解读

国内互联网面试中，性能测试岗位常把“工具原理+调优”作为区分“只会上手”与“能定位瓶颈”的分水岭。Gatling 默认基于 Akka Actor，而 Akka 又是 JVM 生态里“事件驱动、异步非阻塞”的代名词。面试官问“少量内存支撑高并发”，实质想验证两点：

1. 你是否理解 Actor 模型与传统线程池在内存占用上的本质差异；
2. 你是否能把“理论优势”落地为可量化的调优动作，并在压测报告中体现。
   回答时先讲“为什么省内存”，再给“调哪几个参数、怎么验证”，最后落到“对 SLA 的影响”，才能拿到高分。

知识点

1. Actor 模型：每个虚拟用户对应一个轻量级 Actor，底层共用 Dispatchers 提供的少量线程（默认 CPU*2），避免“一请求一线程”的栈内存浪费。
2. 非阻塞 I/O：Netty + NIO 网络层，零拷贝+堆外内存，减少用户态/内核态切换。
3. 邮箱机制：Actor 通信通过邮箱排队，背压自然形成，无需额外同步锁。
4. 内存复用：Gatling 3.x 引入对象池（Session 池、ByteBuf 池），降低 GC 压力。
5. 调优层级：JVM 层、Akka 层、Gatling 层、OS 层，四层联动。
6. 国内常见误区：盲目加大 -Dgatling.actors.corePoolSize 或堆内存，结果上下文切换和 GC 暴增，TPS 反而下降。

答案

1. 内存节省原理
   a. 轻量 Actor 实例：一个虚拟用户对象约 200–300 B，百万并发仅占用百兆级堆，远低于线程栈（默认 1 MB × 100 万 = 1 TB 不可实现）。
   b. ForkJoinPool 共享线程：事件驱动，线程数固定，减少栈内存和线程切换开销。
   c. 分段邮箱 + 堆外内存：请求/响应数据经 Netty 直接缓冲区传输，减少堆内存拷贝。
   d. 增量 GC 友好：对象短生命周期集中在 Eden 区，配合 G1/ZGC，STW 控制在 10 ms 级。

2. 关键调优参数与步骤
   ① JVM 层
   -Xms -Xmx 设置为同一值，避免动态扩容；
   G1GC：-XX:MaxGCPauseMillis=100 -XX:+UseStringDeduplication；
   堆外内存：-XX:MaxDirectMemorySize=4g，防止 Netty 分配失败。

   ② Akka 层（conf/gatling-akka.conf）
   akka.actor.default-dispatcher.fork-join-executor
   parallelism-factor = 1.0 # 默认 CPU 核数，IO 重可降到 0.5
   parallelism-max = 32 # 线程上限，8 核容器建议 16–24
   task-peeking-mode = LIFO # 减少队列抖动
   akka.actor.guardian-supervisor-strategy = "one-for-one"
   akka.coordinated-shutdown.exit-jvm = off # 防止误杀 Jenkins 构建节点

   ③ Gatling 层（gatling.conf）
   gatling.core.extract.regex.cache.maxCapacity = 200 # 正则缓存，降低编译开销
   gatling.http.pooledMaxConnectionsPerHost = 6000 # 与后端连接池对齐
   gatling.http.requestTimeout = 30s # 过长会堆积内存
   gatling.data.writers = "console,json" # 关闭不需要的报表写入，减少 IO 线程

   ④ OS 层（Linux 2.6+）
   ulimit -n 100000
net.core.somaxconn = 65535
net.ipv4.ip_local_port_range = 1024 65535

3. 验证方法

   • 监控：Prometheus + Grafana 采集 JVM_Memory_Direct、akka_dispatcher_queue_size、gc_pause_seconds；
   • 对比实验：固定 50 k RPS，观察 8 G/16 G 堆下 95th RT 与 GC Pause，证明“内存减半 SLA 仍达标”；
   • 报告输出：在 Confluence 贴出“线程数-内存-RT”三维图，给出拐点结论，方便开发信服。

拓展思考

1. 云原生场景：K8s 容器 4 C8 G Pod，如何结合 cgroup 限制与 Akka 线程池，防止“核数感知”错误导致线程饥饿？
2. 混合压测：同一台施压机同时跑 Gatling 与 JMeter，Actor 模型与线程模型对比，如何设计实验量化“内存节省 60 %”？
3. 背压失效：当后端 RT 突增 10 倍，Gatling 邮箱堆积，内存陡升，如何快速定位是“线程池过小”还是“网络缓冲区泄漏”？
4. SLA 演进：业务要求 99.9 % 请求 < 100 ms，但允许 0.1 % 降级到 500 ms，如何调整 gatling.http.maxRetry 与 akka.dispatcher.throughput 实现“重试不爆炸”？