接口性能優(yōu)化技巧

我負(fù)責(zé)的系統(tǒng)在去年初就完成了功能上的建設(shè)，然后開(kāi)始進(jìn)入到推廣階段。隨著推廣的逐步深入，收到了很多好評(píng)的同時(shí)也收到了很多對(duì)性能的吐槽。

剛剛收到吐槽的時(shí)候，我們的心情是這樣的：

當(dāng)越來(lái)越多對(duì)性能的吐槽反饋到我們這里的時(shí)候，我們意識(shí)到，接口性能的問(wèn)題的優(yōu)先級(jí)必須提高了。

然后我們就跟蹤了 1 周的接口性能監(jiān)控，這個(gè)時(shí)候我們的心情是這樣的：

有 20 多個(gè)慢接口，5 個(gè)接口響應(yīng)時(shí)間超過(guò) 5s，1 個(gè)超過(guò) 10s，其余的都在 2s 以上，穩(wěn)定性不足 99.8%。

作為一個(gè)優(yōu)秀的后端程序員，這個(gè)數(shù)據(jù)肯定是不能忍的，我們馬上就進(jìn)入了漫長(zhǎng)的接口優(yōu)化之路。本文就是對(duì)我們漫長(zhǎng)工作歷程的一個(gè)總結(jié)。

這個(gè)問(wèn)題的答案非常多，需要根據(jù)自己的業(yè)務(wù)場(chǎng)景具體分析。

這里做一個(gè)不完全的總結(jié)：

• 數(shù)據(jù)庫(kù)慢查詢

• 業(yè)務(wù)邏輯復(fù)雜

• 線程池設(shè)計(jì)不合理

• 鎖設(shè)計(jì)不合理

• 機(jī)器問(wèn)題（fullGC，機(jī)器重啟，線程打滿）

• 萬(wàn)金油解決方式

| 慢查詢（基于 mysql）

①深度分頁(yè)

select?name,code?from?student?limit?100,20

含義當(dāng)然就是從 student 表里查 100 到 120 這 20 條數(shù)據(jù)，mysql 會(huì)把前 120 條數(shù)據(jù)都查出來(lái)，拋棄前 100 條，返回 20 條。

select?name,code?from?student?limit?1000000,20

這個(gè)時(shí)候，mysql 會(huì)查出來(lái) 1000020 條數(shù)據(jù)，拋棄 1000000 條，如此大的數(shù)據(jù)量，速度一定快不起來(lái)。

select?name,code?from?student?where?id>1000000??limit?20

這樣，mysql 會(huì)走主鍵索引，直接連接到 1000000 處，然后查出來(lái) 20 條數(shù)據(jù)。但是這個(gè)方式需要接口的調(diào)用方配合改造，把上次查詢出來(lái)的最大 id 以參數(shù)的方式傳給接口提供方，會(huì)有溝通成本（調(diào)用方：老子不改！）。

②未加索引

show?create?table?xxxx（表名）

查看某張表的索引。具體加索引的語(yǔ)句網(wǎng)上太多了，不再贅述。不過(guò)順便提一嘴，加索引之前，需要考慮一下這個(gè)索引是不是有必要加，如果加索引的字段區(qū)分度非常低，那即使加了索引也不會(huì)生效。

另外，加索引的 alter 操作，可能引起鎖表，執(zhí)行 sql 的時(shí)候一定要在低峰期（血淚史！！！！）

③索引失效

這個(gè)是慢查詢最不好分析的情況，雖然 mysql 提供了 explain 來(lái)評(píng)估某個(gè) sql 的查詢性能，其中就有使用的索引。

需要特別提出的是，關(guān)于字段區(qū)分性很差的情況，在加索引的時(shí)候就應(yīng)該進(jìn)行評(píng)估。如果區(qū)分性很差，這個(gè)索引根本就沒(méi)必要加。

區(qū)分性很差是什么意思呢，舉幾個(gè)例子，比如：

• 某個(gè)字段只可能有 3 個(gè)值，那這個(gè)字段的索引區(qū)分度就很低。

• 再比如，某個(gè)字段大量為空，只有少量有值；

• 再比如，某個(gè)字段值非常集中，90% 都是 1，剩下 10% 可能是 2,3,4....

