记一次接口性能优化实践总结：优化接口性能的八个建议

标签：数据量   alt   实践总结   想法   查询   程序代码   index   sem   处理   

最近对外接口偶现504超时问题，原因是代码执行时间过长，超过nginx配置的15秒，然后真枪实弹搞了一次接口性能优化。在这里结合优化过程，总结了接口优化的八个要点，希望对大家有帮助呀~

• 数据量比较大，批量操作数据入库
• 耗时操作考虑异步处理
• 恰当使用缓存
• 优化程序逻辑、代码
• SQL优化
• 压缩传输内容
• 考虑使用文件/MQ等其他方式暂存，异步再落地DB
• 跟产品讨论需求最恰当，最舒服的实现方式

嘻嘻，先看一下我们对外转账接口的大概流程吧

1.数据量比较大，批量操作数据入库

优化前：

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

优化后：

// 批量入库,mybatis demo实现
<insert id="insertBatch" parameterType="java.util.List">
insert into trans_detail( id,amount,payer,payee) values
 <foreach collection="list" item="item" index="index" separator=",">(
    #{item.id}, #{item.amount},
    #{item.payer},#{item.payee}
  )
</foreach>
</insert>

性能对比：

单位（ms） for循环单笔入库 批量入库
500条 1432 1153
1000条 1876 1425

解析

• 批量插入性能更好，更加省时间，为什么呢？

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.耗时操作考虑异步处理

耗时操作，考虑用异步处理，这样可以降低接口耗时。本次转账接口优化，匹配联行号的操作耗时有点长，所以优化过程把它移到异步处理啦，如下：

优化前：

优化后

匹配联行号的操作异步处理

性能对比：

假设一个联行号匹配6ms

同步 异步
500条 3000ms ~
1000条 6000ms ~

解析：

• 因为联行号匹配比较耗时，放在异步处理的话，同步联机返回可以省掉这部分时间，大大提升接口性能，并且不会影响到转账主流程功能。
• 除了这个例子，平时我们类似功能，如用户注册成功后，短信邮件通知，也是可以异步处理的，这个优化建议香饽饽的~
• 所以，太耗时的操作，在不影响主流程功能的情况下，可以考虑开子线程异步处理的啦。

3.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。这里的缓存包括：Redis，JVM本地缓存，memcached，或者Map等。
这次转账接口，使用到缓存啦，举个简单例子吧~

优化前

以下是输入用户账号，匹配联行号的流程图

优化后：

恰当使用缓存，代替查询DB表，流程图如下：

解析：

• 把热点数据放到缓存，不用每次查询都去DB拉取，节省了这部分查SQL的耗时，美滋滋呀~
• 当然，不是什么数据都适合放到缓存的哦，访问比较频繁的热点数据才考虑缓存起来呢~

4. 优化程序逻辑、代码

优化程序逻辑、程序代码，是可以节省耗时的。
我这里就本次的转账接口优化，举个例子吧~

优化前：

优化前，联行号查询了两次（检验参数一次，插入DB前查询一次），如下伪代码：

punlic void process(Req req){
//检验参数,包括联行号（前端传来的payeeBankNo可以为空,但是如果后端没匹配到，会抛异常）

    checkTransParams(Req req);
   //Save DB
  saveTransDetail(req); 
}

void checkTransParams（Req req）{
    //check Amount,and so on.
    checkAmount(req.getamount)；
    //check payeebankNo
    if（Utils.isEmpty(req.getPayeeBankNo())）{
        String payeebankNo = getPayeebankNo(req.getPayeeAccountNo);
        if(Utils.isEmpty(payeebankNo){
            throws Exception();
        }
    }
}

int saveTransDetail(req){
    String payeebankNo = getPayeebankNo(req.getPayeeAccountNo);
    req.setPayeeBankNo(payeebankNo);
    insert(req);
    ...
}

