5个接口性能提升的通用技巧

前言

作为后端开发人员，我们总是在编写各种API，无论是为前端web提供数据支持的HTTP REST API ，还是提供内部使用的RPC API。这些API在服务初期可能表现不错，但随着用户数量的增长，一开始响应很快的API越来越慢，直到用户抱怨：“你的系统太糟糕了。” 我只是浏览网页。为什么这么慢？”。这时候你就需要考虑如何优化你的API性能了。

要想提高你的API的性能，我们首先要知道哪些问题会导致接口响应慢。API设计需要考虑很多方面。开发语言层面只占一小部分。哪个部分设计不好就会成为性能瓶颈。影响API性能的因素有很多，总结如下：

数据库慢查询
复杂的业务逻辑
糟糕的代码
资源不足
…

在这篇文章中，我总结了一些行之有效的API性能优化技巧，希望能给有需要的朋友一些帮助。

1. 并发调用

假设我们现在有一个电子商务系统需要提交订单。该功能需要调用库存系统进行库存查扣，还需要获取用户地址信息。最后调用风控系统判断本次交易无风险。这个接口的设计大部分可能会把接口设计成一个顺序执行的接口。毕竟我们需要获取到用户地址信息，完成库存扣减，才能进行下一步。伪代码如下：

public Boolean submitOrder(orderInfo orderInfo) {//check stockstockService.check();//invoke addressServiceaddressService.getByUser();//risk controlriskControlSerivce.check();return doSubmitOrder(orderInfo);
}

如果我们仔细分析这个函数，就会发现几个方法调用之间并没有很强的依赖关系。而且这三个系统的调用都比较耗时。假设这些系统的调用耗时分布如下

stockService.check()需要 150 毫秒。
addressService.getByUser()需要 200 毫秒。
riskControlSerivce.check()需要 300 毫秒。

如果顺序调用此API，则整个API的执行时间为650ms（150ms+200ms+300ms）。如果能转化为并行调用，API的执行时间为300ms，性能直接提升50%。使用并行调用，大致代码如下：

public Boolean submitOrder(orderInfo orderInfo) {//check stockCompletableFuture<Void> stockFuture = CompletableFuture.supplyAsync(() -> {return stockService.check(); }, executor);//invoke addressServiceCompletableFuture<Address> addressFuture = CompletableFuture.supplyAsync(() -> {return addressService.getByUser();}, executor);//risk controlCompletableFuture<Void> riskFuture = CompletableFuture.supplyAsync(() -> {return 	riskControlSerivce.check();}, executor);CompletableFuture.allOf(stockFuture, addressFuture, riskFuture);stockFuture.get();addressFuture.get();riskFuture.get();return doSubmitOrder(orderInfo);
}

2. 避免大事务

所谓大事务，就是历经时间很长的事务。如果使用Spring @Transaction管理事务，需要注意是否不小心启动了大事务。因为Spring的事务管理原理是将多个事务合并到一个执行中，如果一个API里面有多个数据库读写，而且这个API的并发访问量比较高，很可能大事务会导致太大大量数据锁在数据库中，造成大量阻塞，数据库连接池连接耗尽。

@Transactional(rollbackFor=Exception.class)
public Boolean submitOrder(orderInfo orderInfo) {//check stockstockService.check();//invoke addressServiceaddressService.getByUser();//risk controlriskControlRpcApi.check();orderService.insertOrder(orderInfo);orderDetailService.insertOrderDetail(orderInfo);return true;
}

相信在很多人写的业务中都出现过这种代码，远程调用操作，一个非DB操作，混合在持久层代码中，这种代码绝对是一个大事务。它不仅需要查询用户地址和扣除库存，还需要插入订单数据和订单明细。这一系列操作需要合并到同一个事务中。如果RPC响应慢，当前线程会一直占用数据库连接，导致并发场景下数据库连接耗尽。不仅如此，如果事务需要回滚，你的API响应也会因为回滚慢而变慢。

这个时候就需要考虑减小事务了，我们可以把非事务操作和事务操作分开，像这样：

@Autowired
private OrderDaoService orderDaoService;public Boolean submitOrder(OrderInfo orderInfo) {//invoke addressServiceaddressService.getByUser();//risk controlriskControlRpcApi.check();return orderDaoService.doSubmitOrder(orderInfo);
}@Service
public class OrderDaoService{@Transactional(rollbackFor=Exception.class)public Boolean doSubmitOrder(OrderInfo orderInfo) {//check stockstockService.check();orderService.insertOrder(orderInfo);orderDetailService.insertOrderDetail(orderInfo);return true;}
}

或者，您可以使用 spring 的编程事务TransactionTemplate。

@Autowired
private TransactionTemplate transactionTemplate;public void submitOrder(OrderInfo orderInfo) {//invoke addressServiceaddressService.getByUser();//risk controlriskControlRpcApi.check();return transactionTemplate.execute(()->{return doSubmitOrder(orderInfo);})
}public Boolean doSubmitOrder(OrderInfo orderInfo) {//check stockstockService.check();orderService.insertOrder(orderInfo);orderDetailService.insertOrderDetail(orderInfo);return true;}

3. 添加合适的索引

我们的服务在运行初期，系统需要存储的数据量很小，可能是数据库没有加索引来快速存储和访问数据。但是随着业务的增长，单表数据量不断增加，数据库的查询性能变差。这时候我们应该给你的数据库表添加适当的索引。可以通过命令查看表的索引（这里以MySQL为例）。

show index from `your_table_name`;

ALTER TABLE通过命令添加索引。

ALTER TABLE `your_table_name` ADD INDEX index_name(username);

有时候，即使加了一些索引，数据查询还是很慢。这时候你可以使用explain命令查看执行计划来判断你的SQL语句是否命中了索引。例如:

explain select * from product_info where type=0;

你会得到一个分析结果：

一般来说，索引失效有几种情况：

不满足最左前缀原则。例如，您创建一个组合索引idx(a,b,c)。但是你的SQL语句是这样写的select * from tb1 where b='xxx' and c='xxxx';。
索引列使用算术运算。select * from tb1 where a%10=0;
索引列使用函数。select * from tb1 where date_format(a,'%m-%d-%Y')='2023-01-02';
like使用关键字的模糊查询。select * from tb1 where a like '%aaa';
使用not in或not exist关键字。
等等

4. 返回更少的数据

如果我们查询大量符合条件的数据，我们不需要返回所有数据。我们可以通过分页的方式增量提供数据。这样，我们需要通过网络传输的数据更少，编码和解码数据的时间更短，API 响应更快。

但是，传统的limit offset方法用于 paging( select * from product limit 10000,20)。当页面数量很大时，查询会越来越慢。这是因为使用的原理limit offset是找出10000条数据，然后丢弃前面的9980条数据。我们可以使用延迟关联来优化此 SQL。

select * from product where id in (select id from product limit 10000,20);

5. 使用缓存

缓存是一种以空间换时间的解决方案。一些用户经常访问的数据直接缓存在内存中。因为内存的读取速度远快于磁盘IO，所以我们也可以通过适当的缓存来提高API的性能。简单的，我们可以使用Java的HashMap、ConcurrentHashMap，或者caffeine等本地缓存，或者Memcached、Redis等分布式缓存中间件。