业务逻辑

从OpenSearch中检索出数据，然后各种填充组装数据，后返回

逻辑看似很简单，当初我也是这样认为的，于是预估5天完成，后前前后后开发、联调、改bug直到上线差不多花了10天（当然这10天并不是只做这一件事情）

复杂在于影响返回结构的因素很多，排除问题需要检查配置、检查数据库、检查缓存、检查OpenSearch、检查代码

言归正传，不管逻辑有多复杂，都不是你逃避问题的接口，更不是你不去优化的理由，这不是本文的重点，优化过程才是

要求，给APP提供的接口一般要求响应时间在100ms以内

次压测

惨不忍睹，平均响应时间150ms，而且在这次压测过程中还发现其它的问题，后台报错，经查是OpenSearch每秒查询次数限制

优化代码与配置

1、修改OpenSearch配置，并且将压测环境中的OpenSearch连接地址改为内网地址

2、将代码中循环查询缓存的地方改为一次性批量查询返回

3、和相关同学确认后去掉项目中无用的代码

第二次压测

虽然优化了代码，修改了配置，但是情况更糟糕了，而且还改出了新的问题

当时，反复检查了代码，确定查询缓存的次数已经是少了，而且连接线程池相关参数也调到一个相对较大且合理的值了

如果，再压测还是无法达到要求的话，只有出后一招了：缓存结果集

即，以用户ID和用户搜索的关键词为key，查询的结果为value，缓存5分钟

第三次压测

总算符合要求了，并发60的时候响应时间达到32ms，而我又发现了新的优化点

接口中居然还有查数据库的操作，这可不能忍，排查之后去掉了一些不必要的依赖

成长

学会了使用RedisTemplate的executePipelined进行redis批量查询

针对本次优化的总结

1、一定要避免循环查数据库和缓存（PS：循环里面就不能有查询缓存，更不能有查询数据库的操作，因为循环的次数没法控制）

2、对于API接口的话，一般都是直接查缓存的，没有查数据库的

3、多用批量查询，少用单条查询，尽量一次查出来

4、对于使用阿里云，要留意一下相应产品的配置，该花的钱还是得花，同时，千万要记得正式环境中使用相应产品的内网地址

5、注意连接池大小（包括数据库连接池、Redis缓存连接池、线程池）

6、压测的机器上不要部署其它的服务，只跑待压测的服务，避免受其它项目影响；对于线上环境，好一台机器上只部署一个重要的服务

7、没有用的以及被注释掉的代码，没有用的依赖好及时清理掉

8、集群自不用说

9、一些监控类的工具工具可以帮助我们更好的定位问题，比如链路跟踪，这次项目中使用了PinPoint

10、如果技术上优化的空间已经非常小了，可以试着从业务上着手，用实际的数据说话，可以从日常的访问量，历史访问量数据来说服测试

11、每一次代码改动都有可能引入新的问题，因此，每次修改代码后都要回归测试一下（PS：每次修改完以后，我都会用几组不同的关键词搜索，然后比对修改前和修改后返回的数据是否一致，这个时候postman，以及Beyond compare就派上用场了）

12、关键的地方一定要多加点儿日志，方便以后排除问题，因为排查线上问题主要还是靠日志

原文链接：www.cnblogs.com/cjsblog/p/10573215.html