優惠券讀服務優化

前幾天成功解決了發券時的并發問題，參考這里。但是用戶領取得卡一多，讀取速度也慢了下來，用戶領取了200張卡以后，取得自己所有的卡需要5s左右。
主要業務場景，查詢用戶卡包，得到用戶所有的卡券。

- 用戶根據id分在不同的表。
- 卡券根據不同的商戶，分在不同的表。

先用用戶id拿到用戶和卡的對應關系。

再根據每個卡的商戶和 卡券id查詢對應的卡券，因為卡分在不同的表，不能成批拿卡，只能串行拿。

拼裝卡模板相關信息返回。

第一步，建立卡券的緩存系統。
以商戶和卡券Id在添加一個字符前綴做key，把卡緩存在redis里，并在卡券狀 態變更后，作廢釣redis里對應的卡券。
這樣做后，構建一個200張卡的卡包，第一次還是需要5秒，第二次訪問只需要1s。大并發后響應時間更長。這顯然不能滿足要求。
第二步，建立用戶的緩存系統。
在有了卡券的緩存后，另外以用戶id為主鍵，對每一個用戶查詢的返回結果，再做一級緩存，形成二級緩存機制。用戶卡有變動的時候，作廢緩存。
有了二級緩存，還是200張卡，第一次訪問需要5s，第二次響應在200ms。100個并發訪問在400ms左右。
緩存預刷機制。
有了二級緩存之后，由于每次卡有變動，用戶訪問卡包構建cache在1s以上，會影響體驗，我又加入了預刷緩存機制，在用戶卡變動后，作廢掉用戶級別的緩存，和變動的單個卡的緩存，隨即拋出一個用戶的id進入隊列，隊列的尾端拿到用戶的主鍵后，訪問用戶卡包構建緩存，這樣當用戶再次訪問卡包的時候，響應體驗提升很大。
第三步，并行構建卡券。
在沒有任何緩存的情況下，一次訪問200個卡券的卡包在6s以上。
在只有卡券這一級緩存的情況下，構建用戶返回結果，也需要1s以上。
因為取200個卡券的執行是單個串行執行的，分析下來這里是性能的瓶頸。優化方案是： 在構建200個卡券的時候，每一批卡開一個線程去構建，200個卡，可以同時開20到40個線程去構建，來縮短用戶卡多的時候，這里的時間消耗。
這樣做后，先禁用用戶級別的緩存，來壓力測試這里的性能。
在沒有任何cache的情況下，單次訪問200個卡的卡包，響應 時間在500ms，在有卡緩存沒有用戶緩存的情況下，單次的響應時間在200ms，構建用戶級別緩存的時間已經大大縮短了。但在高并發的情況下，會報錯，一查是因為redis的連接不夠了，每個線程需要20-40個redis連接，所以redis要擴大連接數。
下面是多線程部分代碼，對象的名字做了處理，并除去了業務邏輯。

---

/*** Created by haoli*/if (itemsList != null&& CollectionUtils.isNotEmpty(itemsList)) {int totalCount = itemsList.size();int taskNumber = (totalCount%GROUP_COUNT == 0 ? totalCount/GROUP_COUNT:totalCount/GROUP_COUNT+1);List<FutureTask<List<YourObject>>> ft = new ArrayList<FutureTask<List<YourObject >>>();for(int i=0; i<taskNumber ; i++) {int toSize = ((i+1)*GROUP_COUNT>totalCount-1 ?totalCount : (i+1)*GROUP_COUNT);List<ItemObject> tempList = itemsList.subList(i*GROUP_COUNT,toSize);SubQueryYourObjectTask task = new SubQueryYourObjectTask (tempList,this.yourService);FutureTask<List<YourObject >> ftItem = new FutureTask<List<YourObject >>(task);ft.add(ftItem);ThreadPoolExeService.execute(ftItem);}for(FutureTask<List<YourObject >> ftItem : ft){try {totals.addAll(ftItem.get());} catch (InterruptedException e) {log.error(e.toString());} catch (ExecutionException e) {log.error(e.toString());}}

---

上面用到的子任務類代碼

/*** Created by haoli*/public class SubQueryYourObjectTask implements Callable<List<YourObject >> {private List<ItemObject > parameter;private YourService yourService ;public SubQueryYourObjectTask (List<ItemObject > rlist, YourService yours){parameter = rlist;this.yourService = yours ;}@Overridepublic List<YourObject > call() throws Exception {List<YourObject > results= new ArrayList<YourObject >();for(ItemObject cbur :parameter ) {results .add(this.yourService .getXXXById(cbur ));}return results ;}}

優化到現在，不論是第一次還是之后的訪問，都不慢了，在有二級緩存的情況下，cpu和連接資源消耗也不會太大。而且有緩存預刷機制，卡包數據更新后也不會慢了。

總結

以上是生活随笔為你收集整理的优惠券读服务优化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。