图30
1、在2017-06-18 19:36:00，即比赛开始的时候，应用的响应时间为51.8ms，响应时间正常，如图1
2、在整个足球比赛期间，响应时间呈线性不断增加，在2017-06-18 20:30:00 至 2017-06-18 20:40:00，响应时间下降，是因为此时比赛处于中场休息期间，基本上发送至服务器的比赛数据无变化，因此处理逻辑简单，如图2
3、在2017-06-18 21:25:00，即比赛即将结束的时候，应用的响应时间为2320ms，业务目标所要求的平均响应时间为150ms，因此性能无法满足业务要求，如图3
4、在APM的Transaction trace中，可以发现在一次响应时间为5710 ms的请求中，Redis相关的操作就消耗了4390 ms，占用的比例为77%，httpclient是调用了另一个接口，其接口中也使用了Redis的，因此，分析结果为Redis为性能瓶颈所在，如图4
5、在APM的Transaction trace的 Trace details中，发现 shujujiexi\models\redis\GamePlayerData::gamePlayerDataByShuJuJieXi 所消耗时间占用的比例为 57.25%，如图5
6、继续展开，直到无法展开为止，发现 yii\redis\Connection::parseResponse ，需要分析其运行机制，如图6
7、在阿里云监控中，在2017-06-18 19:36:00，即比赛开始的时候，Redis的CPU使用率为1.9%，如图7
8、在整个足球比赛期间，在阿里云监控中，Redis的CPU使用率呈线性不断增加，在2017-06-18 20:30:00 至 2017-06-18 20:40:00，Redis的CPU使用率下降，是因为此时比赛处于中场休息期间，基本上发送至服务器的比赛数据无变化，因此处理逻辑简单，整个曲线与响应时间完全成正比关系，如图8
9、在阿里云监控中，在2017-06-18 21:27:00，即比赛即将结束的时候，Redis的CPU使用率为100%，如图9
10、在阿里云监控中，在2017-06-18 21:28:00，即比赛即将结束的时候，Redis的已用连接数为54个，达到峰值，如图10
11、现在需要分析究竟是何原因导致Redis的CPU使用率为100%了，在APM的Transaction trace中，发现 yii\redis\ActiveRecord::deleteAll 所消耗时间占用的比例为 78%，如图11
12、在APM的Transaction trace的 Trace details中，发现 Application code (in yii\redis\ActiveRecord::deleteAll) 最为消耗时间，基本上可以确定ActiveRecord相关的操作为导致Redis的CPU使用率为100%的根本原因了，如图12
13、在pro环境，准备实现一个典型请求的2个版本，第1个版本的ActiveRecord相关的操作基本上为查询、修改，第2个版本的ActiveRecord相关的操作基本上为查询、插入，以便于确认当某个ActiveRecord模型中的key数量过多时，是否会提升Redis的CPU使用率，先清空Redis，之后定时任务所生成的Redis数据，key的数量为3170，如图13
14、在pro环境，请求的第1个版本运行2个小时之后，Redis数据，key的数量为3220，仅增加了50个key，如图14
15、在pro环境，在整个典型请求的运行期间，在阿里云监控中，Redis的CPU使用率最高为2.6%，在 2017-06-27 16:50:00 之后，Redis的CPU使用率维持在0.6%，是因为此时，基本上发送至服务器的比赛数据无变化，因此处理逻辑简单，如图15
16、在pro环境，在整个典型请求的运行期间，响应时间基本上保持稳定，最大响应时间为266ms，此请求的业务目标在生产环境上所要求的平均响应时间为200ms，因此性能满足业务要求，在 2017-06-27 16:50:00 之后，响应时间下降，是因为此时，基本上发送至服务器的比赛数据无变化，因此处理逻辑简单，如图16
17、先清空Redis，之后定时任务所生成的Redis数据，key的数量为2909，如图17
18、在pro环境，请求的第2个版本运行2个小时之后，Redis数据，key的数量为89840，增加了86931个key，如图18
19、请求的第2个版本所操作的Redis模型的key的数量为79527，如图19
20、在pro环境，请求的第2个版本，在整个典型请求的运行期间，在阿里云监控中，Redis的CPU使用率最高为66.8%，如图20
21、基于当前分析结果，已经可以确定当ActiveRecord操作的某个模型的key的数量过大时，Redis的CPU使用率会大幅度提升，不过是由于查询还是插入导致的，需要进一步确认，代码，如图21
22、修改查询方案，将count(‘id’)调整为exists()，即查询模型中满足条件的所有key调整为查询模型中满足条件的1个key，代码，如图22
23、不清空Redis，在pro环境，请求的第3个版本所操作的Redis模型的key的数量为81277，如图23
24、在pro环境，请求的第3个版本，在整个典型请求的运行期间，在阿里云监控中，Redis的CPU使用率最高为11.8%，如图24
25、基于当前分析结果，已经可以确定当ActiveRecord操作的某个模型的key的数量过大时，Redis的CPU使用率会大幅度提升，并且是与查询的关联性最大，不过查询与插入的性能对比，需要进一步确认，代码，注释掉查询，只保留插入操作，如图25
26、不清空Redis，在pro环境，请求的第4个版本所操作的Redis模型的key的数量为81947，如图26
27、在pro环境，请求的第4个版本，在整个典型请求的运行期间，在阿里云监控中，Redis的CPU使用率最高为2.2%，如图27
28、将count()调整为exists()以提升查询性能，如图28
29、将一些ActiveRecord实现重构为Redis原生命令实现，在整个足球比赛期间，在阿里云监控中，Redis的CPU使用率最高为21.1%，因此响应时间正常，如图29
30、总结：Yii 2 的 ActiveRecord，相关方法对于Redis的CPU计算压力排行：insert() < one()/exists() < count()/all()，当某个Redis模型的key的数量超出10000后，如果要执行查询(有where条件)操作，建议不要使用ActiveRecord，如图30
