掌握了这些优化技巧，再也不用担心接口性能上不去了！-阿里云开发者社区

前言

大家好，我是路由器没有路。

优化接口性能对每个后端开发同学来说见惯不惯了，也是一项必备的技能，因为我们平时开发中都会对外提供接口，性能差的话，功能多少会有影响。

另外接口性能算是一个跟开发语言无关的公共问题，该问题既简单又复杂。

一般导致接口性能问题的原因不尽相同，项目功能不同的接口，导致接口出现性能问题的原因可能也不一样，要根据场景来分享，即具体情况具体分析。

但是本文主要总结了一些优化接口性能的办法，一般可以从以下几点进行优化：

加索引
代码重构
增加缓存
引入一些中间件，比如 mq
分库分表
拆分服务
等等

1. 索引

根据经验，相信大家第一个想到接口性能优化方法就是：优化索引。

是的，优化索引的成本是最小的。你可以通过查看 sql 的执行计划来判断 sql 是否走索引等。

又或者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 语句实际耗时（一般通过慢查询日志可以知道）。

优化索引会从以下几个 Question 入手：

使用的 sql 语句是否加索引了？
加索引后，实际是否生效了？
mysql 会不会使用到加的索引？

1.1 没加索引的情况

在平时项目中比较常见的问题：就是在 sql 语句中 where 条件的关键字段，或者 order by 后面的排序字段，漏加索引。

当然项目初期体量比较小，表中的数据量小，加不加索引 sql 查询性能差别不大，没啥影响。

随后，如果业务发展起来了，表中数据量也越来越多，此时就不得不加索引了。

查看某张表索引情况的命令：

show index from `order`;

查看整张表的建表语句，里面也会显示索引情况：

show create table `order`;

另外，添加索引的命令：

ALTER TABLE `order` ADD INDEX idx_name (name);

也可以通过 CREATE INDEX 命令添加索引：

CREATE INDEX idx_name ON `order` (name);

需要注意的地方：mysql 没有命令可以直接修改索引，想要修改索引，只能先删除索引，再重新添加新的。

删除索引可以使用以下两个命令：

ALTER TABLE `order` DROP INDEX idx_name;
DROP INDEX idx_name ON `order`;

1.2 索引没生效的情况

通过上面的一些命令，我们已经可以知道怎么查看索引、创建索引以及删除索引。

在已经能够确认索引有的情况下，接下来需要关注它是否生效了？

首先我们可以使用 mysql 的 explain 命令来查看 sql 的执行计划，它会显示索引的使用情况。

For example：

explain select * from `t_order` where Fdeal_id=1001;

结果如下：

通过 ref、key、key_len 这几列可以知道索引使用情况，执行计划包含列的含义如下图所示：

explain 执行计划中包含关键的信息如下：

select_type: 查询类型
table: 表名或者别名
partitions: 匹配的分区
type: 访问类型
possible_keys: 可能用到的索引
key: 实际用到的索引
key_len: 索引长度
ref: 与索引比较的列
rows: 估算的行数
filtered: 按表条件筛选的行百分比

下面列举了常见索引失效的原因：

不满足最左前缀原则
使用了 select *
使用索引列时进行计算
范围索引没有放后面
字符类型没有加引号
索引列上使用了函数
like 查询左侧有%
等等

以上原因都没有命中，则需要继续排查是什么原因。

1.3 索引没选对

不知你有没有遇到过这种情况：相同的 sql，只是参数不同而已。有时候是走索引 A，有的时候却走索引 B。

此时可以理解为 mysql 索引没有选对。

当然可以使用 force index 来强制查询 sql 走指定的索引。

其实 mysql 没选对索引，大概率是它的优化器所选择的结果，后面会有专门的文章介绍，这里就不展开说明了。

2. 优化 sql 技巧

当使用了索引后，接口性能也没见效。

这种情况就要试着优化一下 sql 语句，不只优化索引就完事了。

下面列举了 sql 优化的一些技巧：

尽量避免使用 select *
必要的话进行批量操作
用 union all 代替 union
尽量分页查使用 limit
使用高效的分页
join 的表不宜过多
索引的数量不能太多
要对索引优化
选择合理的字段类型

