升级到 Spring Boot 3.5，我们的云成本减少了 45%

上个季度，我带着越来越焦虑的心情盯着我们公司的 AWS 账单。尽管服务的客户数量基本持平，但我们的云成本在过去一年里持续攀升。作为负责后端基础设施的技术负责人，我必须在下一个预算评审前找到解决方案。

我没想到的是，一次看似例行的 Spring Boot 升级，加上一些有针对性的配置调整，竟然让我们的 AWS 开支几乎减半。以下是我们如何发现问题、实施变更，并彻底提升应用资源效率的全过程。

云成本加剧的危机

我们公司运营着一个 SaaS 平台，帮助中型企业管理多渠道的库存。我们不是巨头（大约 5,000 个客户，每天处理 120,000 个订单—），但 AWS 账单已经涨到了令人头疼的每月 27,000 美元。_

CFO 在季度会议上说："我们要么削减成本，要么涨价。“但在当前市场，涨价根本不现实。”

挑战很明确：在不影响应用性能和可靠性的前提下，找到显著的基础设施节省空间。但从哪里下手？

找出资源消耗大户

我们的应用架构对现代 Java 项目来说很常见：

• Spring Boot 2.7 后端服务
• PostgreSQL RDS 实例做持久化存储
• Redis 做缓存
• EC2 实例组成自动伸缩组，挂在负载均衡器后面

第一步是搞清楚钱都花在哪了。我设置了详细的成本分配标签，并用 AWS Cost Explorer 分析了我们的支出模式。

结果令人惊讶：

• EC2 实例：占 58%
• RDS PostgreSQL：占 25%
• 数据传输：占 12%
• 其他服务（Redis、S3 等）：占 5%

EC2 成本成了首要目标，深入分析后发现更有意思的现象：我们运行的实例数量远超实际流量需求。自动伸缩经常被触发，启动的新实例大多处于低利用率。

资源利用率之谜

监控数据显示出一种奇怪的模式。每台 EC2 实例启动时各项指标都很健康，但随后会逐步出现：

1. CPU 利用率逐步升高（最终达到 70–80%）
2. JVM 堆内存持续增长
3. 响应时间变慢
4. 吞吐量下降

大约 12 小时后，指标恶化到自动伸缩被触发，启动新实例。但这些新实例并没有处理更多流量，只是在弥补已有实例性能下降的问题。

"看起来像是某种资源泄漏。"我对团队说，“但不是典型的内存泄漏，而是应用效率在逐步下降。”

数据库连接的真相

开启详细性能监控和日志分析后，我们发现了惊人的问题：应用创建了过多的数据库连接，且很多连接没有被正确关闭。

典型的 API 请求流程应该是：

Request → Controller → Service → Repository → Database

但实际连接使用却是：

初始请求 → 打开 5 个 DB 连接 → 关闭 3 个连接 → 泄漏 2 个连接

这些泄漏的连接会不断积累，直到连接池耗尽，导致性能下降，最终触发自动伸缩。

罪魁祸首？我们的应用用的是 Spring Data JPA，并有一些自定义的 repository 实现，没有正确管理事务边界和连接生命周期。

Spring Boot 3.5 的启示

就在这时，Spring Boot 3.5 发布了，带来了数据库连接管理和 ORM 性能的多项改进。发布说明中提到"资源利用率显著提升"，这引起了我的注意。

进一步研究后，我发现 Spring Boot 3.5 包含：

1. 更强的连接池集成
2. 改进的事务管理
3. 更智能的资源清理
4. 更好地处理懒加载场景

升级能解决我们的问题吗？值得一试。

关键配置变更带来的转机

我们决定升级到 Spring Boot 3.5，并针对数据库连接管理做了几项关键配置调整。以下是最有影响力的具体变更：

1. 连接池优化

我们将默认的 HikariCP 配置调整为更适合我们负载的参数：

# 之前
spring.datasource.type=com.zaxxer.hikari.HikariDataSource
spring.datasource.hikari.maximum-pool-size=10
spring.datasource.hikari.minimum-idle=10
# 之后
spring.datasource.type=com.zaxxer.hikari.HikariDataSource
spring.datasource.hikari.maximum-pool-size=20
spring.datasource.hikari.minimum-idle=5
spring.datasource.hikari.idle-timeout=120000
spring.datasource.hikari.max-lifetime=1800000
spring.datasource.hikari.connection-timeout=30000
spring.datasource.hikari.leak-detection-threshold=60000

关键新增项是 leak-detection-threshold，帮助我们识别和记录潜在的连接泄漏。降低 minimum-idle 也避免了在低峰期保留过多空闲连接。

2. 事务管理改进

我们优化了事务管理配置：

# 之前
spring.jpa.properties.hibernate.connection.provider_disables_autocommit=true
# 之后
spring.jpa.properties.hibernate.connection.provider_disables_autocommit=true
spring.jpa.properties.hibernate.connection.han