進(jìn)一步的，那如果不符合上面所有的索引失效的情況，但是 mysql 還是不使用對(duì)應(yīng)的索引，是為啥呢？

這個(gè)跟 mysql 的 sql 優(yōu)化有關(guān)，mysql 會(huì)在 sql 優(yōu)化的時(shí)候自己選擇合適的索引，很可能是 mysql 自己的選擇算法算出來(lái)使用這個(gè)索引不會(huì)提升性能，所以就放棄了。

select?name,code?from?student?force?index(XXXXXX)?where?name?=?'天才'?

其中 xxxx 是索引名。

④join 過(guò)多 or 子查詢過(guò)多

我把 join 過(guò)多和子查詢過(guò)多放在一起說(shuō)了。一般來(lái)說(shuō)，不建議使用子查詢，可以把子查詢改成 join 來(lái)優(yōu)化。同時(shí)，join 關(guān)聯(lián)的表也不宜過(guò)多，一般來(lái)說(shuō) 2-3 張表還是合適的。

具體關(guān)聯(lián)幾張表比較安全是需要具體問(wèn)題具體分析的，如果各個(gè)表的數(shù)據(jù)量都很少，幾百條幾千條，那么關(guān)聯(lián)的表的可以適當(dāng)多一些，反之則需要少一些。

另外需要提到的是，在大多數(shù)情況下 join 是在內(nèi)存里做的，如果匹配的量比較小，或者 join_buffer 設(shè)置的比較大，速度也不會(huì)很慢。

但是，當(dāng) join 的數(shù)據(jù)量比較大的時(shí)候，mysql 會(huì)采用在硬盤上創(chuàng)建臨時(shí)表的方式進(jìn)行多張表的關(guān)聯(lián)匹配，這種顯然效率就極低，本來(lái)磁盤的 IO 就不快，還要關(guān)聯(lián)。

一般遇到這種情況的時(shí)候就建議從代碼層面進(jìn)行拆分，在業(yè)務(wù)層先查詢一張表的數(shù)據(jù)，然后以關(guān)聯(lián)字段作為條件查詢關(guān)聯(lián)表形成 map，然后在業(yè)務(wù)層進(jìn)行數(shù)據(jù)的拼裝。

一般來(lái)說(shuō)，索引建立正確的話，會(huì)比 join 快很多，畢竟內(nèi)存里拼接數(shù)據(jù)要比網(wǎng)絡(luò)傳輸和硬盤 IO 快得多。

⑤in 的元素過(guò)多

這種問(wèn)題，如果只看代碼的話不太容易排查，最好結(jié)合監(jiān)控和數(shù)據(jù)庫(kù)日志一起分析。如果一個(gè)查詢有 in，in 的條件加了合適的索引，這個(gè)時(shí)候的 sql 還是比較慢就可以高度懷疑是 in 的元素過(guò)多。

一旦排查出來(lái)是這個(gè)問(wèn)題，解決起來(lái)也比較容易，不過(guò)是把元素分個(gè)組，每組查一次。想再快的話，可以再引入多線程。

select?id?from?student?where?id?in?(1,2,3?......?1000)?limit?200

當(dāng)然了，最好是在代碼層面做個(gè)限制：

if?(ids.size()?>?200)?{
????throw?new?Exception("單次查詢數(shù)據(jù)量不能超過(guò)200");
}

⑥單純的數(shù)據(jù)量過(guò)大

這種問(wèn)題，單純代碼的修修補(bǔ)補(bǔ)一般就解決不了了，需要變動(dòng)整個(gè)的數(shù)據(jù)存儲(chǔ)架構(gòu)。或者是對(duì)底層 mysql 分表或分庫(kù)+分表；或者就是直接變更底層數(shù)據(jù)庫(kù)，把 mysql 轉(zhuǎn)換成專門為處理大數(shù)據(jù)設(shè)計(jì)的數(shù)據(jù)庫(kù)。

