从2s优化到0.1s，这周班没白加！

大家好，今天我们继续来分享一个在项目开发过程中遇到的实际问题，这里也来梳理并总结一下我们是如何对它进行持续优化的，希望能对大家有所帮助。

分类树查询功能，在各个业务系统中可以说随处可见，特别是在一些电商系统中。

但就是这样一个看似简单的分类树查询功能，我们却优化了数次。

这其中到底经历了什么呢？

背 景

我们的一个老项目使用了SpringBoot推荐的模板引擎：Thymeleaf，进行动态渲染。

它是一个XML/XHTML/HTML5模板引擎，可用于Web与非Web环境中的应用开发。

它提供了一个用于整合SpringMVC的可选模块，在应用开发中，我们可以使用Thymeleaf来完全代替JSP或其他模板引擎，如VelocityFreeMarker等。

前端开发写好Thymeleaf的模板文件，调用后端接口获取数据，进行动态绑定，就能把想要的内容展示给用户。

由于当时很早这也个是从0-1的新项目，为了开快速开发功能，第一版接口是直接从数据库中查询分类数据，组装成分类树，然后返回给前端。

通过这种方式，简化了数据流程，快速把整个页面功能调通了。

第1次优化

我们将该接口部署到dev环境，刚开始没啥问题。

随着开发人员添加的分类越来越多，很快就暴露出性能瓶颈。

我们不得不做优化了。

我们第一个想到的是：加Redis缓存。

流程图如下：

于是暂时这样优化了一下：

1. 用户访问接口获取分类树时，先从Redis中查询数据。
2. 如果Redis中有数据，则直接数据。
3. 如果Redis中没有数据，则再从数据库中查询数据，拼接成分类树返回。
4. 将从数据库中查到的分类树的数据，保存到Redis中，设置过期时间5分钟。
5. 将分类树返回给用户。

我们在Redis中定义一个了key，value是一个分类树的json格式转换成了字符串，使用简单的key/value形式保存数据。

经过这样优化之后，dev环境的联调和自测顺利完成了。

第2次优化

我们将这个功能部署到st环境了。

刚开始测试同学没有发现什么问题，但随着后面不断地深入测试，隔一段时间就出现一次首页访问很慢的情况。

于是，我们马上进行了第2次优化。

我们决定使用Job定期异步更新分类树到Redis中，在系统上线之前，会先生成一份数据。

当然为了保险起见，防止Redis在哪条突然挂了，之前分类树同步写入Redis的逻辑还是保留。

于是，流程图改成了这样：

增加了一个job每隔5分钟执行一次，从数据库中查询分类数据，封装成分类树，更新到Redis缓存中。

其他的流程保持不变。

此外，Redis的过期时间之前设置的5分钟，现在要改成永久。

通过这次优化之后，st环境就没有再出现过分类树查询的性能问题了。

第3次优化

测试了一段时间之后，整个网站的功能快要上线了。

为了保险起见，我们需要对网站首页做一次压力测试。

果然测出问题了，网站首页最大的qps是100多，最后发现是每次都从Redis获取分类树导致的网站首页的性能瓶颈。

我们需要做第3次优化。

该怎么优化呢？

答：加内存缓存。

如果加了内存缓存，就需要考虑数据一致性问题。

内存缓存是保存在服务器节点上的，不同的服务器节点更新的频率可能有点差异，这样可能会导致数据的不一致性。

但分类本身是更新频率比较低的数据，对于用户来说不太敏感，即使在短时间内，用户看到的分类树有些差异，也不会对用户造成太大的影响。

因此，分类树这种业务场景，是可以使用内存缓存的。

于是，我们使用了Spring推荐的caffine作为内存缓存。

改造后的流程图如下：

1. 用户访问接口时改成先从本地缓存分类数查询数据。
2. 如果本地缓存有，则直接返回。
3. 如果本地缓存没有，则从Redis中查询数据。
4. 如果Redis中有数据，则将数据更新到本地缓存中，然后返回数据。
5. 如果Redis中也没有数据（说明Redis挂了），则从数据库中查询数据，更新到Redis中（万一Redis恢复了呢），然后更新到本地缓存中，返回返回数据。

需要注意的是，需要改本地缓存设置一个过期时间，这里设置的5分钟，不然的话，没办法获取新的数据。

这样优化之后，再次做网站首页的压力测试，qps提升到了500多，满足上线要求。

第4次优化

之后，这个功能顺利上线了。

使用了很长一段时间没有出现问题。

两年后的某一天，有用户反馈说，网站首页有点慢。

我们排查了一下原因发现，分类树的数据太多了，一次性返回了上万个分类。

原来在系统上线的这两年多的时间内，运营同学在系统后台增加了很多分类。

我们需要做第4次优化。

这时要如何优化呢？

限制分类树的数量？

答：也不太现实，目前这个业务场景就是有这么多分类，不能让用户选择不到他想要的分类吧？

这时我们想到最快的办法是开启nginx的GZip功能。

让数据在传输之前，先压缩一下，然后进行传输，在用户浏览器中，自动解压，将真实的分类树数据展示给用户。

之前调用接口返回的分类树有1MB的大小，优化之后，接口返回的分类树的大小是100Kb，一下子缩小了10倍。

这样简单的优化之后，性能提升了一些。

第5次优化

经过上面优化之后，用户很长一段时间都没有反馈性能问题。

但有一天公司同事在排查Redis中大key的时候，揪出了分类树。之前的分类树使用key/value的结构保存数据的。

我们不得不做第5次优化。

为了优化在Redis中存储数据的大小，我们首先需要对数据进行瘦身。

只保存需要用到的字段。

例如：

@AllArgsConstructor
@Data
publicclassCategory{

privateLongid;
privateStringname;
privateLongparentId;
privateDateinDate;
privateLonginUserId;
privateStringinUserName;
privateListchildren;
}

像这个分类对象中inDate、inUserId和inUserName字段是可以不用保存的。

修改自动名称。

例如：

@AllArgsConstructor
@Data
publicclassCategory{
/**
*分类编号
*/
@JsonProperty("i")
privateLongid;

/**
*分类层级
*/
@JsonProperty("l")
privateIntegerlevel;

/**
*分类名称
*/
@JsonProperty("n")
privateStringname;

/**
*父分类编号
*/
@JsonProperty("p")
privateLongparentId;

/**
*子分类列表
*/
@JsonProperty("c")
privateListchildren;
}

由于在一万多条数据中，每条数据的字段名称是固定的，他们的重复率太高了。

由此，可以在json序列化时，改成一个简短的名称，以便于返回更少的数据大小。

这还不够，需要对存储的数据做压缩。

之前在Redis中保存的key/value，其中的value是json格式的字符串。

其实RedisTemplate支持，value保存byte数组。

先将json字符串数据用GZip工具类压缩成byte数组，然后保存到Redis中。

再获取数据时，将byte数组转换成json字符串，然后再转换成分类树。

这样优化之后，保存到Redis中的分类树的数据大小，一下子减少了10倍，Redis的大key问题被解决了。

小 结

所以回过头来看，这样一个看似并不复杂的功能需求，但是要想把它做到稳定、高效、可用，一路下来还是需要考虑不少问题的。而这其中遇到的任何一个问题，一旦解决并复盘了，它也就汇聚成我们的经验了，希望这篇文章的梳理能对大家有所帮助。

好了，今天的内容分享就到这里了，感谢大家的收看，我们下篇见。