最近，公司给了个优化任务，某个耗时的操作，在百亿的交易额下，处理异常缓慢，需要优化，以为每日发息做准备，在这里给大家介绍下我的优化思路，共同探讨下：
代码逻辑：
通过用户id获取用户所在区域id，每次批量处理1千个用户，起20个线程处理。
第一步，加缓存
通过用户id获取用户所在区域id分两步实现（代码中已经标红），第一步通过用户获取城市id，第二部通过城市id获取区域id，使用上篇博客介绍的方法（项目修炼之路（4）aop+注解的自动缓存），给两个方法加入redis缓存。
@Override
public PublicResult<HashMap<Integer, Integer>> getUserAreaFranchiseeIDS(List<Integer> uids) {
PublicResult<HashMap<Integer, Integer>> result = new PublicResult<HashMap<Integer, Integer>>();
HashMap<Integer, Integer> resultMap = new HashMap<Integer, Integer>();
long time;
for(Integer uid :uids){
Integer areaId = Integer.valueOf(0);
try {
time=System.currentTimeMillis();
UserAreaFranchisee area =getUserAreaFranchisee(uid).getResult();
LOGGER.info("=getUserAreaFranchiseeIDS=>--.uid:["+uid+"].[get -- wmpsDayInterChange]getUserAreaFranchisee() -------------spen time:" + (System.currentTimeMillis()-time));
time=System.currentTimeMillis();
int id = 0;
if (area != null && area.getCityid() != null && area.getCityid().intValue() > 0) {
id = area.getCityid().intValue();
tpr = logicTongchengAreaService.getTongchengArea(Integer.valueOf(id));
if (tpr != null && tpr.isSuccess() && tpr.getResult() != null && tpr.getResult().getId() != null && tpr.getResult().getId() > 0) {
areaId = tpr.getResult().getId();
}
}
LOGGER.info("=getUserAreaFranchiseeIDS=>--..uid:["+uid+"].[get -- wmpsDayInterChange]getLogicTongchengAreaService() -------------spen time:" + (System.currentTimeMillis()-time));
}catch (Exception e){
LOGGER.error("=getUserAreaFranchiseeIDS=>",e);
}
resultMap.put(uid,areaId);
}
result.setSuccess(true);
result.setResult(resultMap);
return result;
}
第二步，合并结果
问题：加入缓存后，发现，当访问频繁时，两次访问加入的缓存不合理：1，value为对象，给每次取值增加反序列化过程，实际只需id即可；2,两次操作，最终只需一个结果，造成资源浪费。
优化后：二次缓存变为一次缓存，key与value均为简单string与Integer
@Override
public PublicResult<String> getUserAreaFranchiseeIDS(ArrayList<Integer> uids) {
PublicResult<String> result = new PublicResult<String>();
HashMap<Integer, Integer> resultMap = new HashMap<Integer, Integer>();
long time;
for(Integer uid :uids){
Integer areaId = Integer.valueOf(0);
try {
time=System.currentTimeMillis();
areaId = userAreaFranchiseeService.getUserAreaIdByUid(uid);
LOGGER.info("=getUserAreaFranchiseeIDS=>--.uid:[" + uid + "].[get -- wmpsDayInterChange]getUserAreaIdByUid() -------------spen time:" + (System.currentTimeMillis() - time));
}catch (Exception e){
LOGGER.error("=getUserAreaFranchiseeIDS=>",e);
}
resultMap.put(uid,areaId);
}
result.setSuccess(true);
result.setResult(JSON.toJSONString(resultMap));
return result;
}
第三步：批量读取
问题：redis为单线程，批量数据访问时，单个从redis拿数据的时间被延长，造成时间上的浪费，而且，浪费在网络上的时间比读数据时间要长
优化后：批量从redis获取一次获取，多次io改为一次io，拿不到的数据，才从数据库中读取，同时缓存到redis。
@Override
public PublicResult<String> getUserAreaFranchiseeIDS(ArrayList<Integer> uids) {
PublicResult<String> result = new PublicResult<String>();
HashMap<Integer, Integer> resultMap = new HashMap<Integer, Integer>();
long time;
ArrayList<String> uidKeys = new ArrayList<String>();
for(int i=0;i<uids.size();i++){
uidKeys.add(i,RedisKeyUtils.USER_AREA_ID+ uids.get(i));
}
List<Integer> listAreas = RedisUtils.mget(uidKeys.toArray(),Integer.class);
for(int i=0 ;i<uids.size();i++){
Integer uid = uids.get(i);
Integer areaId = Integer.valueOf(0);
if(listAreas.get(i)==null){
try {
time=System.currentTimeMillis();
areaId = userAreaFranchiseeService.getUserAreaIdByUid(uid);
LOGGER.info("=getUserAreaFranchiseeIDS=>--.uid:[" + uid + "].[get -- wmpsDayInterChange]getUserAreaIdByUid() -------------spen time:" + (System.currentTimeMillis() - time));
}catch (Exception e){
LOGGER.error("=getUserAreaFranchiseeIDS=>error uid:["+uid+"]",e);
}
listAreas.set(i,areaId);
}
areaId = listAreas.get(i);
resultMap.put(uid,areaId);
}
result.setSuccess(true);
result.setResult(JSON.toJSONString(resultMap));
return result;
}
第四步：批量添加
问题：设置缓存周期后，每隔一段时间，读取数据几乎全从数据库读取，加上增加到redis的时间，会造成周期性读取缓慢。
优化后：时间限制拉长，判断是否能从redis获取一半的数据，如果不能，批量将数据缓存到redis（一次io），再走逻辑
@Override
public PublicResult<String> getUserAreaFranchiseeIDS(ArrayList<Integer> uids) {
PublicResult<String> result = new PublicResult<String>();
HashMap<Integer, Integer> resultMap = new HashMap<Integer, Integer>();
long time;
ArrayList<String> uidKeys = new ArrayList<String>();
for(int i=0;i<uids.size();i++){
