配置项作用 #
thread_pool.estimated_time_interval 配置项用于控制时间缓存线程的更新间隔。
Easysearch 使用一个专门的守护线程（CachedTimeThread）来缓存系统时间，避免频繁调用系统时间函数。此配置决定缓存时间的更新频率。
配置项属性 #
- 配置路径:
thread_pool.estimated_time_interval - 数据类型:
TimeValue（时间值） - 默认值:
200ms（200 毫秒） - 是否可选: 是
- 作用域: NodeScope（节点级别）
- 动态更新: 否（需要重启节点生效）
配置项详解 #
工作机制 #
时间缓存机制
系统时间获取方式对比:
直接调用 (未启用缓存):
每次获取时间
│
├── System.nanoTime() / System.currentTimeMillis()
├── 系统调用开销 ⚠️
└── 返回时间
缓存方式 (启用缓存):
时间缓存线程 (CachedTimeThread)
│
├── 每 interval 更新一次
│ ├── 读取 System.nanoTime()
│ ├── 读取 System.currentTimeMillis()
│ └── 存储到缓存
│
└── 其他线程获取时间
├── 从缓存读取 ✅
├── 无系统调用 ✅
└── 返回时间
时间线示例 (interval = 200ms):
时刻 0ms: 更新缓存 (1000, 1234567890)
时刻 50ms: 读取缓存 → (1000, 1234567890) ✅
时刻 100ms: 读取缓存 → (1000, 1234567890) ✅
时刻 150ms: 读取缓存 → (1000, 1234567890) ✅
时刻 200ms: 更新缓存 (1200, 1234567891)
时刻 250ms: 读取缓存 → (1200, 1234567891) ✅
缓存的时间类型 #
缓存的时间值
1. 相对时间 (relativeNanos)
├── 基于: System.nanoTime()
├── 用途: 计算时间差
├── 精度: 纳秒级
└-- API: relativeTimeInNanos()
2. 绝对时间 (absoluteMillis)
├── 基于: System.currentTimeMillis()
├── 用途: 获取当前时间
├── 精度: 毫秒级
└-- API: absoluteTimeInMillis()
使用场景:
相对时间:
├── 超时计算
├── 性能计时
├── 延迟测量
└-- 时间差计算
绝对时间:
├── 日志时间戳
├── 文档时间字段
├── 任务调度
└-- 历史记录
性能影响分析 #
更新间隔与性能
interval 较小 (50ms):
├── 时间精度: 高 ✅
├── 系统调用: 频繁 ⚠️
├── CPU 开销: 较高 ⚠️
├── 缓存命中率: 高
└-- 适用: 高精度需求场景
interval 默认 (200ms) - 推荐:
├── 时间精度: 良好 ✅
├── 系统调用: 适中 ✅
├── CPU 开销: 低 ✅
├── 缓存命中率: 高
└-- 适用: 大多数场景 ✅
interval 较大 (500ms):
├── 时间精度: 较低 ⚠️
├── 系统调用: 少 ✅
├── CPU 开销: 很低 ✅
├── 缓存命中率: 高
└-- 适用: 性能优先场景
interval = 0 (禁用缓存):
├── 时间精度: 最高 ✅
├── 系统调用: 每次都调用 ⚠️
├── CPU 开销: 高 ⚠️
├-- 缓存: 禁用
└-- 适用: 测试场景
系统调用优化 #
系统调用减少效果
假设每秒 10000 次时间获取:
不使用缓存:
├── System.nanoTime() 调用: 10000 次/秒
├── System.currentTimeMillis() 调用: 10000 次/秒
├── 总系统调用: 20000 次/秒
├── CPU 开销: 高
└-- 性能影响: 显著
使用缓存 (interval = 200ms):
├── 系统调用: 5 次/秒 (1000ms / 200ms)
├── 缓存读取: 10000 次/秒
├── 系统调用减少: 99.975% ✅
├── CPU 开销: 极低
└-- 性能提升: 显著
优化效果:
├── 减少系统调用
├── 降低 CPU 使用
├── 提高吞吐量
└-- 改善响应时间
配置建议 #
默认配置（推荐） #
thread_pool:
estimated_time_interval: 200ms # 默认值
