如何使用Async Profiler分析Chronicle JLBH基准测试异常值

以下是几种针对99分位以上延迟尖峰的分析方案，结合你已有的工具和Java生态的其他手段：

1. 基于JLBH回调触发Async Profiler定向采样 #

Chronicle JLBH允许在每个测试迭代中插入自定义逻辑，你可以借此在检测到慢操作时触发Async Profiler的精准采样：

• 在JLBH测试代码中，每次完成业务操作并计算耗时后，判断是否超过20微秒阈值；
• 满足条件时调用Async Profiler的Java API启动采样（指定wall模式，采样间隔设为1纳秒以保证细节捕获），持续采样1-2毫秒后停止；
• 多次捕获后，Async Profiler生成的火焰图或调用栈报告会集中展示慢操作发生时的执行路径。
  示例代码片段：

JLBH jlbh = new JLBHBuilder()
    .warmUpIterations(10000)
    .iterations(100000)
    .throughput(1000000)
    .recordAfterWarmup(true)
    .build();

jlbh.start(() -> {
    long start = System.nanoTime();
    // 执行你的业务操作
    long duration = System.nanoTime() - start;
    if (duration > 20_000) { // 20微秒阈值
        AsyncProfiler profiler = AsyncProfiler.getInstance();
        profiler.start("wall,threads", 1); // 1纳秒间隔采样wall时间与线程状态
        try {
            Thread.sleep(1); // 采样1毫秒
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
        }
        profiler.stop();
        profiler.dumpFlameGraph("slow-op-flame-" + System.currentTimeMillis() + ".svg");
    }
});

2. 利用JFR自定义事件定位异常时段 #

Java Flight Recorder（JFR）低开销的事件捕获能力，结合自定义事件可以精准关联慢操作的上下文：

• 定义JFR自定义事件类，包含耗时、线程ID等关键信息：

@Name("com.example.SlowOperation")
@Label("Slow Operation Detected")
public class SlowOperationEvent extends Event {
    @Label("Duration (ns)")
    public long duration;
}

• 在JLBH的测试逻辑中，当耗时超过阈值时提交该事件：

if (duration > 20_000) {
    SlowOperationEvent event = new SlowOperationEvent();
    event.duration = duration;
    event.commit();
}

• 启动基准测试时添加JFR参数：-XX:StartFlightRecording=filename=slow-ops.jfr,duration=60s；
• 用Java Mission Control（JMC）打开录制文件，过滤出SlowOperation事件，查看事件发生前后的线程状态、GC活动、锁竞争、系统调用等细节，直接定位延迟根源。

3. 触发式线程转储捕获即时调用栈 #

当检测到慢操作时，立刻生成线程转储，直接查看当时的执行路径：

• 在JLBH回调中，当耗时超过阈值时，通过代码生成线程转储文件：

if (duration > 20_000) {
    try (PrintWriter writer = new PrintWriter(new File("slow-thread-" + System.currentTimeMillis() + ".txt"))) {
        Thread.getAllStackTraces().forEach((thread, stack) -> {
            writer.println("Thread: " + thread.getName());
            for (StackTraceElement elem : stack) {
                writer.println("\t" + elem);
            }
        });
    } catch (IOException e) {
        e.printStackTrace();
    }
}

• 多次捕获后，对比多个转储文件，找出共同的阻塞点或热点方法，比如锁等待、IO操作、JIT编译等场景。

4. 排查系统级干扰因素 #

99分位以上的延迟往往和系统层面的因素相关，需结合系统工具交叉验证：

• GC日志：添加-Xlog:gc*:file=gc.log:time,level参数，查看延迟尖峰是否与GC停顿（尤其是Full GC）时间重合；
• 系统监控：用vmstat监控上下文切换、内存使用，iostat监控磁盘IO，sar -n DEV监控网络IO，确认延迟尖峰时是否有系统指标异常；
• perf工具：用perf record -g -p <pid>记录进程CPU事件，通过perf report查看内核级瓶颈，比如调度延迟、系统调用耗时过高等。

内容的提问来源于stack exchange，提问作者Abidi