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，我們卻最佳化了5次。
到底是怎麼回事呢？
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，可用於Web與非Web環境中的應用開發。
它提供了一個用於整合SpringMVC的可選模組，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的模板檔案，呼叫後端介面獲取資料，進行動態繫結，就能把想要的內容展示給使用者。
由於當時這個是從0-1的新專案，為了開快速開發功能，我們第一版介面，直接從資料庫中查詢分類資料，組裝成分類樹，然後返回給前端。
透過這種方式，簡化了資料流程，快速把整個頁面功能調通了。
第1次最佳化
我們將該介面部署到dev環境，剛開始沒啥問題。
隨著開發人員新增的分類越來越多，很快就暴露出效能瓶頸。
我們不得不做最佳化了。
我們第一個想到的是：加Redis快取。
流程圖如下：
於是暫時這樣最佳化了一下：
- 使用者訪問介面獲取分類樹時，先從Redis中查詢資料。
- 如果Redis中有資料，則直接資料。
- 如果Redis中沒有資料，則再從資料庫中查詢資料，拼接成分類樹返回。
- 將從資料庫中查到的分類樹的資料，儲存到Redis中，設定過期時間5分鐘。
- 將分類樹返回給使用者。
我們在Redis中定義一個了key，value是一個分類樹的json格式轉換成了字串，使用簡單的key/value形式儲存資料。
經過這樣最佳化之後，dev環境的聯調和自測順利完成了。
第2次最佳化
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麼問題，但隨著後面不斷地深入測試，隔一段時間就出現一次首頁訪問很慢的情況。
於是，我們馬上進行了第2次最佳化。
我們決定使用Job定期非同步更新分類樹到Redis中，在系統上線之前，會先生成一份資料。
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。
於是，流程圖改成了這樣：
增加了一個job每隔5分鐘執行一次，從資料庫中查詢分類資料，封裝成分類樹，更新到Redis快取中。
其他的流程保持不變。
此外，Redis的過期時間之前設定的5分鐘，現在要改成永久。
透過這次最佳化之後，st環境就沒有再出現過分類樹查詢的效能問題了。
第3次最佳化
測試了一段時間之後，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，最後發現是每次都從Redis獲取分類樹導致的網站首頁的效能瓶頸。
我們需要做第3次最佳化。
該怎麼最佳化呢？
答：加記憶體快取。
如果加了記憶體快取，就需要考慮資料一致性問題。
記憶體快取是儲存在伺服器節點上的，不同的伺服器節點更新的頻率可能有點差異，這樣可能會導致資料的不一致性。
但分類本身是更新頻率比較低的資料，對於使用者來說不太敏感，即使在短時間內，使用者看到的分類樹有些差異，也不會對使用者造成太大的影響。
因此，分類樹這種業務場景，是可以使用記憶體快取的。
於是，我們使用了Spring推薦的caffine作為記憶體快取。
改造後的流程圖如下：
- 使用者訪問介面時改成先從本地快取分類數查詢資料。
- 如果本地快取有，則直接返回。
- 如果本地快取沒有，則從Redis中查詢資料。
- 如果Redis中有資料，則將資料更新到本地快取中，然後返回資料。
- 如果Redis中也沒有資料（說明Redis掛了），則從資料庫中查詢資料，更新到Redis中（萬一Redis恢復了呢），然後更新到本地快取中，返回返回資料。
需要注意的是，需要改本地快取設定一個過期時間，這裡設定的5分鐘，不然的話，沒辦法獲取新的資料。
這樣最佳化之後，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次最佳化
之後，這個功能順利上線了。
使用了很長一段時間沒有出現問題。
兩年後的某一天，有使用者反饋說，網站首頁有點慢。
我們排查了一下原因發現，分類樹的資料太多了，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，運營同學在系統後臺增加了很多分類。
我們需要做第4次最佳化。
這時要如何最佳化呢？
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麼多分類，不能讓使用者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。
讓資料在傳輸之前，先壓縮一下，然後進行傳輸，在使用者瀏覽器中，自動解壓，將真實的分類樹資料展示給使用者。
之前呼叫介面返回的分類樹有1MB的大小，最佳化之後，介面返回的分類樹的大小是100Kb，一下子縮小了10倍。
這樣簡單的最佳化之後，效能提升了一些。
第5次最佳化
經過上面最佳化之後，使用者很長一段時間都沒有反饋效能問題。
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的結構儲存資料的。
我們不得不做第5次最佳化。
為了最佳化在Redis中儲存資料的大小，我們首先需要對資料進行瘦身。
只儲存需要用到的欄位。
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;
}
像這個分類物件中inDate、inUserId和inUserName欄位是可以不用儲存的。
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;
}
由於在一萬多條資料中，每條資料的欄位名稱是固定的，他們的重複率太高了。
由此，可以在json序列化時，改成一個簡短的名稱，以便於返回更少的資料大小。
這還不夠，需要對儲存的資料做壓縮。
之前在Redis中儲存的key/value，其中的value是json格式的字串。
其實RedisTemplate支援，value儲存byte陣列。
先將json字串資料用GZip工具類壓縮成byte陣列，然後儲存到Redis中。
再獲取資料時，將byte陣列轉換成json字串，然後再轉換成分類樹。
這樣最佳化之後，儲存到Redis中的分類樹的資料大小，一下子減少了10倍，Redis的大key問題被解決了。
最後說一句(求關注，別白嫖我)
如果這篇文章對您有所幫助，或者有所啟發的話，幫忙掃描下發二維碼關注一下，您的支援是我堅持寫作最大的動力。
求一鍵三連：點贊、轉發、在看。
關注公眾號：【蘇三說技術】，在公眾號中回覆：進大廠，可以免費獲取我最近整理的10萬字的面試寶典，好多小夥伴靠這個寶典拿到了多家大廠的offer。