這種工作是個(gè)系統(tǒng)工程，需要嚴(yán)密的調(diào)研、方案設(shè)計(jì)、方案評(píng)審、性能評(píng)估、開(kāi)發(fā)、測(cè)試、聯(lián)調(diào)，同時(shí)需要設(shè)計(jì)嚴(yán)密的數(shù)據(jù)遷移方案、回滾方案、降級(jí)措施、故障處理預(yù)案。

除了以上團(tuán)隊(duì)內(nèi)部的工作，還可能有跨系統(tǒng)溝通的工作，畢竟做了重大變更，下游系統(tǒng)的調(diào)用接口的方式有可能會(huì)需要變化。

出于篇幅的考慮，這個(gè)不再展開(kāi)了，筆者有幸完整參與了一次億級(jí)別數(shù)據(jù)量的數(shù)據(jù)庫(kù)分表工作，對(duì)整個(gè)過(guò)程的復(fù)雜性深有體會(huì)，后續(xù)有機(jī)會(huì)也會(huì)分享出來(lái)。

| 業(yè)務(wù)邏輯復(fù)雜

①循環(huán)調(diào)用

這種情況，一般都循環(huán)調(diào)用同一段代碼，每次循環(huán)的邏輯一致，前后不關(guān)聯(lián)。

List?list?=?new?ArrayList<>();
for(int?i?=?0?;?i?12?;?i?++)?{
????Model?model?=?calOneMonthData(i);?//?計(jì)算某個(gè)月的數(shù)據(jù)，邏輯比較復(fù)雜，難以批量計(jì)算，效率也無(wú)法很高
????list.add(model);
}

//?建立一個(gè)線程池，注意要放在外面，不要每次執(zhí)行代碼就建立一個(gè)，具體線程池的使用就不展開(kāi)了
public?static?ExecutorService?commonThreadPool?=?new?ThreadPoolExecutor(5,?5,?300L,
????????TimeUnit.SECONDS,?new?LinkedBlockingQueue<>(10),?commonThreadFactory,?new?ThreadPoolExecutor.DiscardPolicy());

//?開(kāi)始多線程調(diào)用
List>?futures?=?new?ArrayList<>();
for(int?i?=?0?;?i?12?;?i?++)?{
????Future?future?=?commonThreadPool.submit(()?->?calOneMonthData(i););
????futures.add(future);
}

//?獲取結(jié)果
List?list?=?new?ArrayList<>();
try?{
???for?(int?i?=?0?;?i???????list.add(futures.get(i).get());
???}
}?catch?(Exception?e)?{
???LOGGER.error("出現(xiàn)錯(cuò)誤：",?e);
}

②順序調(diào)用

A?a?=?doA();
B?b?=?doB();

C?c?=?doC(a,?b);

D?d?=?doD(c);
E?e?=?doE(c);

return?doResult(d,?e);

CompletableFuture?futureA?=?CompletableFuture.supplyAsync(()?->?doA());
CompletableFuture?futureB?=?CompletableFuture.supplyAsync(()?->?doB());
CompletableFuture.allOf(futureA,futureB)?//?等a?b?兩個(gè)任務(wù)都執(zhí)行完成

C?c?=?doC(futureA.join(),?futureB.join());

CompletableFuture?futureD?=?CompletableFuture.supplyAsync(()?->?doD(c));
CompletableFuture?futureE?=?CompletableFuture.supplyAsync(()?->?doE(c));
CompletableFuture.allOf(futureD,futureE)?//?等d?e兩個(gè)任務(wù)都執(zhí)行完成

return?doResult(futureD.join(),futureE.join());

