1.背景
敏感词服务拆分后，在staging 环境压测。发现cpu 和 内存监控都飙高。在单机qps 200左右的情况下，cpu 使用率平均80+，young gc 次数平均200+ ，平均一次gc 耗时 20ms 左右 。
注：YGC是JVM GC 最为频繁的一种GC，一个高并发的服务在运行期间，会进行大量的YGC，发生YGC时，会进行STW，一般时间都很短。 不过如果次数太多，势必会影响服务所能承担的理论qps上限。同时如果再未来引入更高的业务复杂度时，很有可能会影响old 区，进而影响整个服务的可用性。
2. 过程
首先cpu 问题定位热点代码
通过工具定位到热点代码，containsSensitiveWord 。定位到代码中发现，这个方法一共做了两件事 1. 全表contains （index of ）2. 正则表达式匹配。
初步怀疑是正则表达式比较消耗cpu 资源。
定位： 注释掉正则表达式的代码，观察压测报告，发现cpu load 和 young gc 基本没有变化。 再注释掉contains 的代码之后发现cpu 明显降低。
由此可以得到的结论是：cpu load 高的罪魁祸首是contains 的 index of 导致的。这部分可以通过未来的DFA算法优化，或者接入nlp 自然语言处理解决，暂时可以先放一放。
但是一个比较奇怪的现象是。注释掉contains 之后young gc 只降低了20% 左右，还是每秒150次。
indexof 没有使用kmp 算法https://www.zhihu.com/question/27852656
2. 内存消耗
一分钟将近200 次的young gc 显然是不合理的，那么下一步就是排查到底哪里消耗的内存资源。
首先观察 gc 日志
发现在没有访问量的时候，平均两分钟一次young gc。
怀疑1:
eden 区使用率飙高，最直接的想法是内存不够，目前压测机器模仿线上机器采用的是8核8g ，其中堆内存大小为6g，young 区默认1/3，也就是2g，eden 区 与survive区默认 8:1 ，eden 区约为1.7g 左右。
所以首先怀疑是堆内存不够。
证明：申请更大内存的机器，堆内存调整为12g。
预期：young 区 使用率与 young gc 会大幅降低，理论上至少是之前的一半左右。
结果：调整之后，在相同qps 200左右的时候，young gc 频率降低的十分不明显，从之前的200次，降低到160次左右。远达不到预期效果。
结论：看起来内存小并不是造成young区使用飙高的原因，暴力扩容虽然能缓解一些问题，也只是治标不治本。而且目前线上机器资源不足，如此高配的机器资源根本申请不下来。
怀疑2：
观察gc 日志，发现在无流量的情况下每 2-3分钟会发生一次young gc。
首先想到业务代码中的定时任务每分钟会到数据库load 全量数据，是不是这个过程中创建的大量临时变量，充斥内存。导致请求量上来以后频繁gc。
证明：观察jstat gc状态看是不是每一分钟定时跑的任务触发的young 区飙升。
预期：每隔5s 观察一次内存状况，应该每隔一分钟，内存有一个激增，两到三次左右会激增达到eden 区的临界点，导致一次young gc 。
结果： 长期观察jvm 堆内存状态，发现是在平稳增长，并没有预期的每过一分钟会有一个Eden 区的激增。配合查看线程堆栈信息，发现都是cat 埋点和jmonitor 监控相关的线程，没有发现有业务代码。
结论： 基本可以排除这种情况。
怀疑3:
当压测时，模拟单机qps 200，敏感词的校验逻辑是：每个关键字跟全量的敏感词做比对，这时候会根据用户的区域信息，门店信息等筛选出一个map，根据这个临时生成的map，跟全量的敏感词做比对。所以怀疑是在此过程中的临时变量创建占用大量的Eden 区。 由于map 内的数据结构只支持对象，所以在基本数据类型到对象类型转化的时候，涉及到java 内存的自动装箱，拆箱机制，这个过程会有临时变量的建立的销毁，有至少两倍的内存浪费。
java 装箱/拆箱原理请自行google
2. 同时根据map 默认大小16，所以构建一个10000+ 大小的map 至少需要扩容10次。每次扩容涉及到map 的复制，所以内存的消耗，远大于实际的String 大小。
证明：在压测场景下dump 内存。通过工具分析。
暂时先忽略排在前面的char String 等基本类型数据，可以看到后面的几个都是map 数据，间接从侧面证明了，内存疯涨跟map 有关系。
解决方案：1.尽量复用代码中的map，不要每个请求过来都组装一个新的map。 具体操作：因为校验大体按照两部分来做，一部分是根据每个商家的tag 类型和区域来做差异化的敏感词校验。另一部分是全量商家都需要做的校验。 目前db 中的存量数据有百分之七十五以上是走的全量校验，考虑可以缓存这部分数据，不用每次请求来了都去构建新的map，避免内存浪费。
2. 根据目前业务量预估map 的初始容量大小，避免频繁扩容与内存浪费。 这个大小可以放到mcc中根据业务的变化手动配置一下。
预期：如果eden区内存飙高是由这个map 构造导致的，那么复用一部分map ，预期可以降低大部分的内存消耗，理论上可以大幅降低young gc 次数。
效果
多次压测平均，young gc 减少了40% 左右 ，在 110 次左右，有了一个明显的降低。cpu load 降低20%左右 ，同时响应时间减少20%左右。
虽然有大幅的降低，但是young gc 依然在一个高位，所以还有进一步优化的空间。
进一步观察dump 下来的内存。刚刚的内存报告有一个奇怪的地方，为什么dump 下来的内存如此少呢，最大也就几十兆。 打开unreachable object 观察：
可以看到在unreachable 里面有1.5g 左右的内存，这样加起来正好就是eden 区的内存总和。那么这些内存是什么呢，所谓的unreachable 并不是内存泄漏，而是已经被垃圾回收器标记为不可达的对象，这部分对象即将在下一次的gc 回收，也就是那部分朝生夕死的对象。所以问题的症结还是在校验的逻辑里面。只能再从头过一遍代码。
校验的逻辑其实十分简单，就是一个 万级别数据的全量contains ，打开jdk 源码，观察contains 并没有使用比较流行的KMP 算法，而是选择了滑动窗口的方式，但是这种方式对cpu 是一个消耗，但是空间复杂度并不高，为了验证，注释掉了 contains 的代码，继续观察压测报告，发现cpu 使用率大幅降低，但是young gc 进一步减少了25% 左右，依然保持100左右的频率。
怀疑4:
观察代码中还有一个 String 的 split 操作，split 里面支持了正则表达式，同时split 源码是通过 substring 截取字符串，subString 空间复杂度是O(N) , 然后外层通过 subList 方法从新拼接成list ，
subList 的空间复杂度也是O(N)，所以合起来空间复杂度就是O(N2)。
解决：通过list 替换String 拼接。
压测实验： young gc 大幅降低到原来的20% ，同时响应时间降低1.5 倍左右
压测报告：
附：《常见性能优化策略的总结》https://tech.meituan.com/performance_tunning.html