背景

我負責的系統(tǒng)到2021年初完成了功能上的建設，開始進入到推廣階段。隨著推廣的逐步深入，收到了很多好評的同時也收到了很多對性能的吐槽。剛剛收到吐槽的時候，我們的心情是這樣的：

當越來越多對性能的吐槽反饋到我們這里的時候，我們意識到，接口性能的問題的優(yōu)先級必須提高了。然后我們就跟蹤了1周的接口性能監(jiān)控，這個時候我們的心情是這樣的：

有20多個慢接口，5個接口響應時間超過5s，1個超過10s，其余的都在2s以上，穩(wěn)定性不足99.8%。作為一個優(yōu)秀的后端程序員，這個數據肯定是不能忍的，我們馬上就進入了漫長的接口優(yōu)化之路。本文就是對我們漫長工作歷程的一個總結。

正文開始！

哪些問題會引起接口性能問題？

這個問題的答案非常多，需要根據自己的業(yè)務場景具體分析。這里做一個不完全的總結：

• 數據庫慢查詢
• 深度分頁問題
• 未加索引
• 索引失效
• join過多
• 子查詢過多
• in中的值太多
• 單純的數據量過大
• 業(yè)務邏輯復雜
• 循環(huán)調用
• 順序調用
• 線程池設計不合理
• 鎖設計不合理
• 機器問題（fullGC，機器重啟，線程打滿）

問題解決

1、慢查詢（基于mysql）

1.1 深度分頁

所謂的深度分頁問題，涉及到mysql分頁的原理。通常情況下，mysql的分頁是這樣寫的：

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

含義當然就是從student表里查100到120這20條數據，mysql會把前120條數據都查出來，拋棄前100條，返回20條。當分頁所以深度不大的時候當然沒問題，隨著分頁的深入，sql可能會變成這樣：

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

這個時候，mysql會查出來1000020條數據，拋棄1000000條，如此大的數據量，速度一定快不起來。那如何解決呢？一般情況下，最好的方式是增加一個條件：

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

這樣，mysql會走主鍵索引，直接連接到1000000處，然后查出來20條數據。但是這個方式需要接口的調用方配合改造，把上次查詢出來的最大id以參數的方式傳給接口提供方，會有溝通成本（調用方：老子不改！）。

1.2 未加索引

這個是最容易解決的問題，我們可以通過

show?create?table?xxxx（表名）

查看某張表的索引。具體加索引的語句網上太多了，不再贅述。不過順便提一嘴，加索引之前，需要考慮一下這個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生效。另外，加索引的alter操作，可能引起鎖表，執(zhí)行sql的時候一定要在低峰期（血淚史！！！！）

1.3 索引失效

這個是慢查詢最不好分析的情況，雖然mysql提供了explain來評估某個sql的查詢性能，其中就有使用的索引。但是為啥索引會失效呢？mysql卻不會告訴咱，需要咱自己分析。大體上，可能引起索引失效的原因有這幾個（可能不完全）：

需要特別提出的是，關于字段區(qū)分性很差的情況，在加索引的時候就應該進行評估。如果區(qū)分性很差，這個索引根本就沒必要加。區(qū)分性很差是什么意思呢，舉幾個例子，比如：

• 某個字段只可能有3個值，那這個字段的索引區(qū)分度就很低。
• 再比如，某個字段大量為空，只有少量有值；
• 再比如，某個字段值非常集中，90%都是1，剩下10%可能是2,3,4....

進一步的，那如果不符合上面所有的索引失效的情況，但是mysql還是不使用對應的索引，是為啥呢？這個跟mysql的sql優(yōu)化有關，mysql會在sql優(yōu)化的時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使用這個索引不會提升性能，所以就放棄了。這種情況，可以使用force index 關鍵字強制使用索引（建議修改前先實驗一下，是不是真的會提升查詢效率）：

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

其中xxxx是索引名。

1.4 join過多 or 子查詢過多

我把join過多 和子查詢過多放在一起說了。一般來說，不建議使用子查詢，可以把子查詢改成join來優(yōu)化。同時，join關聯(lián)的表也不宜過多，一般來說2-3張表還是合適的。具體關聯(lián)幾張表比較安全是需要具體問題具體分析的，如果各個表的數據量都很少，幾百條幾千條，那么關聯(lián)的表的可以適當多一些，反之則需要少一些。