這樣 A B 兩個(gè)邏輯可以并行執(zhí)行，D E 兩個(gè)邏輯可以并行執(zhí)行，最大執(zhí)行時(shí)間取決于哪個(gè)邏輯更慢。

| 線程池設(shè)計(jì)不合理

有的時(shí)候，即使我們使用了線程池讓任務(wù)并行處理，接口的執(zhí)行效率仍然不夠快，這種情況可能是怎么回事呢？

這種情況首先應(yīng)該懷疑是不是線程池設(shè)計(jì)的不合理。我覺(jué)得這里有必要回顧一下線程池的三個(gè)重要參數(shù)：核心線程數(shù)、最大線程數(shù)、等待隊(duì)列。

這三個(gè)參數(shù)是怎么打配合的呢？當(dāng)線程池創(chuàng)建的時(shí)候，如果不預(yù)熱線程池，則線程池中線程為 0。當(dāng)有任務(wù)提交到線程池，則開(kāi)始創(chuàng)建核心線程。

如果線程總數(shù)達(dá)到最大線程數(shù)，還是有任務(wù)到達(dá)，則開(kāi)始根據(jù)線程池拋棄規(guī)則開(kāi)始拋棄。

那么這個(gè)運(yùn)行原理與接口運(yùn)行時(shí)間有什么關(guān)系呢？

• 核心線程設(shè)置過(guò)小：核心線程設(shè)置過(guò)小則沒(méi)有達(dá)到并行的效果

• 線程池公用，別的業(yè)務(wù)的任務(wù)執(zhí)行時(shí)間太長(zhǎng)，占用了核心線程，另一個(gè)業(yè)務(wù)的任務(wù)到達(dá)就直接進(jìn)入了等待隊(duì)列

• 任務(wù)太多，以至于占滿了線程池，大量任務(wù)在隊(duì)列中等待

在排查的時(shí)候，只要找到了問(wèn)題出現(xiàn)的原因，那么解決方式也就清楚了，無(wú)非就是調(diào)整線程池參數(shù)，按照業(yè)務(wù)拆分線程池等等。

| 鎖設(shè)計(jì)不合理

鎖設(shè)計(jì)不合理一般有兩種：鎖類型使用不合理 or 鎖過(guò)粗。

鎖類型使用不合理的典型場(chǎng)景就是讀寫鎖。也就是說(shuō)，讀是可以共享的，但是讀的時(shí)候不能對(duì)共享變量寫；而在寫的時(shí)候，讀寫都不能進(jìn)行。

在可以加讀寫鎖的時(shí)候，如果我們加成了互斥鎖，那么在讀遠(yuǎn)遠(yuǎn)多于寫的場(chǎng)景下，效率會(huì)極大降低。

public?synchronized?void?doSome()?{
????File?f?=?calData();
????uploadToS3(f);
????sendSuccessMessage();
}

這塊邏輯一共處理了三部分，計(jì)算、上傳結(jié)果、發(fā)送消息。顯然上傳結(jié)果和發(fā)送消息是完全可以不加鎖的，因?yàn)檫@個(gè)跟共享變量根本不沾邊。

因此完全可以改成：

public?void?doSome()?{
????File?f?=?null;
????synchronized(this)?{
????????f?=?calData();
????}
????uploadToS3(f);
????sendSuccessMessage();
}

| 機(jī)器問(wèn)題（fullGC，機(jī)器重啟，線程打滿）

造成這個(gè)問(wèn)題的原因非常多，筆者就遇到了定時(shí)任務(wù)過(guò)大引起 fullGC，代碼存在線程泄露引起 RSS 內(nèi)存占用過(guò)高進(jìn)而引起機(jī)器重啟等待諸多原因。

需要結(jié)合各種監(jiān)控和具體場(chǎng)景具體分析，進(jìn)而進(jìn)行大事務(wù)拆分、重新規(guī)劃線程池等等工作。

| 萬(wàn)金油解決方式

萬(wàn)金油這個(gè)形容詞是從我們單位某位老師那里學(xué)來(lái)的，但是筆者覺(jué)得非常貼切。這些萬(wàn)金油解決方式往往能解決大部分的接口緩慢的問(wèn)題，而且也往往是我們解決接口效率問(wèn)題的最終解決方案。

