这11条接口性能优化技巧，利好每日睡眠

作为后端开发，我想大家一定体会过在监控告警群里被轰炸的感受，一旦有个接口响应超过阈值，群里就开始叮叮咣咣一顿报警，这种时候我们想人间清净，可以把监控偷偷干掉…～不过容易被开除，最好的办法还是赶紧把接口性能优化上去。,接口性能优化对于从事后端开发的同学来说，肯定再熟悉不过了，因为它是一个跟开发语言无关的公共问题。,该问题说简单也简单，说复杂也复杂。,有时候，只需加个索引就能解决问题。,有时候，需要做代码重构。,有时候，需要增加缓存。,有时候，需要引入一些中间件，比如mq。,有时候，需要需要分库分表。,有时候，需要拆分服务。,等等。。。,导致接口性能问题的原因千奇百怪，不同的项目不同的接口，原因可能也不一样。,本文我总结了一些行之有效的，优化接口性能的办法，给有需要的朋友一个参考。,接口性能优化大家第一个想到的可能是：优化索引。,没错，优化索引的成本是最小的。,你通过查看线上日志或者监控报告，查到某个接口用到的某条sql语句耗时比较长。,这时你可能会有下面这些疑问：,sql语句中where条件的关键字段，或者order by后面的排序字段，忘了加索引，这个问题在项目中很常见。,项目刚开始的时候，由于表中的数据量小，加不加索引sql查询性能差别不大。,后来，随着业务的发展，表中数据量越来越多，就不得不加索引了。,可以通过命令：,能单独查看某张表的索引情况。,也可以通过命令：,查看整张表的建表语句，里面同样会显示索引情况。,通过ALTER TABLE命令可以添加索引：,也可以通过CREATE INDEX命令添加索引：,不过这里有一个需要注意的地方是：想通过命令修改索引，是不行的。,目前在mysql中如果想要修改索引，只能先删除索引，再重新添加新的。,删除索引可以用DROP INDEX命令：,用DROP INDEX命令也行：,通过上面的命令我们已经能够确认索引是有的，但它生效了没？此时你内心或许会冒出这样一个疑问。,那么，如何查看索引有没有生效呢？,答：可以使用explain命令，查看mysql的执行计划，它会显示索引的使用情况。,例如：,结果：,,通过这几列可以判断索引使用情况，执行计划包含列的含义如下图所示：,,如果你想进一步了解explain的详细用法，可以看看我的另一篇文章《​​​explain | 索引优化的这把绝世好剑，你真的会用吗？​​》,说实话，sql语句没有走索引，排除没有建索引之外，最大的可能性是索引失效了。,下面说说索引失效的常见原因：,,如果不是上面的这些原因，则需要再进一步排查一下其他原因。,此外，你有没有遇到过这样一种情况：明明是同一条sql，只有入参不同而已。有的时候走的索引a，有的时候却走的索引b？,没错，有时候mysql会选错索引。,必要时可以使用force index来强制查询sql走某个索引。,至于为什么mysql会选错索引，后面有专门的文章介绍的，这里先留点悬念。,如果优化了索引之后，也没啥效果。,接下来试着优化一下sql语句，因为它的改造成本相对于java代码来说也要小得多。,下面给大家列举了sql优化的15个小技巧：,,由于这些技巧在我之前的文章中已经详细介绍过了，在这里我就不深入了。,很多时候，我们需要在某个接口中，调用其他服务的接口。,比如有这样的业务场景：,在用户信息查询接口中需要返回：用户名称、性别、等级、头像、积分、成长值等信息。,而用户名称、性别、等级、头像在用户服务中，积分在积分服务中，成长值在成长值服务中。为了汇总这些数据统一返回，需要另外提供一个对外接口服务。,于是，用户信息查询接口需要调用用户查询接口、积分查询接口 和 成长值查询接口，然后汇总数据统一返回。,调用过程如下图所示：,,调用远程接口总耗时 530ms = 200ms + 150ms + 180ms,显然这种串行调用远程接口性能是非常不好的，调用远程接口总的耗时为所有的远程接口耗时之和。,那么如何优化远程接口性能呢？,上面说到，既然串行调用多个远程接口性能很差，为什么不改成并行呢？