版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/my_momo_csdn/article/details/85307907
性能优化：
一、背景
查询接口，一个复杂条件查询，符合条件的记录有17W，查询首页的100条，postman测试接口耗时在1.6-2秒不等。
(重复查询同一个条件，mongodb会将符合条件的记录加载到内存，因此后面查询会快一些，然后趋于一个比较稳定
的值1.6s 附近)
1.查看查询过程，因为是分页，需要知道总记录的条数(countByCondition，这一步耗时0.7-0.9秒，是性能瓶颈)同时
还需要查询100条记录(queryByCondition,这里迭代的时间在400-500ms不等)，再加上处理时间，网络传输，总共在
1.6左右
二、优化
2.1 优化第一步：异步处理countByCondition;
每一次查询都统计一次，开销很大，串行处理由其明显;将countByCondition的动作通过另一个线程执行。最后的
效果是时间降低到0.9秒左右，因为是并行执行查询和计数，所以时间基本上接近耗时较久的操作。
2.2 优化第二步：缓存countByCondition结果;
countByCondition的结果只是统计的值，这个值用于计算总页数，而数据部分queryByCondition是从数据库取得,
不存在缓存一致性问题. countByCondition的值在一定范围内偏差一点点并没有影响，比如上面的17W数据，算出
来的页面总共1700多页，一点误差几乎无影响，所以这里可以缓存countByCondition的结果，在redis中有的话，
就从redis取，没有则按照步骤一去数据库查询。这样的结果是除了第一次没有缓存的时候需要0.9秒左右,后面都只
需要0.40-0.5s左右，测试从redis取count只需要3-6ms，忽略不计。
2.3 优化第三步骤:去除特征值减少网络传输；
大部分查询的时候，特征值并不需要参与业务中进行处理，之前没有遇到性能问题的时候，都是怎么方便怎么来，
没有在意细节，java程序从mongodb加载数据的时候需要走网络传输，实测含特征值的数据大小在35KB左右，去
除特征值在2kb左右，几乎95%的大小在特征值这个绝大部分查询场景没有用的字段上，因此增加字段过滤，从数据
库加载数据的时候，就去除对特征值字段的加载，到这一步之后，效果是加载耗时在300-400ms左右，大约减少了
100ms左右。到这一步用postman测试接口，首次在0.9s左右，后续的次数都在0.35秒左右
2.4 细节补充
1.count在redis的缓存失效时间；因为count只会影响计算得到页数，不会影响数据，所以这里一致性不算高，这里
我设置的是60秒
2.后续对于查询的数据也可以缓存，但是那样一旦有数据新增进库，就需要对缓存做更新，这里实现其实并不是很
简单，暂时没有做，后续可以做一个优化点，如果实现的话，热点数据查询到200ms以内应该可以,不过要保证强一
致性需要考虑的很多。
3.上述还未基于大数据量做验证，后面还需在真实环境中验证。
4.另外在做的过程中为了方便记录方法的耗时和记录日志，写了两个AOP的工具注解，可以参阅,
2.5 代码
@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
public @interface EnableCountTimeIntellif {
}
@Component
@Aspect
public class EnableCountTimeAspect {
private static final LoggerUtilI LOG = LoggerUtilI.getLogger(EnableCountTimeAspect.class);
@Around("@annotation(ect)")
public Object doAround(ProceedingJoinPoint pjp, EnableCountTimeIntellif ect) throws Throwable {
long begin = System.currentTimeMillis();
Object obj = pjp.proceed();
String methodName = pjp.getSignature().getName();
String className = pjp.getSignature().getDeclaringTypeName();
LOG.info(className + "." + methodName + " method elapsed time is: " + (System.currentTimeMillis() - begin) + " ms");
return obj;
}
}
三、待续
优化过程中使用的工具
1.异步处理过程并获得结果，Callable+FutureTask；
2.线程池执行任务，避免重复创建线程 。
3.自定义注解增强方法，并将附加功能与方法主流程解耦。
4.