Java接口全链路优化：如何降低接口RT时长

背景：由于以前的应用多且杂，所以最近对公司的应用进行优化改造，需要所有接口RT达到xxx值以下。

一、监控

那么问题来了~现在应用都是放养式的，几乎没有什么监控工具，不可能根据log一个接口一个接口去捞日志，那怎么知道哪些接口rt长，需要优化呢。 所以第一步我们做的事情就是上监控。

监控工具：pinpoint。

选择pinpoint有几个方面的考量：

1.对应用代码0侵入，这个当然是我们程序员最关心的，谁都不喜欢因为附加功能在自己的应用大动干戈，万一影响原有业务就不值得了。。

2.应用依赖关系，调用关系一目了然，通过一个traceId将所有流程串起来，方便排查问题。这一点也是非常重要，在分布式系统中，调用关系请求太复杂，如果没有traceId标识，你是很难找到这个请求的上层调用关系的。

3.接口各种监控图表，当然也包括RT图表，便于快速定位需要优化的链路。

pinpoint的源码及教程可参考https://github.com/naver/pinpoint。

我们可以大致看一下pinpoint的监控页面，如下图

调用链路一列看出该请求实际执行了2次SQL。

执行时间一列看出第一次耗时19ms，第二次722ms。

traceId是此次请求的唯一标识，如果我们在应用需要记录该值，也可通过对应API获取。

当然这个示例只是一次很简单的请求，他还能监控dubbo调用、http请求、Redis、db等等操作，所以只要应用配置了它，那么该请求执行的调用细节就一目了然，尽在我们掌握之中，而不是放养任其发展。

二、优化

既然目标已经被我们揪出来了，那我们下一步当然就是把它解决掉，优化它。我从优化过程中得出一些很普遍，实用的优化经验，特别是对于初学者，可以多多参考。因为对于刚开始编程的来说这些就是习惯，正常的逻辑，但并不代表它就是最优的。

1.循环SQL操作

这类情况对于新手来说很容易犯，比如就创建交易订单。我们主子单关系如下：

那么创建订单需要生成1个主单，N个子单，这时很多这么写(代码仅表示执行流程)：

insert(主单);
for(子单:子单列表){
    insert(子单);
}
复制代码

所以就出现循环SQL操作，因为SQL操作比较耗时，循环的话就会大大拉大整个接口的rt时长，这种情况我们应该一次性把所有子单insert，而不是一次一次地操作，优化后代码类似为这样：

insert(主单);
batchInsert(子单列表);
复制代码

Mybatits是支持循环标签的，所以在sqlMap文件里改造一下SQL就可以了。另外批量update也是可以的，执行批量操作需要在数据库链接加上参数allowMultiQueries=true

2.数据库索引

索引当然是必须要建的，不然得查到什么时候。不过建归建，但是我们还要正确的运用它。 我们可以通过explain命令检测SQL是否使用索引。 EXPLAIN SELECT * FROM article WHERE id=10;

key和rows反应了使用的索引以及预计需要扫描的行数。 还有一些我们需要注意的：

在我们优化Query语句中的ORDER BY的时候，尽可能利用已有的索引来避免实际的排序计算，可以很大幅度的提升 ORDER BY操作的性能。在有些 Query 的优化过程中，即使为了避免实际的排序操作而调整索引字段的顺序，甚至是增加索引字段也是值得的 因为MySQL中，order by的实现有两种类型：

1).一种是通过有序索引而直接取得有序的数据，这样不用进行任何排序操作即可得到满足客户端 要求的有序数据返回给客户端；

2).一种则需要通过 MySQL 的排序算法将存储引擎中返回的数据进行排序然后再将排序后的数 据返回给客户端

DISTINCT尽量少用，DISTINCT其实也是进行了一次group by操作，然后每一组取的第一条记录。

java应用的类型一定和数据库索引列的类型匹配，例如java类型为long，数据库类型为varchar，这样去查询是用不了索引的，但是不会报错。 下图是两种方式的对比：

3.count计数千万不能用

计数也是我们经常用到的，比如优惠券领取数量，统计活动参加人数。这些有时是和业务强耦合的。比如秒杀只能卖出多少件等等。这类场景我们千万不能使用count来计数。我们来分析一下为什么不使用count：

1).count会查询所有满足条件的记录，如果表非常大，这将可能导致全表扫描，这后果大家都知道的吧。 2).如果使用count来控制，那么在业务逻辑执行期间，肯定要加锁，否则刚才count的结果就白操作了，这将也会阻止所有对该活动的请求。

这种场景我们一般都是在需要控制的记录上加个计数字段，比如控制最大领取值num=10个。那在业务逻辑里面可将对总数控制转为通过SQL的方式， update xxx set num=num-1 where id=xx and num>0; 这是原子操作，可保证一定不会超领。根据返回结果判断是否执行成功（返回结果为影响的行数）。

4.锁

单机锁和分布式锁，锁其实我们能够避免就不要使用它，因为加锁就代表只能串行执行，并发数降为1，这肯定影响性能。

如果是类似库存扣减的场景，可参考第3条。通过数据库的原子操作来避免。

如果是更新等操作，可通过乐观锁来避免长时间的阻塞。

如果非要使用锁，不管是单机锁还是分布式锁，我们一定要评估该锁的影响范围，是针对单个用户userId还是所有的用户userId，单个用户是可以采用的，因为单个用户并发度极低，但是如果是所有用户的操作加锁，那一定要好好评估，这个操作会导致所有用户的类似操作阻塞。

5.适当冗余

在分布式系统中，冗余应该是非常常见的情况。我们这个时候就不要追求数据库范式的标准了，因为按照数据库第几范式来设计，所有字段都不冗余，但是这给我们查询带来很大麻烦。可能我们查一个订单，需要关联查询，查子单信息，查商品信息，查支付信息等等，查询这么多，想想我们接口的rt能快吗，qps能高吗。将商品名称等基本信息冗余可减少对其实模块的查询，未尝不是一种好的方式。

6.Redis缓存

其实缓存在我们系统普遍都用到了，所以对这部分优化不多。还是总结一些经验。 缓存的刷新策略选择：失效刷新还是定时刷新。 因为监控到很多接口RT总是有规律的变慢，这是因为都是在缓存失效的时候，需要从db及其他模块组装数据，然后推到缓存，这时所有请求都走不了缓存，在流量大的时候也有可能成为致命的因素。如果是这种情况，例如首页推荐商品、推荐帖子等等访问量大且相同的场景可以通过定时刷新的方式。 Keys*命令线上严禁使用：Redis是单线程，该命令的执行将会导致所有后续请求阻塞，影响整个系统性能。

7.搜索引擎

可能看到这个比较疑惑，搜索引擎怎么还能优化RT，他比DB当然慢，但是在某些场景他可以比DB更快。例如一个社区论坛，需要对文章进行筛选排序，总共十来个字段，而且自由组合，这时DB就无能为力，因为条件太多，各种排序操作，关联操作，数据库没办法建索引。我们可以通过将A、B表中的字段构建成完整的信息，推送到搜索引擎，查询的时候直接根据条件搜索。这样既能保证rt，又能避免DB被复杂查询拖垮。