另外需要提到的是，在大多數情況下join是在內存里做的，如果匹配的量比較小，或者join_buffer設置的比較大，速度也不會很慢。但是，當join的數據量比較大的時候，mysql會采用在硬盤上創(chuàng)建臨時表的方式進行多張表的關聯(lián)匹配，這種顯然效率就極低，本來磁盤的IO就不快，還要關聯(lián)。

一般遇到這種情況的時候就建議從代碼層面進行拆分，在業(yè)務層先查詢一張表的數據，然后以關聯(lián)字段作為條件查詢關聯(lián)表形成map，然后在業(yè)務層進行數據的拼裝。一般來說，索引建立正確的話，會比join快很多，畢竟內存里拼接數據要比網絡傳輸和硬盤IO快得多。

1.5 in的元素過多

這種問題，如果只看代碼的話不太容易排查，最好結合監(jiān)控和數據庫日志一起分析。如果一個查詢有in，in的條件加了合適的索引，這個時候的sql還是比較慢就可以高度懷疑是in的元素過多。一旦排查出來是這個問題，解決起來也比較容易，不過是把元素分個組，每組查一次。想再快的話，可以再引入多線程。

進一步的，如果in的元素量大到一定程度還是快不起來，這種最好還是有個限制

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

當然了，最好是在代碼層面做個限制

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

1.6 單純的數據量過大

這種問題，單純代碼的修修補補一般就解決不了了，需要變動整個的數據存儲架構。或者是對底層mysql分表或分庫+分表；或者就是直接變更底層數據庫，把mysql轉換成專門為處理大數據設計的數據庫。這種工作是個系統(tǒng)工程，需要嚴密的調研、方案設計、方案評審、性能評估、開發(fā)、測試、聯(lián)調，同時需要設計嚴密的數據遷移方案、回滾方案、降級措施、故障處理預案。除了以上團隊內部的工作，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)的調用接口的方式有可能會需要變化。

出于篇幅的考慮，這個不再展開了，筆者有幸完整參與了一次億級別數據量的數據庫分表工作，對整個過程的復雜性深有體會，后續(xù)有機會也會分享出來。

2、業(yè)務邏輯復雜

2.1 循環(huán)調用

這種情況，一般都循環(huán)調用同一段代碼，每次循環(huán)的邏輯一致，前后不關聯(lián)。比如說，我們要初始化一個列表，預置12個月的數據給前端：

List?list?=?new?ArrayList<>();
for(int?i?=?0?;?i?12?;?i?++)?{
????Model?model?=?calOneMonthData(i);?//?計算某個月的數據，邏輯比較復雜，難以批量計算，效率也無法很高
????list.add(model);
}

這種顯然每個月的數據計算相互都是獨立的，我們完全可以采用多線程方式進行：

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

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

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

2.2 順序調用

如果不是類似上面循環(huán)調用，而是一次次的順序調用，而且調用之間沒有結果上的依賴，那么也可以用多線程的方式進行，例如：

代碼上看：

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

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

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

return?doResult(d,?e);

那么可用CompletableFuture解決

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

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

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

3、線程池設計不合理

有的時候，即使我們使用了線程池讓任務并行處理，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？

這種情況首先應該懷疑是不是線程池設計的不合理。我覺得這里有必要回顧一下線程池的三個重要參數：核心線程數、最大線程數、等待隊列。這三個參數是怎么打配合的呢？當線程池創(chuàng)建的時候，如果不預熱線程池，則線程池中線程為0。當有任務提交到線程池，則開始創(chuàng)建核心線程。

當核心線程全部被占滿，如果再有任務到達，則讓任務進入等待隊列開始等待。

如果隊列也被占滿，則開始創(chuàng)建非核心線程運行。

如果線程總數達到最大線程數，還是有任務到達，則開始根據線程池拋棄規(guī)則開始拋棄。

那么這個運行原理與接口運行時間有什么關系呢？

• 核心線程設置過小：核心線程設置過小則沒有達到并行的效果
• 線程池公用，別的業(yè)務的任務執(zhí)行時間太長，占用了核心線程，另一個業(yè)務的任務到達就直接進入了等待隊列
• 任務太多，以至于占滿了線程池，大量任務在隊列中等待

