7.27优化网站的性能

最新推荐文章于 2022-08-07 13:46:01 发布

Mr_Zhang_Zhen

最新推荐文章于 2022-08-07 13:46:01 发布

阅读量243

点赞数

分类专栏：牛客网项目

本文链接：https://blog.csdn.net/mr_zhang66/article/details/118030109

版权

牛客网项目专栏收录该内容

79 篇文章 15 订阅

订阅专栏

优化网站的性能有一个行之有效的手段，加缓存。

加缓存有一定策略、原则；本节将对如何加缓存有一个系统的了解

最后测试一下，优化后性能有无提升。

缓存有三种：
在这里插入图片描述
redis缓存过 user，tocken

先查询一级缓存，后查询二级缓存，然后查询数据库，这种方式避免直接访问数据库

诸如登录凭证这些和用户强关联的信息，若是缓存到本地缓存，则会出错

因为当请求2访问服务器2时，若是服务器2 本地缓存中没有登录凭证，则无法访问DB
在这里插入图片描述
但是诸如热门帖子这些，不是和用户强关联的，可以采用这种方式

当访问redis时：

1请求先访问服务器1，服务器1里面本地缓存没有数据，于是访问redis，里面还是没用，于是访问DB，并将查询到的数据传到redis。

之后2请求访问服务器2时，服务器2里面本地缓存没有数据，于是访问redis直接查到数据
在这里插入图片描述
本地缓存应用可以直接访问，因此效率比redis高。

多级缓存详细使用过程：

在这里插入图片描述

本地缓存空间小，

缓存需要设置一些淘汰机制，按时间排序或者按使用率或者定时淘汰都可以

本节任务，优化热门的帖子列表进行缓存以提升性能；为何不优化时间排序的帖子列表呢，因为不合适。数据变化频率相对较低才可以缓存

本地缓存用caffeine；分布式缓存本节不演示

手册在这里查看
在这里插入图片描述
包在这里

优化主要是对services

在DiscussPostService中

@Value("${caffeine.posts.max-size}")
private int maxSize;
@Value("${caffeine.posts.expire-second}")
private int expireSeconds;

在application properties中

#caffeine
#缓存空间能存多少的对象
caffeine.posts.max-size=15
#过期时间为，定时淘汰
caffeine.posts.expire-second=180

   // Caffeine核心接口: Cache, LoadingCache, AsyncLoadingCache

    // 帖子列表缓存
    private LoadingCache<String, List<DiscussPost>> postListCache;

    // 帖子总数缓存
    private LoadingCache<Integer, Integer> postRowsCache;

    @PostConstruct
    public void init() {
        // 初始化帖子列表缓存
        postListCache = Caffeine.newBuilder()
                .maximumSize(maxSize)//缓存最大的数据量
                .expireAfterWrite(expireSeconds, TimeUnit.SECONDS)//当把缓存写入缓存空间以后，多长时间自动过期；TimeUnit.SECONDS表示单位是s
                .build(new CacheLoader<String, List<DiscussPost>>() {
                    @Nullable
                    @Override
                    public List<DiscussPost> load(@NonNull String key) throws Exception {
                        if (key == null || key.length() == 0) {
                            throw new IllegalArgumentException("参数错误!");
                        }

                        String[] params = key.split(":");
                        if (params == null || params.length != 2) {
                            throw new IllegalArgumentException("参数错误!");
                        }

                        int offset = Integer.valueOf(params[0]);
                        int limit = Integer.valueOf(params[1]);

                        // 二级缓存: Redis -> mysql

                        logger.debug("load post list from DB.");
                        return discussPostMapper.selectDiscussPosts(0, offset, limit, 1);
                    }
                });
        // 初始化帖子总数缓存
        postRowsCache = Caffeine.newBuilder()
                .maximumSize(maxSize)
                .expireAfterWrite(expireSeconds, TimeUnit.SECONDS)
                .build(new CacheLoader<Integer, Integer>() {
                    @Nullable
                    @Override
                    public Integer load(@NonNull Integer key) throws Exception {
                        logger.debug("load post rows from DB.");
                        return discussPostMapper.selectDiscussPostRows(key);
                    }
                });
    }

public List<DiscussPost> findDiscussPosts(int userId, int offset, int limit, int orderMode) {//只缓存热门帖子，即orderMode=1时候的帖子
    if (userId == 0 && orderMode == 1) {//userId == 0表明是首页
        return postListCache.get(offset + ":" + limit);//启用缓存
    }

    logger.debug("load post list from DB.");//访问数据库时记录：从数据库中查数据
    return discussPostMapper.selectDiscussPosts(userId, offset, limit, orderMode);
}

public int findDiscussPostRows(int userId) {//用户查看自己帖子的时候
    if (userId == 0) {
        return postRowsCache.get(userId);
    }
    logger.debug("load post rows from DB.");
    return discussPostMapper.selectDiscussPostRows(userId);
}

接下来写一个测试类：

public class CaffeineTests {

    @Autowired
    private DiscussPostService postService;

    @Test
    public void initDataForTest() {//建立30w条一样的数据
        for (int i = 0; i < 300000; i++) {//为了做对比实验，需要很多条数据30w条，因为一条数据的话，突出不了性能的优化
            DiscussPost post = new DiscussPost();
            post.setUserId(111);
            post.setTitle("互联网求职暖春计划");
            post.setContent("今年的就业形势，确实不容乐观。过了个年，仿佛跳水一般，整个讨论区哀鸿遍野！19届真的没人要了吗？！18届被优化真的没有出路了吗？！大家的“哀嚎”与“悲惨遭遇”牵动了每日潜伏于讨论区的牛客小哥哥小姐姐们的心，于是牛客决定：是时候为大家做点什么了！为了帮助大家度过“寒冬”，牛客网特别联合60+家企业，开启互联网求职暖春计划，面向18届&19届，拯救0 offer！");
            post.setCreateTime(new Date());
            post.setScore(Math.random() * 2000);
            postService.addDiscussPost(post);
        }
    }

    @Test
    public void testCache() {
        System.out.println(postService.findDiscussPosts(0, 0, 10, 1));//ordermode=1安照热门排序 ，第一次缓存中没有数据
        System.out.println(postService.findDiscussPosts(0, 0, 10, 1));//第二次缓存中有数据
        System.out.println(postService.findDiscussPosts(0, 0, 10, 1));//第三次缓存中有数据，前三次访问只打印一个日志
        System.out.println(postService.findDiscussPosts(0, 0, 10, 0));//不走缓存，直接走数据库
    }