摘要：分析性能的影響但是需要注意時間單位，只是微秒而已，毫秒的千分之一秒的百萬分之一。在這種情況下，優化毫秒的性能隱患無異于撿了芝麻丟了西瓜。

同步自：https://sulin.me/2019/T2ZXZB....

在分布式系統開發中，我們經常需要將各種各樣的狀態碼、錯誤信息傳遞給最外層的調用方，這個調用方通常是http/api接口，錯誤信息比如登錄失效、參數錯誤等等。

最外層接口暴露的數據通常是類似于{code, msg, data}這樣的json格式，這一點沒有任何爭議。

但是分布式系統的節點之間RPC調用、節點內部方法調用中，通常會用ServiceException或Result的方式進行錯誤信息的傳遞，這兩種方式有什么區別以及孰優孰劣呢？本文側重于開發效率與系統性能探討這個問題。

這是一種比較常見的錯誤信息傳遞方式，某些大廠甚至直接將它們設為技術規范，強制各個團隊采用這種方式。常見的Result模板如下：

@Data
public class Result {
    private int code; // 也可以是String等
    private String msg;
    private T data;
}

在系統開發中的應用通常是這樣的：

Result userModelResult = userService.query(userId);
if (!userModelResult.isSuccess() || userModelResult.getData != null) {
    return Result.fail(userModelResult); // 透傳錯誤
}
UserModel userModel = userModelResult.getData();
if (userModel.getStatus() != UserStatusEnum.NORMAL) {
    return Result.fail("user unavaliable"); // 用戶不可用
}
// ... 正常使用UserModel

在比較復雜的分布式微服務環境中，類似的代碼非常之多，每個依賴服務的調用都伴隨著一段類似的容錯邏輯。

這種模式比較類似Golang語言中的錯誤碼處理，這也是Golang比較被人詬病的地方，即每一步都得進行錯誤判斷。

更殘酷的現實是，盡管有了Result封裝，但是仍然會有后端系統的Exception透傳過來。在我接觸過的實際應用中，這種突破Result封裝的異常透傳絕非個例，我自己負責的系統在調用更后端的國內最強交易系統時，就曾接到過最內部交易中心TC的業務異常，排查問題時追蹤的團隊就有不止5個。

顧名思義，這個方式就是使用異常中斷將正常邏輯與異常邏輯進行拆分。

在系統開發中，大部分錯誤都需要直接中斷服務，直接將錯誤反饋給用戶，正因為如此，我們在使用Result時，經常需要寫類似if(result.isFail()){return…}這樣的代碼。而使用ServiceException，我們就可以省略掉絕大部分類似的代碼。

通常ServiceException可以這樣定義:

@Getter
public class ServiceException extends RuntimeException {
    private final int code;
    private final String msg;
    public ApiException() {
        this(-1, null);
    }
    public ApiException(Code code) {
        this(code, null);
    }
    public ApiException(Code code, String msg) {
        super(msg);
        this.code = code;
        this.msg = msg;
    }
}

系統內部組件在遇到數據缺失、越權訪問、登錄失效、賬戶鎖定等異常情況時，直接拋出ServiceException中斷邏輯，然后由最外層的Filter或Aspect捕捉異常，提取其中的code和msg返回給用戶。

實際使用的代碼邏輯類似這樣：

UserModel userModel = userService.query(userId); // userID不存在、不可用等隱藏在異常中
// ... 使用userModel

這種方式明顯優雅、精簡了許多，對于開發效率的提高以及后期維護都有幫助。

但是在坊間有許多流言聲稱，使用異常中斷會影響性能，甚至有人通過簡單的性能測試推出異常中斷的性能耗時比返回Result快幾百倍云云。

針對性能問題，我也進行了一個簡單的測試，具體測試代碼參見：

https://github.com/sisyphsu/b...

