18种接口实用优化方案总结

偏执的太偏执、 2023-10-07 21:26 44阅读 0赞

![在这里插入图片描述][2aa5edceee33410998afb80799342166.png]

> ***1. 批量思想：批量操作数据库***

优化前：

//for循环单笔入库
    for(TransDetail detail:transDetailList){
      insert(detail);  
    }

优化后：

batchInsert(transDetailList);

打个比喻：假如你需要搬一万块砖到楼顶,你有一个电梯,电梯一次可以放适量的砖（最多放500）, 你可以选择一次运送一块砖,也可以一次运送500,你觉得哪种方式更方便，时间消耗更少?

> ***2. 异步思想：耗时操作，考虑放到异步执行***

耗时操作，考虑用异步处理，这样可以降低接口耗时。

假设一个转账接口，匹配联行号，是同步执行的，但是它的操作耗时有点长，优化前的流程：  
![在这里插入图片描述][2723c81f3fc642df914c2506fb16dc4a.png]  
为了降低接口耗时，更快返回，你可以把匹配联行号移到异步处理，优化后：

![在这里插入图片描述][ffe19c72ac574a6ba79b9baa180c50ce.png]

除了转账这个例子，日常工作中还有很多这种例子。比如：用户注册成功后，短信邮件通知，也是可以异步处理的~  
至于异步的实现方式，你可以用线程池，也可以用消息队列实现。

> 1.  ***空间换时间思想：恰当使用缓存。***

在适当的业务场景，恰当地使用缓存，是可以大大提高接口性能的。缓存其实就是一种空间换时间的思想，就是你把要查的数据，提前放好到缓存里面，需要时，直接查缓存，而避免去查数据库或者计算的过程。

这里的缓存包括：Redis缓存，JVM本地缓存，memcached，或者Map等等。我举个我工作中，一次使用缓存优化的设计吧，比较简单，但是思路很有借鉴的意义。

那是一次转账接口的优化，老代码，每次转账，都会根据客户账号，查询数据库，计算匹配联行号。

![图片][854aa3b8234044bfa18f2f07da53bf06.png]

因为每次都查数据库，都计算匹配，比较耗时，所以使用缓存，优化后流程如下：

![图片][2369683a19eb4724be50c97b86cf9cb3.png]

> 1.  ***预取思想：提前初始化到缓存***

预取思想很容易理解，就是提前把要计算查询的数据，初始化到缓存。如果你在未来某个时间需要用到某个经过复杂计算的数据，才实时去计算的话，可能耗时比较大。这时候，我们可以采取预取思想，提前把将来可能需要的数据计算好，放到缓存中，等需要的时候，去缓存取就行。这将大幅度提高接口性能。

我记得以前在第一个公司做视频直播的时候，看到我们的直播列表就是用到这种优化方案。就是启动个任务，提前把直播用户、积分等相关信息，初始化到缓存。

> 1.  ***池化思想：预分配与循环使用***

大家应该都记得，我们为什么需要使用线程池？

线程池可以帮我们管理线程，避免增加创建线程和销毁线程的资源损耗。

如果你每次需要用到线程，都去创建，就会有增加一定的耗时，而线程池可以重复利用线程，避免不必要的耗时。 池化技术不仅仅指线程池，很多场景都有池化思想的体现，它的本质就是预分配与循环使用。

比如TCP三次握手，大家都很熟悉吧，它为了减少性能损耗，引入了Keep-Alive长连接，避免频繁的创建和销毁连接。当然，类似的例子还有很多，如数据库连接池、HttpClient连接池。

我们写代码的过程中，学会池化思想，最直接相关的就是使用线程池而不是去new一个线程。

> 1.  ***事件回调思想：拒绝阻塞等待***

如果你调用一个系统B的接口，但是它处理业务逻辑，耗时需要10s甚至更多。然后你是一直阻塞等待，直到系统B的下游接口返回，再继续你的下一步操作吗？这样显然不合理。

我们参考IO多路复用模型。即我们不用阻塞等待系统B的接口，而是先去做别的操作。等系统B的接口处理完，通过事件回调通知，我们接口收到通知再进行对应的业务操作即可。

> 1.  ***远程调用由串行改为并行***

假设我们设计一个APP首页的接口，它需要查用户信息、需要查banner信息、需要查弹窗信息等等。如果是串行一个一个查，比如查用户信息200ms，查banner信息100ms、查弹窗信息50ms，那一共就耗时350ms了，如果还查其他信息，那耗时就更大了。

![图片][7d8bf70eb23b453db2f240b21ee7d389.png]

其实我们可以改为并行调用，即查用户信息、查banner信息、查弹窗信息，可以同时并行发起。

图片  
最后接口耗时将大大降低。有些小伙伴说，不知道如何使用并行优化接口?

