百万量级数据_文件处理性能提升

 

现状资料说明：

 

 

需求背景介绍：

1. 该文件功能是以 .csv 后缀的文件进行解析后，反查我方数据库表，取出账单后做具体的处理业务

2. 该文件功能主要分为以下几个环节

1. 获取URL并下载文件
2. 文件解析并检查文件数据的有效性及数据去重
3. 取出文件中的具体业务字段进行查询我方的库表
4. 根据查询出来的账单做具体的业务处理

3. 处理百万量级以上数据时，整体效率偏低，理想情况的是处理百万量级的数据控制在一个小时左右

 

注：该文件处理功能是在单线程的情况下执行，暂时不需要考虑太消耗性能来开多线程的处理方案

 

流程耗时分析：

 文件去重后以资产号查询我方账单集合，整体是从 7ms ~ 22ms 不等；理论上来说文件数据有多少条就会查询多少次库表

结论：通过核实代码逻辑，该功能文件的执行文件耗时，均为在查询DB这块占用耗时较多

如：对到170W+的数据量，需要耗时2个半小时左右执行完。现文件执行流程耗时也算相应合理。也存在要提高文件处理性能的必要性

 

问题点：

 

现SQL的查询逻辑等同于

 

select * from postloan_#xx#_db.t_asset_bill_#y# where Fstatus=1 and Fasset_id=xxxx 

 

1. 这里是返回的整个账单集合；如 asset_id 对应的数据有12条账单数据，则返回了12条记录的一个list对象

2. 重新评估业务后，这样的SQL查询是可以进一步优化

3. 全量字段查询是没有必要的，影响磁盘IO的处理效率

 

注：该库表为百库十库，库表字段数量超过一百个字段

 

 

设计方案：

 

优化思路：

1. 从查询整个账单集合返回    -->  查询最大期账单返回
2. 全字段账单数据返回   -->    精简需要字段的返回

 

 

业务逻辑优化：

 

1. 获取文件中资产号，通过资产号入参。返回提前结清的账单的最大期数账单对象
2. 提供该 getSimpleLastTermBillByAssetId 查询方法，mapper 文件的查询SQL同步调整字段精简返回

-- 根据资产号查询提前结清最大期数的账单（字段精简版本）

select 

Fid,Floan_channel_id,Fasset_id,Fbill_id,Fcus_order_id,Finsure_mode_no,Frepay_term,Freal_repay_data,Freal_repay_type

from

postloan_#xx#_db.t_asset_bill_#y#

where

Fstatus=1 and Fasset_id=xxxx and Floan_term＝Frepay_term and freal_repay_type = 30 and Fpostloan_repay_source_type in (0,20)

3. 获取到我方提前结清的账单对象后（已做字段精简），对符合退保的账单进行组装MQ发出 （现有的处理逻辑中退保校验条件减少）

 

注：这里是将代码逻辑中的一部分校验条件前置到SQL查询中实现，减少业务代码逻辑

 

效率提升效果：

 

扣款回盘文件退保性能提升需求（线上观察）
a.整体文件处理性能提升 100~110%
b.账单查询优化后由 7~22ms 下降到 2~6ms

 

 

优化总结：

1. 通常情况下程序中文件处理效率低，都是在解析文件的过程中有查询DB的情况；若只是解析文件做业务处理话，百万量级的数据也就只是几秒钟程序就能跑完

2. 数据库表查询，若非必要，应当根据业务使用场景；第一优先选择为需要字段SQL查询来提高查询效率，减少磁盘IO与内存的消耗

 

 

参考资料：

MySQL：查询字段数量多少对查询效率的影响  http://blog.itpub.net/7728585/viewspace-2668552/