在排查的時候，只要找到了問題出現(xiàn)的原因，那么解決方式也就清楚了，無非就是調整線程池參數，按照業(yè)務拆分線程池等等。

4、鎖設計不合理

鎖設計不合理一般有兩種：鎖類型使用不合理 or 鎖過粗。

鎖類型使用不合理的典型場景就是讀寫鎖。也就是說，讀是可以共享的，但是讀的時候不能對共享變量寫；而在寫的時候，讀寫都不能進行。在可以加讀寫鎖的時候，如果我們加成了互斥鎖，那么在讀遠遠多于寫的場景下，效率會極大降低。

鎖過粗則是另一種常見的鎖設計不合理的情況，如果我們把鎖包裹的范圍過大，則加鎖時間會過長，例如：

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

這塊邏輯一共處理了三部分，計算、上傳結果、發(fā)送消息。顯然上傳結果和發(fā)送消息是完全可以不加鎖的，因為這個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();
}

5、機器問題（fullGC，機器重啟，線程打滿）

造成這個問題的原因非常多，筆者就遇到了定時任務過大引起fullGC，代碼存在線程泄露引起RSS內存占用過高進而引起機器重啟等待諸多原因。需要結合各種監(jiān)控和具體場景具體分析，進而進行大事務拆分、重新規(guī)劃線程池等等工作

6、萬金油解決方式

萬金油這個形容詞是從我們單位某位老師那里學來的，但是筆者覺得非常貼切。這些萬金油解決方式往往能解決大部分的接口緩慢的問題，而且也往往是我們解決接口效率問題的最終解決方案。當我們實在是沒有辦法排查出問題，或者實在是沒有優(yōu)化空間的時候，可以嘗試這種萬金油的方式。

6.1 緩存

緩存是一種空間換取時間的解決方案，是在高性能存儲介質上（例如：內存、SSD硬盤等）存儲一份數據備份。當有請求打到服務器的時候，優(yōu)先從緩存中讀取數據。如果讀取不到，則再從硬盤或通過網絡獲取數據。由于內存或SSD相比硬盤或網絡IO的效率高很多，則接口響應速度會變快非常多。緩存適合于應用在數據讀遠遠大于數據寫，且數據變化不頻繁的場景中。從技術選型上看，有這些：

• 簡單的map
• guava等本地緩存工具包
• 緩存中間件：redis、tair或memcached

當然，memcached現(xiàn)在用的很少了，因為相比于redis他不占優(yōu)勢。tair則是阿里開發(fā)的一個分布式緩存中間件，他的優(yōu)勢是理論上可以在不停服的情況下，動態(tài)擴展存儲容量，適用于大數據量緩存存儲。相比于單機redis緩存當然有優(yōu)勢，而他與可擴展Redis集群的對比則需要進一步調研。

進一步的，當前緩存的模型一般都是key-value模型。如何設計key以提高緩存的命中率是個大學問，好的key設計和壞的key設計所提升的性能差別非常大。而且，key設計是沒有一定之規(guī)的，需要結合具體的業(yè)務場景去分析。各個大公司分享出來的相關文章，緩存設計基本上是最大篇幅。

6.2 回調 or 反查

這種方式往往是業(yè)務上的解決方式，在訂單或者付款系統(tǒng)中應用的比較多。舉個例子：當我們付款的時候，需要調用一個專門的付款系統(tǒng)接口，該系統(tǒng)經過一系列驗證、存儲工作后還要調用銀行接口以執(zhí)行付款。由于付款這個動作要求十分嚴謹，銀行側接口執(zhí)行可能比較緩慢，進而拖累整個付款接口性能。這個時候我們就可以采用fast success的方式：當必要的校驗和存儲完成后，立即返回success，同時告訴調用方一個中間態(tài)“付款中”。而后調用銀行接口，當獲得支付結果后再調用上游系統(tǒng)的回調接口返回付款的最終結果“成果”or“失敗”。這樣就可以異步執(zhí)行付款過程，提升付款接口效率。當然，為了防止多業(yè)務方接入的時候回調接口不統(tǒng)一，可以把結果拋進kafka，讓調用方監(jiān)聽自己的結果。

結語

本文是筆者對工作中遇到的性能優(yōu)化問題的一個簡單的總結，可能有不完備的地方，歡迎大家討論交流。同時，希望大家評論、點贊、轉發(fā)！

作者：天機術士
鏈接：https://juejin.cn/post/7043423820543164453