背景

我負責(zé)的系統(tǒng)到2021年初完成了功能上的建設(shè)，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(yīng)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(shù)據(jù)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(jié)。

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(jù)自己的業(yè)務(wù)場景具體分析。這里做一個不完全的總結(jié)：

• 數(shù)據(jù)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(shù)據(jù)量過大
• 業(yè)務(wù)邏輯復(fù)雜
• 循環(huán)調(diào)用
• 順序調(diào)用
• 線程池設(shè)計不合理
• 鎖設(shè)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(shù)據(jù)，mysql會把前120條數(shù)據(jù)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(shù)據(jù)，拋棄1000000條，如此大的數(shù)據(jù)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(shù)據(jù)。但是這個方式需要接口的調(diào)用方配合改造，把上次查詢出來的最大id以參數(shù)的方式傳給接口提供方，會有溝通成本（調(diào)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(wǎng)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！！?。。?/p>

1.3 索引失效

需要特別提出的是，關(guān)于字段區(qū)分性很差的情況，在加索引的時候就應(yīng)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(yīng)的索引，是為啥呢？這個跟mysql的sql優(yōu)化有關(guān)，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(guān)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(guān)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(guān)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(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，速度也不會很慢。但是，當join的數(shù)據(jù)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(guān)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(guān)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(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)層進行數(shù)據(jù)的拼裝。一般來說，索引建立正確的話，會比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。

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(jié)合監(jiān)控和數(shù)據(jù)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(shù)據(jù)量不能超過200");
}

1.6 單純的數(shù)據(jù)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(shù)據(jù)存儲架構(gòu)。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(shù)據(jù)庫，把mysql轉(zhuǎn)換成專門為處理大數(shù)據(jù)設(shè)計的數(shù)據(jù)庫。這種工作是個系統(tǒng)工程，需要嚴密的調(diào)研、方案設(shè)計、方案評審、性能評估、開發(fā)、測試、聯(lián)調(diào)，同時需要設(shè)計嚴密的數(shù)據(jù)遷移方案、回滾方案、降級措施、故障處理預(yù)案。除了以上團隊內(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(shù)據(jù)量的數(shù)據(jù)庫分表工作，對整個過程的復(fù)雜性深有體會，后續(xù)有機會也會分享出來。

2、業(yè)務(wù)邏輯復(fù)雜

2.1 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)。比如說，我們要初始化一個列表，預(yù)置12個月的數(shù)據(jù)給前端：

另外搜索公眾號互聯(lián)網(wǎng)架構(gòu)師回復(fù)關(guān)鍵字"2T”獲取一份驚喜禮包。

List?list?=?new?ArrayList<>();
for(int?i?=?0?;?i?12?;?i?++)?{
????Model?model?=?calOneMonthData(i);?//?計算某個月的數(shù)據(jù)，邏輯比較復(fù)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(shù)據(jù)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(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)錯誤：",?e);
}

2.2 順序調(diào)用

如果不是類似上面循環(huán)調(diào)用，而是一次次的順序調(diào)用，而且調(diào)用之間沒有結(jié)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(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兩個任務(wù)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(shè)計不合理

有的時候，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(shù)：核心線程數(shù)、最大線程數(shù)、等待隊列。這三個參數(shù)是怎么打配合的呢？當線程池創(chuàng)建的時候，如果不預(yù)熱線程池，則線程池中線程為0。當有任務(wù)提交到線程池，則開始創(chuàng)建核心線程。

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(shù)達到最大線程數(shù)，還是有任務(wù)到達，則開始根據(jù)線程池拋棄規(guī)則開始拋棄。

• 核心線程設(shè)置過小：核心線程設(shè)置過小則沒有達到并行的效果
• 線程池公用，別的業(yè)務(wù)的任務(wù)執(zhí)行時間太長，占用了核心線程，另一個業(yè)務(wù)的任務(wù)到達就直接進入了等待隊列
• 任務(wù)太多，以至于占滿了線程池，大量任務(wù)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(diào)整線程池參數(shù)，按照業(yè)務(wù)拆分線程池等等。

4、鎖設(shè)計不合理

鎖設(shè)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(shè)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(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(wù)過大引起fullGC，代碼存在線程泄露引起RSS內(nèi)存占用過高進而引起機器重啟等待諸多原因。需要結(jié)合各種監(jiān)控和具體場景具體分析，進而進行大事務(wù)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(xué)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(zhì)上（例如：內(nèi)存、SSD硬盤等）存儲一份數(shù)據(jù)備份。當有請求打到服務(wù)器的時候，優(yōu)先從緩存中讀取數(shù)據(jù)。如果讀取不到，則再從硬盤或通過網(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)速度會變快非常多。緩存適合于應(yīng)用在數(shù)據(jù)讀遠遠大于數(shù)據(jù)寫，且數(shù)據(jù)變化不頻繁的場景中。從技術(shù)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(shù)據(jù)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(diào)研。

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

6.2 回調(diào) or 反查

結(jié)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(jié)，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(zhuǎn)發(fā)！

-End-