,如下图所示：,,调用远程接口总耗时 200ms = 200ms（即耗时最长的那次远程接口调用）,在java8之前可以通过实现Callable接口，获取线程返回结果。,java8以后通过CompleteFuture类实现该功能。我们这里以CompleteFuture为例：,上面说到的用户信息查询接口需要调用用户查询接口、积分查询接口 和 成长值查询接口，然后汇总数据统一返回。,那么，我们能不能把数据冗余一下，把用户信息、积分和成长值的数据统一存储到一个地方，比如：redis，存的数据结构就是用户信息查询接口所需要的内容。然后通过用户id，直接从redis中查询数据出来，不就OK了？,如果在高并发的场景下，为了提升接口性能，远程接口调用大概率会被去掉，而改成保存冗余数据的数据异构方案。,,但需要注意的是，如果使用了数据异构方案，就可能会出现数据一致性问题。,用户信息、积分和成长值有更新的话，大部分情况下，会先更新到数据库，然后同步到redis。但这种跨库的操作，可能会导致两边数据不一致的情况产生。,重复调用在我们的日常工作代码中可以说随处可见，但如果没有控制好，会非常影响接口的性能。,不信，我们一起看看。,有时候，我们需要从指定的用户集合中，查询出有哪些是在数据库中已经存在的。,实现代码可以这样写：,这里如果有50个用户，则需要循环50次，去查询数据库。我们都知道，每查询一次数据库，就是一次远程调用。,如果查询50次数据库，就有50次远程调用，这是非常耗时的操作。,那么，我们如何优化呢？,具体代码如下：,提供一个根据用户id集合批量查询用户的接口，只远程调用一次，就能查询出所有的数据。,这里有个需要注意的地方是：id集合的大小要做限制，最好一次不要请求太多的数据。要根据实际情况而定，建议控制每次请求的记录条数在500以内。,有些小伙伴看到这个标题，可能会感到有点意外，死循环也算？,代码中不是应该避免死循环吗？为啥还是会产生死循环？,有时候死循环是我们自己写的，例如下面这段代码：,这里使用了while(true)的循环调用，这种写法在CAS自旋锁中使用比较多。,当满足condition等于true的时候，则自动退出该循环。,如果condition条件非常复杂，一旦出现判断不正确，或者少写了一些逻辑判断，就可能在某些场景下出现死循环的问题。,出现死循环，大概率是开发人员人为的bug导致的，不过这种情况很容易被测出来。,还有一种隐藏的比较深的死循环，是由于代码写的不太严谨导致的。如果用正常数据，可能测不出问题，但一旦出现异常数据，就会立即出现死循环。,如果想要打印某个分类的所有父分类，可以用类似这样的递归方法实现：,正常情况下，这段代码是没有问题的。,但如果某次有人误操作，把某个分类的parentId指向了它自己，这样就会出现无限递归的情况。导致接口一直不能返回数据，最终会发生堆栈溢出。,有时候，我们接口性能优化，需要重新梳理一下业务逻辑，看看是否有设计上不太合理的地方。,比如有个用户请求接口中，需要做业务操作，发站内通知，和记录操作日志。为了实现起来比较方便，通常我们会将这些逻辑放在接口中同步执行，势必会对接口性能造成一定的影响。,接口内部流程图如下：,,这个接口表面上看起来没有问题，但如果你仔细梳理一下业务逻辑，会发现只有业务操作才是核心逻辑​，其他的功能都是非核心逻辑。,上面这个例子中，发站内通知和用户操作日志功能，对实时性要求不高，即使晚点写库，用户无非是晚点收到站内通知，或者运营晚点看到用户操作日志，对业务影响不大，所以完全可以异步处理。,通常异步主要有两种：多线程 和 mq。,使用线程池改造之后，接口逻辑如下：,,发站内通知和用户操作日志功能，被提交到了两个单独的线程池中。,这样接口中重点关注的是业务操作，把其他的逻辑交给线程异步执行，这样改造之后，让接口性能瞬间提升了。,但使用线程池有个小问题就是：如果服务器重启了，或者是需要被执行的功能出现异常了，无法重试，会丢数据。,那么这个问题该怎么办呢？,使用mq改造之后，接口逻辑如下：,,对于发站内通知和用户操作日志功能，在接口中并没真正实现，它只发送了mq消息到mq服务器。