當(dāng)我們實(shí)在是沒(méi)有辦法排查出問(wèn)題，或者實(shí)在是沒(méi)有優(yōu)化空間的時(shí)候，可以嘗試這種萬(wàn)金油的方式。

①緩存

緩存是一種空間換取時(shí)間的解決方案，是在高性能存儲(chǔ)介質(zhì)上（例如：內(nèi)存、SSD 硬盤等）存儲(chǔ)一份數(shù)據(jù)備份。

當(dāng)有請(qǐng)求打到服務(wù)器的時(shí)候，優(yōu)先從緩存中讀取數(shù)據(jù)。如果讀取不到，則再?gòu)挠脖P或通過(guò)網(wǎng)絡(luò)獲取數(shù)據(jù)。

由于內(nèi)存或 SSD 相比硬盤或網(wǎng)絡(luò) IO 的效率高很多，則接口響應(yīng)速度會(huì)變快非常多。緩存適合于應(yīng)用在數(shù)據(jù)讀遠(yuǎn)遠(yuǎn)大于數(shù)據(jù)寫，且數(shù)據(jù)變化不頻繁的場(chǎng)景中。

從技術(shù)選型上看，有這些：

• 簡(jiǎn)單的 map

• guava 等本地緩存工具包

• 緩存中間件：redis、tair 或 memcached

當(dāng)然，memcached 現(xiàn)在用的很少了，因?yàn)橄啾扔?redis 他不占優(yōu)勢(shì)。tair 則是阿里開(kāi)發(fā)的一個(gè)分布式緩存中間件，他的優(yōu)勢(shì)是理論上可以在不停服的情況下，動(dòng)態(tài)擴(kuò)展存儲(chǔ)容量，適用于大數(shù)據(jù)量緩存存儲(chǔ)。

相比于單機(jī) redis 緩存當(dāng)然有優(yōu)勢(shì)，而他與可擴(kuò)展 Redis 集群的對(duì)比則需要進(jìn)一步調(diào)研。

進(jìn)一步的，當(dāng)前緩存的模型一般都是 key-value 模型。如何設(shè)計(jì) key 以提高緩存的命中率是個(gè)大學(xué)問(wèn)，好的 key 設(shè)計(jì)和壞的 key 設(shè)計(jì)所提升的性能差別非常大。

而且，key 設(shè)計(jì)是沒(méi)有一定之規(guī)的，需要結(jié)合具體的業(yè)務(wù)場(chǎng)景去分析。各個(gè)大公司分享出來(lái)的相關(guān)文章，緩存設(shè)計(jì)基本上是最大篇幅。

②回調(diào) or 反查

這種方式往往是業(yè)務(wù)上的解決方式，在訂單或者付款系統(tǒng)中應(yīng)用的比較多。

舉個(gè)例子：當(dāng)我們付款的時(shí)候，需要調(diào)用一個(gè)專門的付款系統(tǒng)接口，該系統(tǒng)經(jīng)過(guò)一系列驗(yàn)證、存儲(chǔ)工作后還要調(diào)用銀行接口以執(zhí)行付款。

由于付款這個(gè)動(dòng)作要求十分嚴(yán)謹(jǐn)，銀行側(cè)接口執(zhí)行可能比較緩慢，進(jìn)而拖累整個(gè)付款接口性能。

這個(gè)時(shí)候我們就可以采用 fast success 的方式：當(dāng)必要的校驗(yàn)和存儲(chǔ)完成后，立即返回 success，同時(shí)告訴調(diào)用方一個(gè)中間態(tài)“付款中”。

而后調(diào)用銀行接口，當(dāng)獲得支付結(jié)果后再調(diào)用上游系統(tǒng)的回調(diào)接口返回付款的最終結(jié)果“成果”or“失敗”。這樣就可以異步執(zhí)行付款過(guò)程，提升付款接口效率。

當(dāng)然，為了防止多業(yè)務(wù)方接入的時(shí)候回調(diào)接口不統(tǒng)一，可以把結(jié)果拋進(jìn) kafka，讓調(diào)用方監(jiān)聽(tīng)自己的結(jié)果。