小编点评

## 华为云函数graph冷启动加速方案简介 **华为云 FunctionGraph**是一种性能优化服务，可以帮助用户降低 Java 应用的启动时延。这个方案介绍了如何利用 **进程级快照** 技术实现冷启动加速，并结合 **RestHook** 技术，实现更全面的性能提升。 **方案主要包括以下几个部分:** * **程序初始化**：应用首先会执行程序的初始化操作，并根据这些操作生成最终的代码。 * ****进程级快照**：应用通过 **CRIU**( checkpoint restoration unit ) 技术进行 **全代码持久化**，生成多个以功能分类的镜像文件。 * ****RestHook**：应用使用 **RestHook** 技术，在程序启动后，触发 **RestHook** ，并将应用的状态信息传递给服务端。 * ****新版本发布**：程序发布新版本后，触发 **RestHook** ，自动执行 **RestHook** 的逻辑，将应用的状态信息传递给服务端。 **方案的优点:** * ****全代码持久化**：应用通过 CRIU 技术全代码持久化，确保应用在重启时能够完全恢复状态。 * ******RestHook**：应用使用 **RestHook** 技术，可以实现更全面的性能提升，并提供更细化的状态信息刷新。 * ******简化改造**：程序只需要进行简单的代码修改，即可实现冷启动加速功能。 **方案的缺点:** * ****性能提升**：由于 CRIU 和 RestHook 技术的使用，会导致程序启动时延增加。 * ******代码复杂**：程序需要进行 **全代码持久化** 和 **RestHook** 的实现，会导致代码更加复杂。 ****总结:** 华为云函数graph冷启动加速方案是一种性能优化技术，可以帮助用户降低 Java 应用的启动时延。该方案使用 **全代码持久化** 和 **RestHook** 技术，实现更全面的性能提升，并结合 **RestHook** 技术，提供更细化的状态信息刷新。

正文

摘要：本文介绍了华为云对冷启动优化这一业界难题的探索之路，创新提出了基于进程级快照的优化方案。

作者信息——

子游：华为元戎高级工程师

平山：华为云中间件 Serverless 负责人

琪君：华为元戎负责人

Key Takeaways

1. 冷启动 (Cold Start)一直是Serverless领域面临的优化难题之一，华为云创新提出了基于进程级快照的冷启动加速解决方案，致力于在用户几乎无感知的前提下，有效提升应用的冷启动性能；
2. 特别的，Java应用冷启动速度慢的问题尤为突出。本文以Java场景为例，介绍华为云在冷启动性能优化方面的探索历程，并揭秘90%+性能提升背后的技术实现原理。文末我们也提供了Quick Start，帮助用户更快地上手该新特性。

一、问题引言：Java应用冷启动速度面临巨大挑战

Serverless应用启动时，都需要先进行初始化。其初始化时长一般取决于应用本身的属性，如业务逻辑、编程语言等，其中Java应用的初始化过程通常是最慢的。以下基于一个典型的Java应用，对其启动时延进行拆解，各阶段耗时分布如图1所示：

图1：Java应用启动耗时分解

其中，端到端冷启动耗时可分为2大部分：

• 平台侧时间：

主要包含执行环境创建（如容器启动）、执行环境初始化（如代码包下载、部署）等准备工作，此阶段最多是秒级响应，在冷启动整体耗时中占比很低，通常不到5%，平台侧也支持一些优化方式，将耗时进一步压缩至毫秒级；

• 服务侧时间：

主要包含应用框架启动（如构建Spring ApplicationContext）、业务初始化（如业务数据初始化）等动作，此阶段耗时一般较长。在本例中，应用框架启动耗时占比约30%，业务初始化占比约65%。由此推断，该阶段执行的动作是Java应用启动慢的核心所在。

Java应用启动慢的根因其实也不难理解，主要有：

• 框架复杂：Spring作为一个企业级的框架，为了支持广泛的应用需求，存在大量的可配置和初始化逻辑，并通过复杂的设计模式来支撑这种灵活性。例如，一个spring-boot-web的hello world，依赖的class文件就多达7404个，见图2；
• JVM的一次编译，到处运行：类加载时，查找类、校验类的开销会随着应用复杂度而增长；同时，在应用刚启动时，方法还没有完全被JIT编译完成，因此大部分情况停留在解释执行，影响了应用启动的速度。

图2： hello world依赖的class个数

因此，对于时延敏感型的Java应用程序，在突发流量下发生冷启动时，可能会导致用户体验下降。为了应对这一挑战，用户可以提前预留资源来减少冷启动发生的频率，或者对自己的应用进行性能调优，但是第一类方案无形中增加了用户的keep-alive成本，第二类方案也有着较高的技术门槛且往往效果比较有限。