这些技巧在这里我就不深入了，后面也会单独写一篇文章来详细介绍，在这里我就不深入了。

3. 使用远程调用（rpc）

在大多数时候，项目中往往需要在某个接口中，调用其它服务的接口。

比如商城的业务场景：

下单时需要调用用户信息接口，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，另外也需要调用商品信息接口，在用户信息查询接口中需要返回：商品主图链接、价格、活动等信息。而积分在积分服务中，活动在活动服务中。

因此，为了汇总这些数据统一返回，需要另外提供一个对外接口的服务。

于是，用户信息查询接口就需要调用用户查询接口、积分查询接口和活动接口，然后汇总数据统一返回。

调用过程如下图所示：

可以知道远程调用接口总耗时为：450ms = 150ms + 100ms + 200ms.

很明显这种串行远程调用接口性能是很差的，效率也非常低，远程调用接口的总耗时为调用各个远程接口耗时之和。

那么如何优化远程调用接口的性能呢？继续往下看。

3.1 改成并行调用

既然串行远程调用多个接口性能很低，那么我们可以改成并行调用哈。

并行调用如下图所示：

可以看到，改成并行后，远程调用接口总耗时为 200ms = 200ms（即对应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。

如果你是使用 Golang 语言开发的话，可以通过并发 goroutine 实现该功能。这里简单举个例子：

func TestGoroutine() {
   
   
    fmt.Println("start test goroutine...")

    wg := &sync.WaitGroup{
   
   }
    wg.Add(2)

    // 开启 goroutine one 模拟调用用户信息
    go func(uid string) {
   
   
        fmt.Println("goroutine one, todo: get userInfo, uid: ", uid)
        wg.Done()
    }("1001")

    // 开启 goroutine two
    go func(activeId string) {
   
   
        fmt.Println("goroutine two, todo: get activeInfo, activeId: ", activeId)
        wg.Done()
    }("1002")

    wg.Wait()
    fmt.Println("end test goroutine...")
}

温馨提醒一下，Go 语言的并发 goroutine 在前面的文章有介绍，这里不再赘述，详见：Golang无限开启Goroutine？该如何限定Goroutine数量？。

3.2 使用缓存

我们可以考虑把数据冗余一下，把用户信息、积分和活动信息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。

接下来可以通过用户 id，直接从 redis 中查询出来，这大大提高了效率。

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缓存方案。

但需要注意的是，如果使用了缓存方案，就要另外考虑数据一致性的问题，详见：数据库和缓存的一致性问题，看这一篇就够了。

用户信息、积分和活动信息更新的话，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。

4. 重复调用接口

在同一个接口中，重复调用在我们平时开发的代码中可以说随处可见，但是如果没有控制好的话，会大大影响接口的性能。

4.1 循环去查数据库

大多数时候，我们需要从指定的数据库集合中，查询出需要用到的数据。

当有多个用户 id 传多来时，如果每个用户 id 都需要查一遍的话，那么就需要循环多次去查询数据库了。我们都知道，每查询一次数据库，就会进行一次远程调用。这是非常耗时的操作。