uidKeys.add(i,RedisKeyUtils.USER_AREA_ID+ uids.get(i));
}
List<Integer> listAreas = RedisUtils.mget(uidKeys.toArray(),Integer.class);
try {
if (ListUtil.countNullNumber(listAreas) > listAreas.size() / 2) {
initRedisByUids(uids);
listAreas = RedisUtils.mget(uidKeys.toArray(), Integer.class);
}
}catch (Exception e){
LOGGER.error("=getUserAreaFranchiseeIDS=>initRedisByUids error",e);
}
for(int i=0 ;i<uids.size();i++){
Integer uid = uids.get(i);
Integer areaId = Integer.valueOf(0);
if(listAreas.get(i)==null){
try {
time=System.currentTimeMillis();
areaId = userAreaFranchiseeService.getUserAreaIdByUid(uid);
LOGGER.info("=getUserAreaFranchiseeIDS=>--.uid:[" + uid + "].[get -- wmpsDayInterChange]getUserAreaIdByUid() -------------spen time:" + (System.currentTimeMillis() - time));
}catch (Exception e){
LOGGER.error("=getUserAreaFranchiseeIDS=>error uid:["+uid+"]",e);
}
listAreas.set(i,areaId);
}
areaId = listAreas.get(i);
resultMap.put(uid,areaId);
}
result.setSuccess(true);
result.setResult(JSON.toJSONString(resultMap));
return result;
}
private boolean initRedisByUids(ArrayList<Integer> uids){
boolean isSuccess = false;
HashMap<String, Integer> resultMap =null;
try {
resultMap = ListUtil.getMaxAndMinInterger(uids);
if(resultMap!=null && !resultMap.isEmpty()){
List<UserAreaUidVo> listResult = userAreaFranchiseeService.getUserAreaIdPageByUid(resultMap.get(ListUtil.minNumKey), resultMap.get(ListUtil.maxNumKey));
if(listResult!=null && !listResult.isEmpty()){
HashMap<String ,List> hashMapForUid =uidToRedisKeyAndVlues(listResult);
RedisUtils.mset(hashMapForUid.get(RedisKeys).toArray(),hashMapForUid.get(RedisValues).toArray(),RedisKeyUtils.USER_AREA_ID_TIME);
isSuccess=true;
}
}
}catch(Exception e){
LOGGER.error("=initRedisByUids=>",e);
}
return isSuccess;
}
private HashMap<String ,List> uidToRedisKeyAndVlues(List<UserAreaUidVo> listUserArea){
HashMap<String ,List> hashMapForUid = new HashMap<String ,List>();
List<String> keys = new ArrayList<String>(listUserArea.size());
List<Integer> values = new ArrayList<Integer>(listUserArea.size());
for(int i=0;i<listUserArea.size();i++){
keys.add( RedisKeyUtils.USER_AREA_ID + listUserArea.get(i).getUid());
values.add(listUserArea.get(i).getAreaid() == null ? 0 : listUserArea.get(i).getAreaid());
}
hashMapForUid.put(RedisKeys,keys);
hashMapForUid.put(RedisValues,values);
return hashMapForUid;
}总结：
在工作中，我们会遇到各种难题，实际这些难题，帮助我们提升了自己的解决问题能力外，还帮助我们制造了一种奇妙的东西，叫思路，或者叫框架，就是再有类似问题时，我们会映射过来，我是不是解决过，不仅仅局限在代码端，在生活和处理社会问题时，实际是相通的！
所以，代码积累的不仅仅是工作经验，还有生活经验！
附录：工具类：
public class ListUtil {
public static String maxNumKey ="max";
public static String minNumKey ="min";
/**
* 按照某大小对list分页
* @param targe
* @param size
* @return
*/
public static List<List> splitList(List targe,int size) {
List<List> listArr = new ArrayList<List>();
//获取被拆分的数组个数
int arrSize = targe.size()%size==0?targe.size()/size:targe.size()/size+1;
for(int i=0;i<arrSize;i++) {
List sub = new ArrayList();
//把指定索引数据放入到list中
for(int j=i*size;j<=size*(i+1)-1;j++) {
if(j<=targe.size()-1) {
sub.add(targe.get(j));
}
}
listArr.add(sub);
}
return listArr;
}
/**
* 统计list中为null的元素个数
* @param listTest
* @return
*/
public static long countNullNumber(List listTest){
long count=0;
for(int i=0;i<listTest.size();i++){
if(listTest.get(i)==null){
count++;
}
}
return count;
}
/**
* 统计list中为null的元素个数
* @param listTest
* @return
*/
public static HashMap getMaxAndMinInterger(List<Integer> listTest)throws Exception{
if(listTest==null || listTest.isEmpty()){
throw new Exception("=ListUtil.getMaxAndMinInterger=> listTest is null");
}
HashMap<String,Integer> result = new HashMap<String,Integer>();
Integer maxNum=null;
Integer minNum=null;
for(int i=0;i<listTest.size();i++){
if(!(listTest.get(i)==null)){
if(maxNum==null){
maxNum=listTest.get(i);
}
if(maxNum<listTest.get(i)){
maxNum=listTest.get(i);
}
if(minNum==null){
minNum=listTest.get(i);
}
if(minNum>listTest.get(i)){
minNum=listTest.get(i);
}
}
}
if(maxNum==null || minNum == null){
throw new Exception("=ListUtil.getMaxAndMinInterger=> listTest is null");
}
result.put(maxNumKey,maxNum);
result.put(minNumKey,minNum);
return result;
}
}
扫一扫
8858
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