二、基于快照技术的冷启动加速：华为云的优化探索之路

Part I：站在巨人的肩膀上

业界针对Java应用的启动速度优化已有一些优秀的实践，可分为以下几类：

• AOT：
  主要有GraalVM[1]、EJET等，AOT方案是通过在程序运行前，直接将Java源码编译成本地机器码，因为提前编译并不占用运行时间，以此来显著提升应用的启动速度，同时本地机器码可以持久化于磁盘中，不占用内存且可重复使用。但是该类方案在特定场景也存在一定的局限性，如GraalVM对反射的支持并不友好，在涉及反射的地方都需要新增配置；EJET虽然解决了反射的问题，但是其编译时间较长且不稳定，在复杂应用场景下也存在性能劣化问题。
• AppCDS[2]：
  AppCDS方案是通过在JVM启动时从JSA文件读取共享数据，省略了共享类的加载过程，提升JVM启动速度；同时，多个JVM共享同一个归档文件，减少动态内存占用，可以提升内存使用率。该类方案主要适用于类加载比较多的场景，在一般场景下提升有限，且其对共享类的支持有一定限制，如运行时动态生成类不支持共享等。
• 其他针对性（Spring框架）方案：

如Lazy Initialization[3]、Scanning-index[4]等，前者通过懒加载的方式来减少启动时加载类的数量，一定程度上提升启动速度；后者通过在编译阶段创建索引，避免启动时扫描所有路径来进行加速。但是该类方案在Serverless场景缺乏一定的普适性。

华为云FunctionGraph创新提出的基于进程级快照的冷启动加速解决方案，致力于在用户无感知（无需/少量进行代码适配）的前提下，帮助用户突破冷启动的性能瓶颈。本优化方案直接从应用初始化后的快照进行运行环境恢复，跳过复杂的框架、业务初始化阶段，从而显著降低Java应用的启动时延，实测性能提升达90%+。

Part II：快照方案如何优化Java应用启动速度

当用户Java函数打开冷启动加速的配置开关后，华为云FunctionGraph会预先执行函数对应的初始化代码，获取其初始化执行上下文环境的快照，并进行加密缓存。后续调用该函数并触发冷启动扩容时，会直接从提前初始化后的应用快照来恢复执行环境，而非重新走一遍初始化流程，以此达到极大提升启动性能的效果。

先结合图3直观对比一下优化前、后的冷启动流程差异：

图3：基于快照加速的冷启动流程

基于快照的冷启动流程，主要包含以下几个关键步骤：

Step 1：平台侧提前准备执行环境，并预执行初始化代码、保存应用快照，此动作后续统称为Checkpoint

• 与图1对应，此阶段一般占总耗时的90%左右。

Step 2：在请求到达，触发函数新实例扩容时，直接从应用快照来恢复新的执行环境，此动作后续统称为Restore

• Restore 耗时是秒级，相当于将数十秒完整的初始化时间（在图 1 的示例中）缩短至秒级 Restore 耗时，启动性能提升了一个数量级。

Step 3：（可选）应用进程从快照恢复后，执行Restore Hook完成业务状态的刷新

• 由于Image File是进程运行时的快照，在重建进程之后，会涉及到进程持有状态的有效性更新。例如已建立的外部链接、加载到进程里的缓存信息等。故我们引入了Restore Hook的概念，提供手段让业务对这些状态进行刷新，详见Part IV。

Step 4：应用Ready，具备接着往下执行业务逻辑的能力

特别的，容器本身也是主机上的进程，故本优化方案也支持容器粒度的Checkpoint，即对容器内指定进程进行CR，与传统的轻量化虚机快照相比，其精细化程度更高、也更灵活。其原理详见图4：

图4：基于容器的CR流程

1. 在Source机器上启动微服务，通过健康检查和初始化调用后，进行Checkpoint，停止服务，生成进程快照信息；
2. 在Source机器上将进程快照信息和微服务所有相关依赖，进行压缩，加密生成内存快照包，并上传至云端存储。
3. 在Target机器上从持久化存储中下载对应微服务的内存快照包，进行解压恢复。
4. 在Target机器上Restore微服务进程；

Part III：快照技术揭秘

华为云提出的基于进程级快照的冷启动加速方案，其核心技术依托于CRIU[5]，它支持对用户空间指定的进程进行“冻结”（即停止进程，并将该进程运行的所有上下文持久化为镜像文件），并在必要时对其进行“解冻”（即通过保存的镜像文件来正确恢复进程运行的上下文），其核心工作流程如图5-6所示[6]：