然后由mq消费者消费消息时，才真正的执行这两个功能。,这样改造之后，接口性能同样提升了，因为发送mq消息速度是很快的，我们只需关注业务操作的代码即可。,很多小伙伴在使用spring框架开发项目时，为了方便，喜欢使用@Transactional注解提供事务功能。,没错，使用@Transactional注解这种声明式事务的方式提供事务功能，确实能少写很多代码，提升开发效率。,但也容易造成大事务，引发其他的问题。,下面用一张图看看大事务引发的问题。,,从图中能够看出，大事务问题可能会造成接口超时，对接口的性能有直接的影响。,我们该如何优化大事务呢？,在某些业务场景中，为了防止多个线程并发修改某个共享数据，造成数据异常。,为了解决并发场景下，多个线程同时修改数据，造成数据不一致的情况。通常情况下，我们会：加锁。,但如果锁加得不好，导致锁的粒度太粗，也会非常影响接口性能。,在java中提供了synchronized关键字给我们的代码加锁。,通常有两种写法：在方法上加锁 和 在代码块上加锁。,先看看如何在方法上加锁：,这里加锁的目的是为了防止并发的情况下，创建了相同的目录，第二次会创建失败，影响业务功能。,但这种直接在方法上加锁，锁的粒度有点粗。因为doSave方法中的上传文件和发消息方法，是不需要加锁的。只有创建目录方法，才需要加锁。,我们都知道文件上传操作是非常耗时的，如果将整个方法加锁，那么需要等到整个方法执行完之后才能释放锁。显然，这会导致该方法的性能很差，变得得不偿失。,这时，我们可以改成在代码块上加锁了，具体代码如下：,这样改造之后，锁的粒度一下子变小了，只有并发创建目录功能才加了锁。而创建目录是一个非常快的操作，即使加锁对接口的性能影响也不大。,最重要的是，其他的上传文件和发送消息功能，任然可以并发执行。,当然，这种做在单机版的服务中，是没有问题的。但现在部署的生产环境，为了保证服务的稳定性，一般情况下，同一个服务会被部署在多个节点中。如果哪天挂了一个节点，其他的节点服务任然可用。,多节点部署避免了因为某个节点挂了，导致服务不可用的情况。同时也能分摊整个系统的流量，避免系统压力过大。,同时它也带来了新的问题：synchronized只能保证一个节点加锁是有效的，但如果有多个节点如何加锁呢?,答：这就需要使用：分布式锁了。目前主流的分布式锁包括：redis分布式锁、zookeeper分布式锁 和 数据库分布式锁。,由于zookeeper分布式锁的性能不太好，真实业务场景用的不多，这里先不讲。,下面聊一下redis分布式锁。,在分布式系统中，由于redis分布式锁相对于更简单和高效，成为了分布式锁的首先，被我们用到了很多实际业务场景当中。,使用redis分布式锁的伪代码如下：,跟之前使用synchronized关键字加锁时一样，这里锁的范围也太大了，换句话说就是锁的粒度太粗，这样会导致整个方法的执行效率很低。,其实只有创建目录的时候，才需要加分布式锁，其余代码根本不用加锁。,于是，我们需要优化一下代码：,上面代码将加锁的范围缩小了，只有创建目录时才加了锁。这样看似简单的优化之后，接口性能能提升很多。说不定，会有意外的惊喜喔。哈哈哈。,redis分布式锁虽说好用，但它在使用时，有很多注意的细节，隐藏了很多坑，如果稍不注意很容易踩中。详细内容可以看看我的另一篇文章《​​聊聊redis分布式锁的8大坑​​》,mysql数据库中主要有三种锁：,并发度越高，意味着接口性能越好。,所以数据库锁的优化方向是：,优先使用行锁，其次使用间隙锁，再其次使用表锁。,赶紧看看，你用对了没？,有时候我会调用某个接口批量查询数据，比如：通过用户id批量查询出用户信息，然后给这些用户送积分。,但如果你一次性查询的用户数量太多了，比如一次查询2000个用户的数据。参数中传入了2000个用户的id，远程调用接口，会发现该用户查询接口经常超时。,调用代码如下：,众所周知，调用接口从数据库获取数据，是需要经过网络传输的。