前言

分類樹查詢功能，在各個業務系統中可以說隨處可見，特別是在電商系統中。

但就是這樣一個簡單的分類樹查詢功能，我們卻優化了5次。

到底是怎么回事呢？

背景

我們的網站使用了SpringBoot推薦的模板引擎：Thymeleaf，進行動態渲染。

它是一個XML/XHTML/HTML5模板引擎，可用于Web與非Web環境中的應用開發。

它提供了一個用于整合SpringMVC的可選模塊，在應用開發中，我們可以使用Thymeleaf來完全代替JSP或其他模板引擎，如Velocity\FreeMarker等。

前端開發寫好Thymeleaf的模板文件，調用后端接口獲取數據，進行動態綁定，就能把想要的內容展示給用戶。

由于當時這個是從0-1的新項目，為了開快速開發功能，我們第一版接口，直接從數據庫中查詢分類數據，組裝成分類樹，然后返回給前端。

通過這種方式，簡化了數據流程，快速把整個頁面功能調通了。

第1次優化

我們將該接口部署到dev環境，剛開始沒啥問題。

隨著開發人員添加的分類越來越多，很快就暴露出性能瓶頸。

我們不得不做優化了。

我們第一個想到的是：加Redis緩存。

流程圖如下：

于是暫時這樣優化了一下：

• 用戶訪問接口獲取分類樹時，先從Redis中查詢數據。
• 如果Redis中有數據，則直接數據。
• 如果Redis中沒有數據，則再從數據庫中查詢數據，拼接成分類樹返回。
• 將從數據庫中查到的分類樹的數據，保存到Redis中，設置過期時間5分鐘。
• 將分類樹返回給用戶。

我們在Redis中定義一個了key，value是一個分類樹的json格式轉換成了字符串，使用簡單的key/value形式保存數據。

經過這樣優化之后，dev環境的聯調和自測順利完成了。

第2次優化

我們將這個功能部署到st環境了。

剛開始測試同學沒有發現什么問題，但隨著后面不斷地深入測試，隔一段時間就出現一次首頁訪問很慢的情況。

于是，我們馬上進行了第2次優化。

我們決定使用Job定期異步更新分類樹到Redis中，在系統上線之前，會先生成一份數據。

當然為了保險起見，防止Redis在哪條突然掛了，之前分類樹同步寫入Redis的邏輯還是保留。

于是，流程圖改成了這樣：

增加了一個job每隔5分鐘執行一次，從數據庫中查詢分類數據，封裝成分類樹，更新到Redis緩存中。

其他的流程保持不變。

此外，Redis的過期時間之前設置的5分鐘，現在要改成永久。

通過這次優化之后，st環境就沒有再出現過分類樹查詢的性能問題了。

第3次優化

測試了一段時間之后，整個網站的功能快要上線了。

為了保險起見，我們需要對網站首頁做一次壓力測試。

果然測出問題了，網站首頁最大的qps是100多，最后發現是每次都從Redis獲取分類樹導致的網站首頁的性能瓶頸。

我們需要做第3次優化。

該怎么優化呢？

答：加內存緩存。

如果加了內存緩存，就需要考慮數據一致性問題。

內存緩存是保存在服務器節點上的，不同的服務器節點更新的頻率可能有點差異，這樣可能會導致數據的不一致性。

但分類本身是更新頻率比較低的數據，對于用戶來說不太敏感，即使在短時間內，用戶看到的分類樹有些差異，也不會對用戶造成太大的影響。

因此，分類樹這種業務場景，是可以使用內存緩存的。

于是，我們使用了Spring推薦的caffine作為內存緩存。

改造后的流程圖如下：

• 用戶訪問接口時改成先從本地緩存分類數查詢數據。
• 如果本地緩存有，則直接返回。
• 如果本地緩存沒有，則從Redis中查詢數據。
• 如果Redis中有數據，則將數據更新到本地緩存中，然后返回數據。
• 如果Redis中也沒有數據（說明Redis掛了），則從數據庫中查詢數據，更新到Redis中（萬一Redis恢復了呢），然后更新到本地緩存中，返回返回數據。

需要注意的是，需要改本地緩存設置一個過期時間，這里設置的5分鐘，不然的話，沒辦法獲取新的數據。

這樣優化之后，再次做網站首頁的壓力測試，qps提升到了500多，滿足上線要求。

第4次優化

之后，這個功能順利上線了。

使用了很長一段時間沒有出現問題。

兩年后的某一天，有用戶反饋說，網站首頁有點慢。

我們排查了一下原因發現，分類樹的數據太多了，一次性返回了上萬個分類。

原來在系統上線的這兩年多的時間內，運營同學在系統后臺增加了很多分類。

我們需要做第4次優化。

這時要如何優化呢？

限制分類樹的數量？

答：也不太現實，目前這個業務場景就是有這么多分類，不能讓用戶選擇不到他想要的分類吧？

這時我們想到最快的辦法是開啟nginx的GZip功能。

讓數據在傳輸之前，先壓縮一下，然后進行傳輸，在用戶瀏覽器中，自動解壓，將真實的分類樹數據展示給用戶。

之前調用接口返回的分類樹有1MB的大小，優化之后，接口返回的分類樹的大小是100Kb，一下子縮小了10倍。

這樣簡單的優化之后，性能提升了一些。

第5次優化

經過上面優化之后，用戶很長一段時間都沒有反饋性能問題。

但有一天公司同事在排查Redis中大key的時候，揪出了分類樹。之前的分類樹使用key/value的結構保存數據的。

我們不得不做第5次優化。

為了優化在Redis中存儲數據的大小，我們首先需要對數據進行瘦身。

只保存需要用到的字段。

例如：

@AllArgsConstructor
@Data
public class Category {

    private Long id;
    private String name;
    private Long parentId;
    private Date inDate;
    private Long inUserId;
    private String inUserName;
    private List<Category> children;
}

像這個分類對象中inDate、inUserId和inUserName字段是可以不用保存的。

修改自動名稱。

例如：

@AllArgsConstructor
@Data
public class Category {
    /**
     * 分類編號
     */
    @JsonProperty("i")
    private Long id;

    /**
     * 分類層級
     */
    @JsonProperty("l")
    private Integer level;

    /**
     * 分類名稱
     */
    @JsonProperty("n")
    private String name;

    /**
     * 父分類編號
     */
    @JsonProperty("p")
    private Long parentId;

    /**
     * 子分類列表
     */
    @JsonProperty("c")
    private List<Category> children;
}

由于在一萬多條數據中，每條數據的字段名稱是固定的，他們的重復率太高了。

由此，可以在json序列化時，改成一個簡短的名稱，以便于返回更少的數據大小。

這還不夠，需要對存儲的數據做壓縮。

之前在Redis中保存的key/value，其中的value是json格式的字符串。

其實RedisTemplate支持，value保存byte數組。

先將json字符串數據用GZip工具類壓縮成byte數組，然后保存到Redis中。

再獲取數據時，將byte數組轉換成json字符串，然后再轉換成分類樹。

這樣優化之后，保存到Redis中的分類樹的數據大小，一下子減少了10倍，Redis的大key問題被解決了。

性能優化問題，無論在面試，還是工作中，都會經常遇到。