图5：CRIU如何工作——Checkpoint

图6：CRIU如何工作——Restore

Checkpoint

1. CRIU首先通过操作系统的 /proc 目录获取指定进程和该进程下所有子进程的信息，包含文件描述符(/proc/$pid/fd)、管道参数、网络配置和内存映射文件(/proc/$pid/maps)等；
2. CRIU接着通过Linux 的ptrace syscall接口把一段特殊代码动态注入到该进程的地址空间，通过执行该动态代码，CRIU以UNIX守护进程的方式收集dumpee进程存放在寄存器里的内存数据；
3. CRIU将所有进程信息都收集完毕后，再次调用ptrace接口，去掉动态注入的代码，恢复该进程的原有代码；
4. CRIU根据收集的进程内存信息，生成多个以功能分类的镜像文件，并默认杀死进程，完成Checkpoint；

Restore

1. CRIU解析Checkpoint阶段生成的镜像文件，并分析多进程的共享资源；
2. CRIU通过Linux 的fork 接口重新构建、恢复进程和其共享资源；
3. CRIU恢复所有任务的资源，但不包含内存映射地址，定时器，线程等；
4. CRIU根据镜像文件重新映射内存空间，切换进程上下文，恢复进程的继续执行，完成Restore；

Part IV：Restore Hook

如Part II所述，虽然本优化方案能极大提升Java应用的冷启动速度，但是快照技术在某些场景也存在一定的局限性，较难做到对现有应用的全透明化。通过快照恢复后，应用的网络连接状态会受到影响，涉及到TCP Socket重连等场景，如服务注册、DB连接，分布式通信，消息队列等。

这部分场景依赖应用本身的网络重连机制来更新正确，因此，本优化方案中也引入了Restore Hook的概念，提供手段让业务对这些状态进行刷新。

Restore Hook当前已支持大部分主流第三方组件的重连，详见图7：

图7：Restore Hook支持的第三方组件

不难发现，Restore Hook需要应用本身进行少量的代码适配。为了进一步简化应用的改造负担，我们也进行了一种新的技术尝试，可以理解其充当了用户应用与BaaS之间的纽带，通过状态卸载等手段，对开发者透明，帮助应用完成状态的自动化刷新。这部分探索会在后续的技术博文中跟大家分享，敬请期待。

三、效果实测：Java冷启动时延降低90%+

我们选取了公司内部典型的Java应用，对其原始初始化流程、Restore流程进行了对比测试，如图8所示。测试结果表明，本优化方案将应用的启动速度平均提升了95%+，即使快照包的增大一定程度上增加了包下载、解压的耗时，但最终端到端的冷启动时延也降低了90%+。

图8：冷启加速前后的数据对比

四、快速上手：基于华为云FunctionGraph的简单实战

华为云发布的基于进程级快照的冷启动加速方案，是一种性能优化服务，用户无需额外付费，只需进行简单的配置、少量的代码修改，即可享受到该创新方案带来的冷启动性能提升。

下文基于华为云FunctionGraph，为大家带来特性Quick Start：

1、登录FunctionGraph控制台，创建Java函数，并打开“快照式冷启动”开关

2、（可选）配置Restore Hook，并在函数代码中实现对应的Hook逻辑

3、函数发布新版本后，触发快照的自动化制作

4、请耐心等待快照制作完成（5min超时时间）

5、调用Java函数，体验快照优化后的性能提升

五、总结与展望

本文介绍了华为云对冷启动优化这一业界难题的探索之路，创新提出了基于进程级快照的优化方案。当然，本方案也并非十全十美，它依然面临着一系列挑战，如文中提到的应用状态刷新、进程级CR的精细化控制、多平台的兼容性等，我们也在持续探索、优化中。

同时，FunctionGraph 作为华为元戎内核加持的下一代 Serverless 函数计算与编排服务，致力于持续为用户提供方便、迅捷的Serverless 服务体验。您可以登录华为云FunctionGraph控制台来深入体验，更多信息请参阅FunctionGraph官方文档[7]。后续我们将分享更多围绕通用全场景 Serverless的前沿理论及其案例实践，回馈社区。

参考资料

[1]https://www.graalvm.org/22.3/reference-manual/java/compiler/

[2]https://wiki.openjdk.org/display/HotSpot/Application+Class+Data+Sharing+-+AppCDS

[3]https://spring.io/blog/2019/03/14/lazy-initialization-in-spring-boot-2-2

[4]https://docs.spring.io/spring-framework/docs/current/reference/html/core.html#beans-scanning-index

[5]https://github.com/checkpoint-restore/criu

[6]https://speakerdeck.com/udzura/introduction-to-criu?slide=32

[7]https://support.huaweicloud.com/functiongraph/index.html

 

点击关注，第一时间了解华为云新鲜技术~