標題起的是有點大，不過還好本片文章主要也是使用 Go 來優化 HTTP 服務的，也算打個擦邊球吧~
背景
特徵資料暴增，導致獲取一個城市下所有的特徵的介面延時高，下面是監控上看到的介面響應耗時，最慢的時候介面響應時間能達到 5s 多。
快取優化方案
程式碼優化思路：
1，使用快取。
1.1為什麼使用記憶體，而不是 Redis？
分析業務需求，當前需要儲存起來的資料是ObjectId，ObjectId 是一個長度為14左右的字串，我們假設平均下來ObjectId是長度為16的字串，這樣算下來就是每個 ObjectId 佔用的記憶體大小是2個位元組，當前業務需要儲存的ObjectId大概是30萬條，這樣算下來當前業務需要儲存的 ObjectId 要佔用的記憶體在 0.5M 完全可以在記憶體中進行操作。相比於使用 Redis 來說沒有網路開銷，效率更高。
1.2 快取初始化：當服務啟動時，本地快取初始化為空。
1.3 關於快取版本的概念。
快取版本是離線特徵生產任務更新後將資料版本更新到 DB 中。
下面三種方案都是基於記憶體儲存 ObjectId 資料，在記憶體更新的時候策略有所不同。
方案一
2.1 快取更新
使用主動更新快取的方式，建立定時任務，每間隔1分鐘查一次 DB 的資料版本，若更新則更新快取中的資料。
2.2 缺點
單獨啟動一個快取更新執行緒，程式碼不好維護，也會有定時任務執行緒掛掉的情況，不易發現。還有就是需要提前把相關引數配置到程式碼中或者引入配置中心，維護成本較高。
方案二
3.1 快取更新
採用被動觸發的快取更新策略，由介面呼叫觸發。請求進來後檢測當前快取中的資料的版本與 DB 中的資料版本是否一致，若版本更新，則重新讀取當前請求對應城市的所有資料到快取中，並將更新後的資料返回給呼叫方。
3.2 缺點
由於是被動觸發的是同步更新快取的，容易造成介面呼叫時如果正好遇上版本更新，需要更新資料到記憶體中，會出現偶現的毛刺。
3.3 業務執行時序圖
方案三（最終採用的方案）
4.1，快取更新
採用被動更新快取的策略，由介面呼叫方觸發。若當前快取中有資料則直接返回快取中的資料，然後檢測當前快取中的資料的版本與 DB 中的資料版本是否一致，若版本更新，則重新讀取當前請求對應城市的所有feature資料到快取中，反之結束快取更新邏輯。
4.2 業務執行時序圖
併發優化方案
使用 Goroutine 來優化我們的序列邏輯
Go語言最大的特色就是從語言層面支援併發（Goroutine），Goroutine是Go中最基本的執行單元。事實上每一個Go程式至少有一個Goroutine：主Goroutine。當程式啟動時，它會自動建立。
為了更好理解Goroutine，現講一下執行緒和協程的概念：
執行緒（Thread）：有時被稱為輕量級程式(Lightweight Process，LWP），是程式執行流的最小單元。一個標準的執行緒由執行緒ID，當前指令指標(PC），暫存器集合和堆疊組成。另外，執行緒是程式中的一個實體，是被系統獨立排程和分派的基本單位，執行緒自己不擁有系統資源，只擁有一點兒在執行中必不可少的資源，但它可與同屬一個程式的其它執行緒共享程式所擁有的全部資源。
執行緒擁有自己獨立的棧和共享的堆，共享堆，不共享棧，執行緒的切換一般也由作業系統排程。
協程（coroutine）：又稱微執行緒與子例程（或者稱為函式）一樣，協程（coroutine）也是一種程式元件。相對子例程而言，協程更為一般和靈活，但在實踐中使用沒有子例程那樣廣泛。
和執行緒類似，共享堆，不共享棧，協程的切換一般由程式設計師在程式碼中顯式控制。它避免了上下文切換的額外耗費，兼顧了多執行緒的優點，簡化了高併發程式的複雜。
golang 中的 map 是執行緒不安全的
很顯然，我們可以用鎖機制解決 Map 的併發讀寫問題。我們將上面的map結構改成如下:
// M
type M struct {
Map map[string]string
lock sync.RWMutex // 加鎖
}
// Set ...
func (m *M) Set(key, value string) {
m.lock.Lock()
defer m.lock.Unlock()
m.Map[key] = value
}
// Get ...
func (m *M) Get(key string) string {
return m.Map[key]
}
複製程式碼在上面的程式碼中，我們引入了鎖機制操作，從而保證了map在多個goroutine中的安全。
使用策略模式優化我們的邏輯
這塊主要是因為程式碼中存在太多的 if/else ，故採用策略模式來優化我們的程式碼結構。這裡先放上一篇網上找到的文章，之後有時間再單獨出一篇相關文章吧。優化後的程式碼相較於之前程式碼量少了 50% ，更加清晰與便於維護。下面是優化的程式碼上線後的效果，請求耗時都在100ms以下：
小結
上面整體介紹了下當我們的介面耗時較長的時候的一般處理方案，當然具體問題還得具體分析，所以當出現介面反應慢的情況的時候，我們應該具體分析介面反應慢的具體原因，方可對症下藥！
關注我們