优化后：

优化后，只在校验参数的时候插叙一次，然后设置到对象里面~ 入库前就不用再查啦，伪代码如下：

void checkTransParams（Req req）{
    //check Amount,and so on.
    checkAmount(req.getamount)；
    //check payeebankNo
    if（Utils.isEmpty(req.getPayeeBankNo())）{
        String payeebankNo = getPayeebankNo(req.getPayeeAccountNo);
        if(Utils.isEmpty(payeebankNo){
            throws Exception();
        }
    }
    //查询到有联行号，直接设置进去啦，这样等下入库不用再插入多一次
    req.setPayeeBankNo(payeebankNo);
}

int saveTransDetail(req){
    insert(req);
    ...
}

解析：

• 对于优化程序逻辑、代码，是可以降低接口耗时的。以上demo只是一个很简单的例子，就是优化前payeeBankNo查询了两次，但是其实只查一次就可以了。很多时候，我们都知道这个点，但就是到写代码的时候，又忘记了呀~所以，写代码的时候，留点心吧，优化你的程序逻辑、代码哦。
• 除了以上demo这点，还有其它的点，如优化if复杂的逻辑条件，考虑是否可以调整顺序，或者for循环，是否重复实例化对象等等，这些适当优化，都是可以让你的代码跑得更快的。
  之前我这篇文章，也提了几个优化点噢，有兴趣的朋友可以看一下哈~
  写代码有这些想法，同事才不会认为你是复制粘贴程序员

5. 优化你的SQL

很多时候，你的接口性能瓶颈就在SQL这里，慢查询需要我们重点关注的点呢。
我们可以通过这些方式优化我们的SQL：
加索引

• 避免返回不必要的数据
• 优化sql结构
• 分库分表
• 读写分离

有兴趣的朋友可以看一下我这篇文章呢，很详细的SQL优化点：
后端程序员必备：书写高质量SQL的30条建议

6.压缩传输内容

压缩传输内容，文件变得更小，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，它驮着一百斤的货跑得快，还是驮着10斤的货物跑得快呢？

解析：

• 如果你的接口性能不好，然后传输报文比较大的话，这时候是可以考虑压缩文件内容传输的，最后优化效果可能很不错哦~

7. 考虑使用文件/MQ等其他方式暂存数据，异步再落地DB

如果数据太大，落地数据库实在是慢的话，可以考虑先用文件的方式保存，或者考虑MQ，先落地，再异步保存到数据库~

本次转账接口，如果是并发开启，10个并发度，每个批次1000笔数据，数据库插入会特别耗时，大概10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：

优化前，1000笔先落地DB数据库，再异步转账，如下：

优化后：

先保存数据到文件，再异步下载下来，插入数据库，如下：

解析：

• 如果你的耗时瓶颈就在数据库插入操作这里了，那就考虑文件保存或者MQ或者其他方式暂存吧，文件保存数据，对比一下耗时，有时候会有意想不到的效果哦。

8.跟产品讨论需求最恰当，最舒服的实现方式

这点个人觉得还是很重要的，有些需求需要好好跟产品沟通的。

比如有个用户连麦列表展示的需求，产品说要展示所有的连麦信息，如果一个用户的连麦列表信息好大，你拉取所有连麦数据回来，接口性能就降下来啦。如果产品打桩分析，会发现，一般用户看连麦列表，也就看前几页~因此，奸笑，哈哈~ 其实，那个超大分页加载问题也是类似的。即limit +一个超大的数，一般会很慢的~~

总结

本文呢，基于一次对外接口耗时优化的实践，总结了优化接口性能的八个点，希望对大家日常开发有帮助哦~嘻嘻，有兴趣可以逛逛我的github哈，本文会收藏到github里滴哈

https://github.com/whx123/JavaHome

公众号

• 欢迎关注我个人公众号，交个朋友，一起学习哈~

记一次接口性能优化实践总结：优化接口性能的八个建议

标签：数据量   alt   实践总结   想法   查询   程序代码   index   sem   处理   

原文地址：https://blog.51cto.com/14989534/2547136