Async-profiler与虚拟线程性能分析问题解析
2025-05-28 01:11:35作者:管翌锬
在Java 23版本之前,使用async-profiler对虚拟线程进行性能分析时可能会遇到两个显著问题:分析结果与JFR(Java Flight Recorder)存在明显差异,以及分析过程中系统CPU使用率异常升高。本文将深入探讨这一现象的技术背景、根本原因及解决方案。
问题现象
当开发者在JDK 21环境下使用async-profiler分析虚拟线程应用时,会观察到:
- 性能分析结果与JFR记录的热点方法分布完全不同
- 分析期间系统CPU使用率飙升至接近50%
- async-profiler显示大量时间消耗在
VirtualThread.yield
等底层方法上,而JFR则完全忽略这些调用
技术背景
虚拟线程的实现机制
Java虚拟线程是JDK 19引入的轻量级线程,其调度由JVM而非操作系统负责。当虚拟线程执行阻塞操作时,JVM会将其挂起并切换到其他虚拟线程,这个过程称为"虚拟线程转换"。
性能分析工具的差异
- async-profiler:采用低开销的采样方式,能够捕获所有线程状态(包括虚拟线程转换等JVM内部操作)
- JFR:仅采样执行Java代码的线程,会主动过滤掉JVM内部操作
根本原因
该问题的本质是JDK 21及更早版本中存在的一个JVM缺陷(已在JDK 23中修复)。当启用虚拟线程时,JVM会通过JVMTI接口处理线程状态转换,这个过程中产生了意外的性能开销。
解决方案
对于不同JDK版本的用户:
-
JDK 23及以上版本:
- 问题已得到根本性修复
- async-profiler和JFR的分析结果将保持基本一致
- 仍需注意JFR会过滤部分JVM内部操作的特点
-
JDK 21及更早版本:
- 推荐升级到JDK 23
- 若无法升级,可使用启动参数
-XX:-DoJVMTIVirtualThreadTransitions
禁用有问题的实现 - 需要理解JFR会丢失部分样本数据的特性
性能分析实践建议
- 对于虚拟线程应用,建议优先使用async-profiler获取完整调用信息
- 比较不同工具结果时,注意JFR的采样局限性
- 在JDK 23环境下,async-profiler的GC活动记录可以帮助发现JFR忽略的内存问题
- 当发现分析期间CPU使用率异常时,首先检查JDK版本
总结
虚拟线程的性能分析需要特别注意JVM实现版本和工具特性。随着JDK 23的完善,这一问题已得到解决,但开发者仍需了解不同分析工具的设计差异,才能准确解读性能数据。对于仍在使用旧版JDK的团队,通过特定参数可以规避这一问题,但长期解决方案仍是升级到修复后的JDK版本。
登录后查看全文
热门项目推荐
相关项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp Cafe Menu项目中link元素的void特性解析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
858
511

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
258
298

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
22
5