這里使用JMH進行性能測試，說到benchmark，真的是羨慕golang語言自帶的test庫，實在是太方便了。

測試內部的業務邏輯非常簡單，只是調用一次System.currentTimeMillis()并返回long時間戳。

性能測試中分別使用Result返回值以及拋出Exception，針對拋出異常的性能測試，又增加的不同深度的調用棧測試，這是因為Java在拋出異常時，需要分析當前Thread的棧，而調用棧越深，所造成的性能損耗就越大。具體棧深度取值為1、10、100：

Test.test                  avgt    5  0.027 ± 0.001  us/op
Test.testException         avgt    5  1.060 ± 0.045  us/op
Test.testDeep10Exception   avgt    5  1.826 ± 0.122  us/op
Test.testDeep100Exception  avgt    5  9.802 ± 0.411  us/op

乍一看，異常棧深度為100的性能損耗確實是普通方法調用的360倍，有的人也確實是基于這種理由得出Java異常中斷性能損耗嚴重的結論。

但是需要注意時間單位，只是微秒而已，毫秒的千分之一、秒的百萬分之一。

假設某個微服務單CPU吞吐量為1000QPS，而其中有10%是非法請求，那么異常中斷的性能損耗也只是萬分之一而已，對于服務耗時的影響也只是0.001毫秒而已。

在性能測試中，業務耗時只是獲取系統時間，大概耗時為25ns。正因為如此才顯得異常中斷的性能損耗達到恐怖的“幾百倍”，但是如果業務耗時從25ns變為25us、25ms呢？

我們在分析系統性能時，一定要搞清楚它的數量級以及性能瓶頸，切記陷入性能優化的困境。

舉個粗糙例子，在常規服務中，利用了索引的DB操作在1~10毫秒之間，訪問分布式Cache的耗時在3~30毫秒之間，微服務RPC的網絡性能損耗在3~10毫秒之間，客戶端與服務器之間的網絡耗時在5~300毫秒之間，如此之類等等。在這種情況下，優化0.001毫秒的性能隱患無異于撿了芝麻丟了西瓜。

我曾經寫過類似TCP的底層網絡協議，在那種高頻場景中，算法優化帶來0.1微秒的性能優化就意味著每秒鐘吞吐量幾成甚至幾倍的提升，但是在分布式調用的低頻場景中，這種性能用處沒有任何用處。

另外一個例子，幾年前我和同事在討論DB數據表設計時，因為訂單狀態使用什么長度的int而爭執的面紅脖子粗，現在想想，訂單狀態上優化的1個字節，長年累月下來也只是節省不到1MB的磁盤空間而已，有什么用呢？

對于使用Dubbo、HSF這種遠程調用框架而言，使用異常中斷進行錯誤信息傳遞，需要注意一點就是，異常類型需要設計為通用的，即各個微服務都引用的基礎類型。

在某廠的技術規范中有說到：

1） 使用拋異常返回方式，調用方如果沒有捕獲到就會產生運行時錯誤。
2） 如果不加棧信息，只是new自定義異常，加入自己的理解的error message，對于調用端解決問題的幫助不會太多。如果加了棧信息，在頻繁調用出錯的情況下，數據序列化和傳輸的性能損耗也是問題。

我對這種技術規范相當的不以為然。

首先業務異常本來就需要調用方透傳給最外層，諸如數據不存在、登錄失效、用戶鎖定這種異常，中間的調用方捕獲了也往往沒有什么用。

其次又是鬼扯性能損耗，這種低頻的數據序列化和內網傳輸會有什么樣的性能損耗呢？棧信息透傳給調用方也有益于故障排查，我曾經接到過TC的異常棧信息，根據棧中的package直接就繞過三四層找到了底層出錯的地方，可以說是節省了大量的時間。

在分布式微服務中，采用異常中斷可以大幅精簡業務代碼，對于性能的影響也微乎其微。

輔助以@NotNull、@Nullable等注解，可以讓分布式開發如風一般的快速便捷。在復雜的服務網絡中，業務異常也可以方便開發人員精確地定位錯誤，避免大家順著調用鏈一層一層地追蹤故障點的尷尬情景。