如果数据量太大，无论是获取数据的速度，还是网络传输受限于带宽，都会导致耗时时间比较长。,那么，这种情况要如何优化呢？,答：分页处理。,将一次获取所有的数据的请求，改成分多次获取，每次只获取一部分用户的数据，最后进行合并和汇总。,其实，处理这个问题，要分为两种场景：同步调用 和 异步调用。,如果在job中需要获取2000个用户的信息，它要求只要能正确获取到数据就好，对获取数据的总耗时要求不太高。,但对每一次远程接口调用的耗时有要求，不能大于500ms，不然会有邮件预警。,这时，我们可以同步分页调用批量查询用户信息接口。,具体示例代码如下：,代码中我用的google的guava工具中的Lists.partition方法，用它来做分页简直太好用了，不然要巴拉巴拉写一大堆分页的代码。,如果是在某个接口中需要获取2000个用户的信息，它考虑的就需要更多一些。,除了需要考虑远程调用接口的耗时之外，还需要考虑该接口本身的总耗时，也不能超时500ms。,这时候用上面的同步分页请求远程接口，肯定是行不通的。,那么，只能使用异步调用了。,代码如下：,使用CompletableFuture类，多个线程异步调用远程接口，最后汇总结果统一返回。,解决接口性能问题，加缓存是一个非常高效的方法。,但不能为了缓存而缓存，还是要看具体的业务场景。毕竟加了缓存，会导致接口的复杂度增加，它会带来数据不一致问题。,在有些并发量比较低的场景中，比如用户下单，可以不用加缓存。,还有些场景，比如在商城首页显示商品分类的地方，假设这里的分类是调用接口获取到的数据，但页面暂时没有做静态化。,如果查询分类树的接口没有使用缓存，而直接从数据库查询数据，性能会非常差。,那么如何使用缓存呢？,通常情况下，我们使用最多的缓存可能是：redis和memcached。,但对于java应用来说，绝大多数都是使用的redis，所以接下来我们以redis为例。,由于在关系型数据库，比如：mysql中，菜单是有上下级关系的。某个四级分类是某个三级分类的子分类，这个三级分类，又是某个二级分类的子分类，而这个二级分类，又是某个一级分类的子分类。,这种存储结构决定了，想一次性查出这个分类树，并非是一件非常容易的事情。这就需要使用程序递归查询了，如果分类多的话，这个递归是比较耗时的。,所以，如果每次都直接从数据库中查询分类树的数据，是一个非常耗时的操作。,这时我们可以使用缓存，大部分情况，接口都直接从缓存中获取数据。操作redis可以使用成熟的框架，比如：jedis和redisson等。,用jedis伪代码如下：,先从redis中根据某个key查询是否有菜单数据，如果有则转换成对象，直接返回。如果redis中没有查到菜单数据，则再从数据库中查询菜单数据，有则返回。,此外，我们还需要有个job每隔一段时间，从数据库中查询菜单数据，更新到redis当中，这样以后每次都能直接从redis中获取菜单的数据，而无需访问数据库了。,,这样改造之后，能快速的提升性能。,但这样做性能提升不是最佳的，还有其他的方案，我们一起看看下面的内容。,上面的方案是基于redis缓存的，虽说redis访问速度很快。但毕竟是一个远程调用，而且菜单树的数据很多，在网络传输的过程中，是有些耗时的。,有没有办法，不经过请求远程，就能直接获取到数据呢？,答：使用二级缓存，即基于内存的缓存。,除了自己手写的内存缓存之后，目前使用比较多的内存缓存框架有：guava、Ehcache、caffine等。,我们在这里以caffeine为例，它是spring官方推荐的。,第一步，引入caffeine的相关jar包,第二步，配置CacheManager，开启EnableCaching,第三步，使用Cacheable注解获取数据,调用categoryService.getCategory()方法时，先从caffine缓存中获取数据，如果能够获取到数据，则直接返回该数据，不进入方法体。,如果不能获取到数据，则再从redis中查一次数据。如果查询到了，则返回数据，并且放入caffine中。,如果还是没有查到数据，则直接从数据库中获取到数据，然后放到caffine缓存中。