那么，我们可以提供一个根据用户id 集合批量查询用户信息数据的接口，只需远程调用一次即可，就能查询出所需要的数据了。

这里温馨提示下：id 集合的大小需要做限制以及做入参校验，否则也会影响查询性能，最好一次不要请求太多的数据。可以根据业务实际情况而定。

4.2 避免出现死循环

有些时候，写代码一不留神，循环语句就出现死循环了。

出现这种情况往往就是 condition 条件没处理好，导致没有退出循环，从而导致死循环。

出现死循环，大概率是代码的 bug 导致的，不过这种情况很容易被测出来。

但是，可能还有一种比较隐秘的死循环代码，当用正常数据时，测不出问题，一旦出现有异常数据，才会复现死循环的问题。

4.3 避免无限递归

一些导致无限递归的场景以及影响接口性能程度这里就不啰嗦了，总之，在写递归代码时，建议设定一个递归的深度(假设限定为 5)，然后在递归方法中做一定判断，如果深度大于 5 时，则自动返回，这样就可以避免无限递归了。

5. 考虑使用异步处理

很多时候，在进行接口性能优化时，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。

这样实现的接口表面上看起来没啥问题，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。

在这里有个原则就是：核心逻辑可以同步执行，同步写库。非核心逻辑，可以异步执行，异步写库。

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。

5.1 使用线程池

使用线程池改造将发站内通知和用户操作日志功能提交到了两个单独的线程池中。

这样在接口中重点关注的是业务逻辑操作，把其他的逻辑交给线程异步执行了，改造后，不仅让接口性能瞬间提升了，还大大提高了效率。

温馨提示：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。

那么可以使用下面的 mq 来解决此问题。

5.2 使用 mq 异步处理

异步使用 mq 改造。

将发站内通知和用户操作日志功能，以 mq 消息的方式发送到 mq 服务器，然后由 mq 消费者进行消费消息，消费者才是真正的执行这两个功能。

同样改造后，接口性能也是提升了的，因为发送 mq 消息吞吐量高，速度快，我们只需关注业务操作的代码即可。

6. 注意锁的粒度

通常，在一些业务场景中：

为了防止多个线程并发修改某个共享数据，造成数据的异常以及避免出现资源竞争的问题
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
我们会考虑加锁，但如果加锁方式不对的话，会导致锁的粒度太粗，同样也会非常影响接口的性能。

6.1 sync.Mutex

在 Golang 中提供了 sync.Mutex 关键字给代码加锁。

sync.Mutex是一个互斥锁，可以由不同的goroutine加锁和解锁。

sync.Mutex 是 Golang 标准库提供的一个互斥锁，当一个goroutine获得互斥锁权限后，其他请求锁的 goroutine 会阻塞在 Lock() 方法的调用上，直到调用 Unlock() 方法被释放。

未加锁的例子：

10 个并发的 goroutine 打印同一个数字 100，为避免重复打印，实现 printOnce(num int) 函数，使用集合 set 记录已打印过的数字。若数字已经打印过，则不再打印。

package test

import (
    "fmt"
    "testing"
    "time"
)

var set = make(map[int]bool, 0)

func printOnce(index int, num int) {
   
   
    if _, ok := set[num]; !ok {
   
   
        fmt.Println(index, num)
    }
    set[num] = true
}

func TestPrint(t *testing.T) {
   
   
    for i := 0; i < 10; i++ {
   
   
        go printOnce(i, 100)
    }
    time.Sleep(time.Second)
}

输出结果：

$ go test -v mutex_test.go
=== RUN   TestPrint
9 100
3 100
--- PASS: TestPrint (1.00s)
PASS
ok      command-line-arguments  1.304s

程序多次运行后会发现打印次数多次，因为对同一个数据结构set的访问发生了冲突。

并发访问中比如多个goroutine并发更新同一个资源，比如计时器、账户余额、秒杀系统、向同一个缓存中并发写入数据等等。如果没有互斥控制，很容易会出现异常，比如计时器计数不准确、用户账户可能出现透支、秒杀系统出现超卖、缓存出现数据缓存等等，后果会比较严重。

