基于Axon Framework与Spring Boot的超低延迟交易引擎优化咨询

1. 消息流转路径简化 #

当前的6步消息流转+Saga两次转发是核心开销来源，优先做路径裁剪：

• 砍掉冗余Saga逻辑：你当前的OrderManagerSaga仅做命令转发，无状态编排逻辑，完全可以把触发执行的逻辑合并到聚合事件处理链路中，直接在OrderCreatedEvent的事件溯源处理器后同步触发执行逻辑，省掉2次Saga事件消费+命令发送的开销，可降低1~2ms延迟。
• 合并冗余中间事件：OrderExecutionRequestedEvent仅作为Saga的触发中间件，没有业务语义，可直接去掉，在ExecuteOrderCommand处理逻辑中同步触发执行确认，减少一次事件持久化和流转开销。

2. Axon Server部署与配置优化 #

之前Docker部署的网络、配置 overhead 还有很大压缩空间：

• 部署架构优化：禁止Docker容器化部署Axon Server，直接裸金属部署在和业务服务同机房、同机柜的节点，关闭Docker overlay网络开销，走万兆内网直连，可将网络延迟降到亚毫秒级。
• 核心配置调优：
  • 关闭非必要特性：关闭事件索引、度量采集、审计日志等非核心功能，配置axon.server.features.event-store.indexing.enabled: false、axon.server.metrics.enabled: false。
  • 存储优化：事件存储挂载本地NVMe SSD，如可接受极低概率的丢数据风险，关闭持久化强制刷盘，配置axon.server.event-store.fsync: false；需保障可靠性则用带电池缓存的RAID卡承接刷盘压力。
  • 序列化替换：把Jackson JSON序列化换成ProtoBuf序列化，JSON序列化/反序列化开销是ProtoBuf的3~5倍，Axon原生支持ProtoBuf序列化，自定义消息proto结构后，单条消息序列化延迟可降到几十微秒级别。

3. 运行时配置优化 #

你当前的Bean配置还有不少调优空间：

• DisruptorCommandBus调优：当前用的固定8线程池会带来额外的上下文切换开销，低延迟场景下直接用调用者线程执行，把executor换成Runnable::run；如果业务独占CPU核心，保留BusySpinWaitStrategy，否则换为YieldingWaitStrategy，同时配置线程亲和性把Disruptor线程绑定到独占CPU核心，避免内核调度切换。
• 缓存优化：当前的WeakReferenceCache存在GC回收风险，替换为Caffeine缓存，配置基于容量的驱逐策略，关闭弱引用回收；给聚合配置快照触发策略，比如每1个事件就生成快照，保证聚合加载永远只需要读1次快照，无需回放历史事件。
• 日志优化：代码中大量Info级日志的IO开销极大，低压测场景下关闭所有非错误级别的日志，必须保留的日志用Log4j2异步日志实现，调大队列大小，关闭日志立即刷盘。
• 事件处理器优化：当前用的TrackingEventProcessor存在跟踪Token持久化开销，替换为SubscribingEventProcessor，事件直接在发布线程同步消费，省掉线程切换和Token存储开销，你的Saga编排场景完全适配订阅模式。

4. JVM级别优化 #

低延迟Java应用的必做优化项：

• 用ZGC或Shenandoah低延迟垃圾回收器，配置最大停顿目标为1ms，堆内存设为固定值，避免GC扩容缩容开销。
• 关闭JIT分层编译，用GraalVM Native Image把业务服务编译为本地机器码，省掉JIT编译开销，运行时性能可提升2~3倍。
• 配置JVM线程亲和性，把业务线程、Disruptor线程绑定到固定CPU核心，和内核线程、其他应用线程隔离，避免上下文切换。

5. 业务逻辑优化 #

后续新增的校验、风控、头寸跟踪逻辑全部做内存化改造：

• 所有风控规则、头寸数据预加载到本地内存，用Caffeine做本地缓存，数据更新通过事件同步刷新本地缓存，完全避免远程调用、数据库查询操作。
• 业务逻辑避免用反射、动态代理等慢操作，所有逻辑用直接方法调用实现，尽量不用Spring AOP做切面拦截。

以上优化全部落地后，完全可以实现全流程≤5ms的延迟目标，最优场景可达到2~3ms的水平。

内容的提问来源于stack exchange，提问作者David Teh