> 1.  ***锁粒度避免过粗***

在高并发场景，为了防止超卖等情况，我们经常需要加锁来保护共享资源。但是，如果加锁的粒度过粗，是很影响接口性能的。

什么是加锁粒度呢？

其实就是就是你要锁住的范围是多大。比如你在家上卫生间，你只要锁住卫生间就可以了吧，不需要将整个家都锁起来不让家人进门吧，卫生间就是你的加锁粒度。

不管你是synchronized加锁还是redis分布式锁，只需要在共享临界资源加锁即可，不涉及共享资源的，就不必要加锁。这就好像你上卫生间，不用把整个家都锁住，锁住卫生间门就可以了。

比如，在业务代码中，有一个ArrayList因为涉及到多线程操作，所以需要加锁操作，假设刚好又有一段比较耗时的操作（代码中的slowNotShare方法）不涉及线程安全问题。反例加锁，就是一锅端，全锁住:

//不涉及共享资源的慢方法
    private void slowNotShare() {
        try {
            TimeUnit.MILLISECONDS.sleep(100);
        } catch (InterruptedException e) {
        }
    }

//错误的加锁方法
    public int wrong() {
        long beginTime = System.currentTimeMillis();
        IntStream.rangeClosed(1, 10000).parallel().forEach(i -> {
            //加锁粒度太粗了，slowNotShare其实不涉及共享资源
            synchronized (this) {
                slowNotShare();
                data.add(i);
            }
        });
        log.info("cosume time:{}", System.currentTimeMillis() - beginTime);
        return data.size();
    }

正例：

public int right() {
        long beginTime = System.currentTimeMillis();
        IntStream.rangeClosed(1, 10000).parallel().forEach(i -> {
            slowNotShare();//可以不加锁
            //只对List这部分加锁
            synchronized (data) {
                data.add(i);
            }
        });
        log.info("cosume time:{}", System.currentTimeMillis() - beginTime);
        return data.size();
    }

> 1.  ***切换存储方式：文件中转暂存数据***

如果数据太大，落地数据库实在是慢的话，就可以考虑先用文件的方式暂存。先保存文件，再异步下载文件，慢慢保存到数据库。

这里可能会有点抽象，给大家分享一个，我之前的一个真实的优化案例吧。

之前开发了一个转账接口。如果是并发开启，10个并发度，每个批次1000笔转账明细数据，数据库插入会特别耗时，大概6秒左右；这个跟我们公司的数据库同步机制有关，并发情况下，因为优先保证同步，所以并行的插入变成串行啦，就很耗时。

优化前，1000笔明细转账数据，先落地DB数据库，返回处理中给用户，再异步转账。如图：

![图片][2ace972615d540d2a778ea209a83a229.png]

记得当时压测的时候，高并发情况，这1000笔明细入库，耗时都比较大。所以我转换了一下思路，把批量的明细转账记录保存的文件服务器，然后记录一笔转账总记录到数据库即可。接着异步再把明细下载下来，进行转账和明细入库。最后优化后，性能提升了十几倍。

优化后，流程图如下：

![图片][83b78e918efd43888fecfad2f6af05e9.png]

如果你的接口耗时瓶颈就在数据库插入操作这里，用来批量操作等，还是效果还不理想，就可以考虑用文件或者MQ等暂存。有时候批量数据放到文件，会比插入数据库效率更高。

> 1.  ***索引***

提到接口优化，很多小伙伴都会想到添加索引。没错，添加索引是成本最小的优化，而且一般优化效果都很不错。

索引优化这块的话，一般从这几个维度去思考：

你的SQL加索引了没？
    	你的索引是否真的生效？
    	你的索引建立是否合理？

> **10.1 SQL没加索引**

我们开发的时候，容易疏忽而忘记给SQL添加索引。所以我们在写完SQL的时候，就顺手查看一下 explain执行计划。

explain select * from user_info where userId like '%123';

你也可以通过命令**show create table** ，整张表的索引情况。

show create table user_info;

如果某个表忘记添加某个索引，可以通过**alter table add index**命令添加索引

alter table user_info add index idx_name (name);

一般就是：SQL的where条件的字段，或者是**order by 、group by**后面的字段需需要添加索引。

> **10.2 索引不生效**

有时候，即使你添加了索引，但是索引会失效的。田螺哥整理了索引失效的常见原因：

!\[图片\](https://img-blog.csdnimg.cn/3860634eae5b4e1082e21271d0d34a2a.png![在这里插入图片描述][f547c51fdbbf49bf97a40797df5907fe.png]

