键因素，给出指标目标、配置项与调优建议，并附基准量级与过载保护配置。表与缓存机制见 表、线程模型见 线程模型与调度、全局缓存协调见 全局缓存管理器、嵌入式存储见 RocksDB、完整配置见 配置参考、上线调优见 上线清单。

Zeze 的性能由四个关键因素决定：缓存命中率、Checkpoint 策略、全局并发度、RocksDB 调优。下面逐项展开。

---

1. 缓存命中率（最重要的指标）

缓存命中率是 Zeze 性能最重要的指标，目标应保持在 >99%。

• TableCache 的命中率直接决定是否回源数据库——命中即在内存完成，未命中则回源，开销骤增。
• 配置 CacheCapacity：建议按预期在线人数 × CacheFactor(默认 5.0) 设置。getRealCacheCapacity() 实际生效容量为 floor(cacheCapacity * cacheFactor)。

<TableConf CacheCapacity="200000" CacheFactor="5.0"/>

• SoftReference + 本地 RocksDB：缓存 value 用 SoftReference 持有，并在本地保留一份 RocksDB 副本。这样内存容量与 value 大小无关——冷数据被 GC 回收后可从本地 RocksDB 恢复，而无需回源远端数据库。默认配置下基本不用专门调。

selectDirty 适合统计类查询（直接读脏数据，不走完整事务）；whileCommit 可用于容忍短暂不一致的场景。

---

2. Checkpoint 策略

Checkpoint 决定脏数据多久落盘一次，影响持久化频率与吞吐。

配置项	默认值	说明
CheckpointPeriod	60000（1 分钟）	定时刷盘间隔
CheckpointMode	Table	Table（分布式必须用）/ Immediately（每事务立即，性能差，不建议）
CheckpointFlushMode	MultiThreadMerge	推荐，多线程合并刷，性能最优
CheckpointModeTableFlushSetCount	50	合并的事务数
CheckpointTransactionPeriod	300000

• Table + MultiThreadMerge 是分布式部署的推荐组合：周期性把一批事务的脏数据合并后多线程刷盘，摊薄了单次 IO 成本。
• Immediately 模式每事务立即刷，性能极差，仅用于特殊场景。

---

3. 全局并发度（GlobalCacheManager）

启用 GlobalCacheManager 后，跨实例的数据共享会引入额外的网络往返，是分布式部署下主要的性能变量。详见 全局缓存管理器。

操作	网络往返	说明
Share（读共享）	约 1 次	申请共享读
Modify（写）	至少 2 次	申请 + Reduce
Reduce 超时	—	触发事务重试

优化方向：

• 热点分散：把集中在单一记录的写压力分散到多条记录/多个分片。
• 减少跨实例 Modify：尽量让同一份数据的写操作落在同一实例，避免频繁的跨实例申请。

---

4. RocksDB 调优

DatabaseRocksDb 是嵌入式存储，特点：

• 无网络开销：数据在本地进程内，单机高性能。
• 不支持 GlobalCacheManager：源码在创建 RocksDb 时会显式校验——若同时配置了 GlobalCacheManagerHostNameOrAddress 会直接抛异常：

case RocksDb:
    if (!zeze.getConfig().getGlobalCacheManagerHostNameOrAddress().isBlank())
        throw new IllegalStateException("RocksDb Can Not Work With GlobalCacheManager.");

• 本地缓存 value：配合 SoftReference，GC 回收后从本地 RocksDB 恢复。详见 RocksDB。

因此单机/嵌入式场景选 RocksDB（高性能、零网络），多实例共享场景才用关系库/TiKV + GlobalCacheManager。

---

事务重做（Redo）

配置项	默认值	说明
FastRedoWhenConflict	false	冲突时立即重做；开启可能增加 CPU 开销

• 乐观锁机制下，冲突少时吞吐极高。
• 冲突多时事务会被重做。FastRedoWhenConflict=false 时按一定节奏重做；设为 true 则立即重做，减少延迟但可能放大 CPU 压力。

---

基准量级（benchmark）

以下为 Zeze 内存路径相对于传统 SQL 的近似量级，供建立直觉（非精确承诺）：

操作	相对量级
内存 map 查询 vs SQL 查询	快约 1000 倍
内存 map 更新 vs SQL update	快约 1000 倍
默认每事务 flush 时，map 更新 vs SQL update	快约 5000 倍

量级差异主要来自：内存操作 vs 网络往返 + 磁盘 IO；以及事务 flush 时批量提交摊薄了 IO。

---

监控与统计报告

配置项	默认值	说明
ProcedureStatisticsReportPeriod	60000	过程（Procedure）统计报告周期
TableStatisticsReportPeriod	60000	表统计报告周期

报告内容覆盖过程执行次数、冲突重做次数、平均耗时、表缓存命中率、记录数、脏记录等。结合 Prometheus 可做长期监控，详见 Prometheus 监控集成。

---

过载保护

配置项	默认值	说明
ProviderThreshold	2000	阈值，达到后开始限制
ProviderOverload	4000	过载，达到后更强力地拒绝/降级

上面的 2000 / 4000 即源码默认值（Config.java：providerThreshold = 2000、providerOverload = 4000）。建议生产环境显式配置，避免不同版本默认值调整带来意外。

---

死锁检测与锁等待监控

配置项	默认值	说明
DeadLockBreakerPeriod	60000	死锁检测周期（Zeze.Util.DeadlockBreaker）
ProcedureLockWatcherMin	50	锁等待监控阈值（分钟级，超过则告警）

死锁检测会主动打破成环的锁等待；锁等待监控用于发现长时间持锁/等锁的过程，定位性能瓶颈。

---

调优清单速查

1. 缓存命中率 >99%：调大 CacheCapacity，依赖 SoftReference + 本地 RocksDB。
2. Checkpoint 用 Table + MultiThreadMerge：分布式必选，性能最优。
3. 减少跨实例 Modify：分散热点，让写落在本地。
4. 单机选 RocksDB：零网络开销；但不可与 GlobalCacheManager 共存。
5. 冲突低时吞吐最高：必要时开 FastRedoWhenConflict 牺牲一点 CPU 换延迟。
6. 配好过载保护与死锁检测：ProviderThreshold/ProviderOverload/DeadLockBreakerPeriod。

---

延伸阅读

• 表 — TableConf 与缓存、脏记录机制
• 线程模型与调度 — 线程池容量与调度
• 全局缓存管理器 — Share/Modify/Reduce 的细节
• RocksDB — 嵌入式存储配置
• 配置参考 — 上述所有配置项的完整定义
• 上线清单 — 上线前的性能验收