使用互斥锁的 Lock() 和 Unlock() 方法解决以上冲突问题：

package test

import (
    "fmt"
    "sync"
    "testing"
    "time"
)

var m sync.Mutex
var set = make(map[int]bool, 0)

func printOnce(index int, num int) {
   
   
    m.Lock()
    defer m.Unlock()

    if _, ok := set[num]; !ok {
   
   
        fmt.Println(index, num)
    }
    set[num] = true
}

func TestPrint(t *testing.T) {
   
   
    for i := 0; i < 10; i++ {
   
   
        go printOnce(i, 100)
    }
    time.Sleep(time.Second)
}

相同的数字只会比打印一次，当一个 goroutine 调用了 Lock() 方法时，其他 goroutine 被阻塞了，直到 Unlock() 调用将锁释放。因此被包裹部分的代码就能避免冲突，实现互斥。

6.2 redis 分布式锁

redis 分布式锁在前面的文章也讲过，详见：真正的 Redis 分布式锁，就该是这样实现.

6.3 数据库级别的锁

使用 mysql 数据库中锁主要有三种级别：

表锁：加锁快，不会出现死锁。但锁定粒度大，发生锁冲突的概率最高，并发度最低。
行锁：加锁慢，会出现死锁。但锁定粒度最小，发生锁冲突的概率最低，并发度也最高。
间隙锁：开销和加锁时间界于表锁和行锁之间。它会出现死锁，锁定粒度界于表锁和行锁之间，并发度一般。

如果并发度越高，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。

7. 考虑是否要分库分表

有些时候，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。

此时就需要考虑做分库分表了，详见：数据库之分库分表的一些总结。

8. 其它辅助优化接口功能

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。

8.1 开启慢查询日志

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：

slow_query_log 慢查询开关
slow_query_log_file 慢查询日志存放的路径
long_query_time 超过多少秒才会记录日志

通过 mysql 的 set 命令可以设置：

set global slow_query_log='ON'; 
set global slow_query_log_file='/usr/local/mysql/data/slow.log';
set global long_query_time=2;

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：

[mysqld]
slow_query_log = ON
slow_query_log_file = /usr/local/mysql/data/slow.log
long_query_time = 2

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。

8.2 加监控

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。
如果你想了解更多功能，可以访问 Prometheus 的官网：https://prometheus.io/

8.3 链路跟踪

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。

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。

如果你想了解更多功能，可以访问 skywalking 的官网：https://skywalking.apache.org/

掌握了这些优化技巧，再也不用担心接口性能上不去了！

前言

1. 索引

1.1 没加索引的情况

1.2 索引没生效的情况

1.3 索引没选对

2. 优化 sql 技巧

3. 使用远程调用（rpc）

3.1 改成并行调用

3.2 使用缓存

4. 重复调用接口

4.1 循环去查数据库

4.2 避免出现死循环

4.3 避免无限递归

5. 考虑使用异步处理

5.1 使用线程池

5.2 使用 mq 异步处理

6. 注意锁的粒度

6.1 sync.Mutex

6.2 redis 分布式锁

6.3 数据库级别的锁

7. 考虑是否要分库分表

8. 其它辅助优化接口功能

8.1 开启慢查询日志

8.2 加监控

8.3 链路跟踪

热门文章

最新文章

相关课程

相关电子书

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

掌握了这些优化技巧，再也不用担心接口性能上不去了！

前言

1. 索引

1.1 没加索引的情况

1.2 索引没生效的情况

1.3 索引没选对

2. 优化 sql 技巧

3. 使用远程调用（rpc）

3.1 改成并行调用

3.2 使用缓存

4. 重复调用接口

4.1 循环去查数据库

4.2 避免出现死循环

4.3 避免无限递归

5. 考虑使用异步处理

5.1 使用线程池

5.2 使用 mq 异步处理

6. 注意锁的粒度

6.1 sync.Mutex

6.2 redis 分布式锁

6.3 数据库级别的锁

7. 考虑是否要分库分表

8. 其它辅助优化接口功能

8.1 开启慢查询日志

8.2 加监控

8.3 链路跟踪

热门文章

最新文章

相关课程

相关电子书