> **10.3 索引设计不合理**

我们的索引不是越多越好，需要合理设计。比如：

删除冗余和重复索引。
    	索引一般不能超过5个
    	索引不适合建在有大量重复数据的字段上、如性别字段
    	适当使用覆盖索引

如果需要使用force index强制走某个索引，那就需要思考你的索引设计是否真的合理了

> 1.  ***优化SQL***

处了索引优化，其实SQL还有很多其他有优化的空间。比如这些：

![图片][390356b4d6104b51b032c42b05b4ae83.png]

> ***12.避免大事务问题***

为了保证数据库数据的一致性，在涉及到多个数据库修改操作时，我们经常需要用到事务。而使用spring声明式事务，又非常简单，只需要用一个注解就行@Transactional，如下面的例子：

@Transactional
    public int createUser(User user){
        //保存用户信息
        userDao.save(user);
        passCertDao.updateFlag(user.getPassId());
        return user.getUserId();
    }

这块代码主要逻辑就是创建个用户，然后更新一个通行证pass的标记。如果现在新增一个需求，创建完用户，调用远程接口发送一个email消息通知，很多小伙伴会这么写：

@Transactional
    public int createUser(User user){
        //保存用户信息
        userDao.save(user);
        passCertDao.updateFlag(user.getPassId());
        sendEmailRpc(user.getEmail());
        return user.getUserId();
    }

这样实现可能会有坑，事务中嵌套RPC远程调用，即事务嵌套了一些非DB操作。如果这些非DB操作耗时比较大的话，可能会出现大事务问题。

所谓大事务问题就是，就是运行时间长的事务。由于事务一致不提交，就会导致数据库连接被占用，即并发场景下，数据库连接池被占满，影响到别的请求访问数据库，影响别的接口性能。

大事务引发的问题主要有：接口超时、死锁、主从延迟等等。因此，为了优化接口，我们要规避大事务问题。我们可以通过这些方案来规避大事务：

RPC远程调用不要放到事务里面
    一些查询相关的操作，尽量放到事务之外
    事务中避免处理太多数据

> 1.  ***深分页问题***

在以前公司分析过几个接口耗时长的问题，最终结论都是因为深分页问题。

深分页问题，为什么会慢？我们看下这个SQL

select id,name,balance from account where create_time> '2020-09-19' limit 100000,10;

limit 100000,10意味着会扫描100010行，丢弃掉前100000行，最后返回10行。即使create\_time，也会回表很多次。

我们可以通过标签记录法和延迟关联法来优化深分页问题。

> **13.1 标签记录法**

就是标记一下上次查询到哪一条了，下次再来查的时候，从该条开始往下扫描。就好像看书一样，上次看到哪里了，你就折叠一下或者夹个书签，下次来看的时候，直接就翻到啦。

假设上一次记录到100000，则SQL可以修改为：

select  id,name,balance FROM account where id > 100000 limit 10;

这样的话，后面无论翻多少页，性能都会不错的，因为命中了id主键索引。但是这种方式有局限性：**需要一种类似连续自增的字段。**

> **13.2 延迟关联法**

延迟关联法，就是把条件转移到主键索引树，然后减少回表。优化后的SQL如下：

select  acct1.id,acct1.name,acct1.balance FROM account acct1 INNER JOIN (SELECT a.id FROM account a WHERE a.create_time > '2020-09-19' limit 100000, 10) AS acct2 on acct1.id= acct2.id;

优化思路就是，**先通过idx\_create\_time二级索引树查询到满足条件的主键ID，再与原表通过主键ID内连接，这样后面直接走了主键索引了，同时也减少了回表。**

> 1.  ***优化程序结构***

优化程序逻辑、程序代码，是可以节省耗时的。比如，你的程序创建多不必要的对象、或者程序逻辑混乱，多次重复查数据库、又或者你的实现逻辑算法不是最高效的，等等。

我举个简单的例子：复杂的逻辑条件，有时候调整一下顺序，就能让你的程序更加高效。

假设业务需求是这样：如果用户是会员，第一次登陆时，需要发一条感谢短信。如果没有经过思考，代码直接这样写了

if(isUserVip && isFirstLogin){
        sendSmsMsg();
    }

假设有5个请求过来，isUserVip判断通过的有3个请求，isFirstLogin通过的只有1个请求。那么以上代码，isUserVip执行的次数为5次，isFirstLogin执行的次数也是3次，如下：

![图片][bd3618273f184305a11283e890e1e0e2.png]