,具体流程图如下：,该方案的性能更好，但有个缺点就是，如果数据更新了，不能及时刷新缓存。此外，如果有多台服务器节点，可能存在各个节点上数据不一样的情况。,由此可见，二级缓存给我们带来性能提升的同时，也带来了数据不一致的问题。使用二级缓存一定要结合实际的业务场景，并非所有的业务场景都适用。,但上面我列举的分类场景，是适合使用二级缓存的。因为它属于用户不敏感数据，即使出现了稍微有点数据不一致也没有关系，用户有可能都没有察觉出来。,有时候，接口性能受限的不是别的，而是数据库。,当系统发展到一定的阶段，用户并发量大，会有大量的数据库请求，需要占用大量的数据库连接，同时会带来磁盘IO的性能瓶颈问题。,此外，随着用户数量越来越多，产生的数据也越来越多，一张表有可能存不下。由于数据量太大，sql语句查询数据时，即使走了索引也会非常耗时。,这时该怎么办呢？,答：需要做分库分表。,如下图所示：,,图中将用户库拆分成了三个库，每个库都包含了四张用户表。,如果有用户请求过来的时候，先根据用户id路由到其中一个用户库，然后再定位到某张表。,路由的算法挺多的：,分库分表主要有两个方向：垂直和水平。,说实话垂直方向（即业务方向）更简单。,在水平方向（即数据方向）上，分库和分表的作用，其实是有区别的，不能混为一谈。,如果在有些业务场景中，用户并发量很大，但是需要保存的数据量很少，这时可以只分库，不分表。,如果在有些业务场景中，用户并发量不大，但是需要保存的数量很多，这时可以只分表，不分库。,如果在有些业务场景中，用户并发量大，并且需要保存的数量也很多时，可以分库分表。,优化接口性能问题，除了上面提到的这些常用方法之外，还需要配合使用一些辅助功能，因为它们真的可以帮我们提升查找问题的效率。,通常情况下，为了定位sql的性能瓶颈，我们需要开启mysql的慢查询日志。把超过指定时间的sql语句，单独记录下来，方面以后分析和定位问题。,开启慢查询日志需要重点关注三个参数：,通过mysql的set命令可以设置：,设置完之后，如果某条sql的执行时间超过了2秒，会被自动记录到slow.log文件中。,当然也可以直接修改配置文件my.cnf,但这种方式需要重启mysql服务。,很多公司每天早上都会发一封慢查询日志的邮件，开发人员根据这些信息优化sql。,为了出现sql问题时，能够让我们及时发现，我们需要对系统做监控。,目前业界使用比较多的开源监控系统是：Prometheus。,它提供了 监控 和 预警 的功能。,架构图如下：,,我们可以用它监控如下信息：,等等。。。,它的界面大概长这样子：,,可以看到mysql当前qps，活跃线程数，连接数，缓存池的大小等信息。,如果发现数据量连接池占用太多，对接口的性能肯定会有影响。,这时可能是代码中开启了连接忘了关，或者并发量太大了导致的，需要做进一步排查和系统优化。,截图中只是它一小部分功能，如果你想了解更多功能，可以访问Prometheus的官网：https://prometheus.io/,有时候某个接口涉及的逻辑很多，比如：查数据库、查redis、远程调用接口，发mq消息，执行业务代码等等。,该接口一次请求的链路很长，如果逐一排查，需要花费大量的时间，这时候，我们已经没法用传统的办法定位问题了。,有没有办法解决这问题呢？,用分布式链路跟踪系统：skywalking。,架构图如下：,通过skywalking定位性能问题：,,在skywalking中可以通过​traceId（全局唯一的id），串联一个接口请求的完整链路。可以看到整个接口的耗时，调用的远程服务的耗时，访问数据库或者redis的耗时等等，功能非常强大。,之前没有这个功能的时候，为了定位线上接口性能问题，我们还需要在代码中加日志，手动打印出链路中各个环节的耗时情况，然后再逐一排查。,如果你用过skywalking排查接口性能问题，不自觉的会爱上它的。如果你想了解更多功能，可以访问skywalking的官网：https://skywalking.apache.org/