建议: 大多数场景使用默认值，性能和精度平衡最佳。
高精度场景 #
thread_pool:
estimated_time_interval: 50ms # 更频繁更新
建议: 对时间精度要求极高的场景使用。
性能优先场景 #
thread_pool:
estimated_time_interval: 500ms # 减少更新频率
建议: 性能敏感且对时间精度要求不高的场景。
测试场景 #
thread_pool:
estimated_time_interval: 0 # 禁用缓存
建议: 仅用于测试，确保时间精确性。
极低延迟场景 #
thread_pool:
estimated_time_interval: 10ms # 极高频率
建议: 特殊低延迟需求，会增加 CPU 开销。
代码示例 #
基础配置 #
thread_pool:
estimated_time_interval: 200ms
时间值格式 #
thread_pool:
estimated_time_interval: 200ms # 毫秒
# 或
estimated_time_interval: 0.2s # 秒
高性能配置 #
thread_pool:
estimated_time_interval: 500ms
高精度配置 #
thread_pool:
estimated_time_interval: 100ms
相关配置 #
| 配置项 | 作用 | 默认值 |
|---|---|---|
estimated_time_interval | 时间缓存更新间隔 | 200ms |
注意事项 #
默认值: 默认值为
200ms，推荐使用。非动态更新: 需要重启节点才能生效。
性能权衡: 减小间隔会增加系统调用开销。
时间精度: 间隔越小，时间精度越高。
全局影响: 影响所有使用缓存时间的组件。
禁用选项: 设置为
0可禁用缓存。CPU 开销: 过小的值会增加 CPU 开销。
测试验证: 更改后应进行性能测试。
一致性: 集群中各节点建议保持一致。
监控影响: 调整后应监控 CPU 使用率。
使用场景 #
场景选择指南
标准生产环境:
├── interval: 200ms (默认)
├── 精度: 足够
├── 性能: 优秀
└-- 推荐: 默认配置 ✅
高频交易系统:
├── interval: 50ms
├── 精度: 高
├── 性能: 良好
└-- 推荐: 提高精度
日志处理系统:
├── interval: 500ms
├── 精度: 足够
├── 性能: 优秀
└-- 推荐: 降低开销
性能测试环境:
├── interval: 0
├-- 精度: 最高
├-- 性能: 不考虑
└-- 推荐: 禁用缓存
大规模集群:
├── interval: 200-300ms
├── 精度: 适中
├── 性能: 优先
└-- 推荐: 略微增加
性能基准 #
性能基准测试数据 (仅供参考)
测试条件: 10000 次/秒时间获取
interval = 0 (禁用缓存):
├── 系统调用: 20000 次/秒
├── CPU 时间: ~100 μs/调用
├── 总 CPU: ~2 秒/秒
└-- 吞吐量影响: 显著
interval = 50ms:
├── 系统调用: 20 次/秒
├── CPU 时间: ~100 μs/调用
├── 总 CPU: ~2 ms/秒
├-- 减少: 99.9%
└-- 吞吐量影响: 极小
interval = 200ms (默认):
├── 系统调用: 5 次/秒
├── CPU 时间: ~100 μs/调用
├── 总 CPU: ~0.5 ms/秒
├-- 减少: 99.975%
└-- 吞吐量影响: 可忽略
interval = 500ms:
├── 系统调用: 2 次/秒
├── CPU 时间: ~100 μs/调用
├── 总 CPU: ~0.2 ms/秒
├-- 减少: 99.99%
└-- 吞吐量影响: 可忽略
结论: 缓存机制显著减少系统调用开销
最佳实践 #
时间缓存配置最佳实践
1. 生产环境
├── 使用默认值 200ms
├── 平衡精度和性能
├── 监控 CPU 使用
└-- 定期评估配置
2. 性能调优
├── 从默认值开始
├── 根据负载调整
├── 测试不同配置
└-- 选择最佳值
3. 特殊场景
├── 高精度: 减小间隔
├── 高性能: 增加间隔
├── 测试: 禁用缓存
└-- 明确目的
4. 集群一致性
├── 保持各节点一致
├── 避免差异
├── 统一配置
└-- 定期审查
5. 监控验证
├── 监控 CPU 使用
├── 监控系统调用
├── 测量性能影响
└-- 验证配置效果