如果调整一下isUserVip和isFirstLogin的顺序：

if(isFirstLogin && isUserVip ){
        sendMsg();
    }

isFirstLogin执行的次数是5次，isUserVip执行的次数是1次：

![图片][6c4059bb6b7e4a50b4d9a4ca5f5ab86b.png]

酱紫程序是不是变得更高效了呢？

> 1.  ***压缩传输内容***

压缩传输内容，传输报文变得更小，因此传输会更快啦。10M带宽，传输10k的报文，一般比传输1M的会快呀。

打个比喻，一匹千里马，它驮着100斤的货跑得快，还是驮着10斤的货物跑得快呢？

再举个视频网站的例子：

如果不对视频做任何压缩编码，因为带宽又是有限的。巨大的数据量在网络传输的耗时会比编码压缩后，慢好多倍。

> 1.  ***海量数据处理，考虑NoSQL***

之前看过几个慢SQL，都是跟深分页问题有关的。发现用来标签记录法和延迟关联法，效果不是很明显，原因是要统计和模糊搜索，并且统计的数据是真的大。最后跟组长对齐方案，就把数据同步到Elasticsearch，然后这些模糊搜索需求，都走Elasticsearch去查询了。

我想表达的就是，如果数据量过大，一定要用关系型数据库存储的话，就可以分库分表。但是有时候，我们也可以使用NoSQL，如**Elasticsearch、Hbase**等。

> 1.  ***线程池设计要合理***

我们使用线程池，就是让任务并行处理，更高效地完成任务。但是有时候，如果线程池设计不合理，接口执行效率则不太理想。

一般我们需要关注线程池的这几个参数：核心线程、最大线程数量、阻塞队列。

如果核心线程过小，则达不到很好的并行效果。
    如果阻塞队列不合理，不仅仅是阻塞的问题，甚至可能会OOM
    如果线程池不区分业务隔离，有可能核心业务被边缘业务拖垮。

> ***18.机器问题 （fullGC、线程打满、太多IO资源没关闭等等）。***

有时候，我们的接口慢，就是机器处理问题。主要有fullGC、线程打满、太多IO资源没关闭等等。

之前排查过一个fullGC问题：运营小姐姐导出60多万的excel的时候，说卡死了，接着我们就收到监控告警。后面排查得出，我们老代码是Apache POI生成的excel，导出excel数据量很大时，当时JVM内存吃紧会直接Full GC了。  
如果线程打满了，也会导致接口都在等待了。所以。如果是高并发场景，我们需要接入限流，把多余的请求拒绝掉。  
如果IO资源没关闭，也会导致耗时增加。这个大家可以看下，平时你的电脑一直打开很多很多文件，是不是会觉得很卡。

[2aa5edceee33410998afb80799342166.png]: https://img-blog.csdnimg.cn/2aa5edceee33410998afb80799342166.png
[2723c81f3fc642df914c2506fb16dc4a.png]: https://img-blog.csdnimg.cn/2723c81f3fc642df914c2506fb16dc4a.png
[ffe19c72ac574a6ba79b9baa180c50ce.png]: https://img-blog.csdnimg.cn/ffe19c72ac574a6ba79b9baa180c50ce.png
[854aa3b8234044bfa18f2f07da53bf06.png]: https://img-blog.csdnimg.cn/854aa3b8234044bfa18f2f07da53bf06.png
[2369683a19eb4724be50c97b86cf9cb3.png]: https://img-blog.csdnimg.cn/2369683a19eb4724be50c97b86cf9cb3.png
[7d8bf70eb23b453db2f240b21ee7d389.png]: https://img-blog.csdnimg.cn/7d8bf70eb23b453db2f240b21ee7d389.png
[2ace972615d540d2a778ea209a83a229.png]: https://img-blog.csdnimg.cn/2ace972615d540d2a778ea209a83a229.png
[83b78e918efd43888fecfad2f6af05e9.png]: https://img-blog.csdnimg.cn/83b78e918efd43888fecfad2f6af05e9.png
[f547c51fdbbf49bf97a40797df5907fe.png]: https://img-blog.csdnimg.cn/f547c51fdbbf49bf97a40797df5907fe.png
[390356b4d6104b51b032c42b05b4ae83.png]: https://img-blog.csdnimg.cn/390356b4d6104b51b032c42b05b4ae83.png
[bd3618273f184305a11283e890e1e0e2.png]: https://img-blog.csdnimg.cn/bd3618273f184305a11283e890e1e0e2.png
[6c4059bb6b7e4a50b4d9a4ca5f5ab86b.png]: https://img-blog.csdnimg.cn/6c4059bb6b7e4a50b4d9a4ca5f5ab86b.png