如何查看weblogic线程数

如何查看weblogic线程数,第1张

一、背景
最近负责做一个平台的poc测试,性 能测试要求测试1000并发下平台的表现,web服务器采用的是weblogic,版本是11g,1036,所有 *** 作都是基于这个版本(因为以前修改 线程数的 *** 作有些基于这个版本不能生效)。在LoadRunner压1000并发下,发现应用表现并不好,响应时间明显增加。
二、分析
监 控服务器资源,发现集群平台服务器负载并不高,而web应用服务器负载同样也不高,服务器性能并没达到瓶颈。进入weblogic控制台,查看线程池,发 现在压1000并发的时候,请求积压队列明显较多,而线程数只有50左右。说明一下,weblogic产品模式下,默认初始线程数为25,开发模式下好像 是15,weblogic11g采用的是自调整线程池,看名字就可以猜出,他会根据应用情况自动增加减少线程数,而实际情况下,在压力增大的情况 下,weblogic也确实增加了线程数,但是增加的线程数不足以应付该需求,于是自然而然地想到了增加线程数。
三、解决
weblogic11g已经不支持在控制台修改线程数,只能通过配置文件,网上有朋友说可以通过增加weblogic启动参数来配置线程数:
-DweblogicthreadpoolMinPoolSize=100
-DweblogicthreadpoolMaxPoolSize=500
该方法经试验,并不能生效,还好还一种方法,修改域下面conf里面的configxml文件:
<server>
<name>AdminServer</name>
<self-tuning-thread-pool-size-min>400</self-tuning-thread-pool-size-min>
<self-tuning-thread-pool-size-max>400</self-tuning-thread-pool-size-max>
<listen-address/>
</server>
在 这里把线程数最大值最小值都设成了400,400这个数值不是乱设的,WebLogic可以近乎线性地提高线程数。线程数越多,花费在线程切换的时间也就 越多;线程数越小,CPU可能无法得到充分的利用。为获取一个理想的线程数,需要经过反复的测试。一般来说一个CPU最好小于50个线程数(注:笔者刚才 发现之前我把CPU数当成了核心数,笔者用的服务器是24核,所以当时理所当然认为设置1000个线程数也是ok的)。最开始使用1000线程数做测试, 因为最大并发数是1000,笔者想象来一个请求就给一个线程处理,没有请求排队,实际上确实如此,但是把线程数调低后,发现即使有排队情况出现,但响应时 间却比之前1000线程要快,为什么会出现这种情况呢?原来还有一点我们忘记了,数据库连接池。数据库连接池也是影响性能的指标之一,想想应用1000个 请求过来,但是数据库连接数不够,在数据库这边排队,还是会影响整体性能表现,所以如何配置weblogic线程数以及数据库连接线程数使整体性能达到最 优,这需要再仔细测试,如果数据库连接数也能设置到1000,我想应该这是一个比较理想的设置,但很多情况下根据平台不同,不可能这么简单,过高的连接数 总会占用过多系统资源,引发GC等一系列问题。笔者的应用根据多次测试,把数据库连接跟线程数设置成了一样的,都是400,这肯定不是最优的,但应该算是 性能表现比较满意的一组值。
四、总结
1、出现性能瓶颈时,先找出现瓶颈的地方,是应用服务器还是数据库服务器
2、判断是否需要修改weblogic线程数以及数据库连接池的值
3、多次测试,得出一组合适的weblogic线程数的值以及数据库连接数的值

多线程并不是越多越好,而是对服务器和对带宽都有要求,比如100M带宽的理论下载速度为125MB/S,你启动5个线程来下载,每个线程最多能下载25M/S的内容,启动10个线程,则每个线程最多能下载125M/S的内容,因为无法突破带宽的下行速率。另外还要看服务器响应给你的速度,比如服务器做了限制,每秒就给你100KB的速度,则你每个线程就只能接收100KB/S的下载内容。
下载的服务器一般不会固定,所以如果服务器响应的传输慢,可以适当提高线程数获取更多的下载内容,但是如果是服务器并发高,下载带宽被占满,理论上多个线程也有一定的效果,会挤压别人的下载速度,从而提高你的下载速度。

可以通过以下原则解决:
1、设置线程池的最大线程数
2、设置线程池的并发处理线程数量
3、设置线程池最大的队列线程数
4、做好线程池的线程清理工作
做好这几点,理论上没问题了,具体还得看编程者代码的质量。
PS:服务器不可能为每一个请求都创建线程,得考虑到最大负载,当达到临界值的时候,服务器返回繁忙状态,拒绝服务即可,当然这是简单的处理办法。


欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/zz/12869324.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-05-28
下一篇 2023-05-28

发表评论

登录后才能评论

评论列表(0条)

保存