【性能優化】秒殺系統性能優化初體驗

• 2021 年 4 月 27 日
• 筆記
• 性能優化

秒殺系統性能優化

github項目地址
碼雲項目地址

優化之前的準備

在吞吐量、延遲和記憶體這三點中選擇我們業務的著重點。

例如本次這個系統，我認為應該更加註重吞吐量。（PS：我也是第一次，憑感覺來的……）

為什麼更加註重吞吐量？

延遲：像我們大家平時去進行商品搶購的時候，應該都會覺得現在人太多了，卡一卡沒什麼問題（但是也不能太久，你給我直接來個10s，肯定給你差評），只關心的是最後我有沒有搶到商品。所以我認為延遲這方面應該是其次，主要的是系統處理請求的數量。

記憶體佔用：一般秒殺活動都會有時間限制，這段時間也不會佔用太大的記憶體。我電腦16G也不用擔心，如果真的記憶體很缺少，可以考慮考慮。

程式碼優化

將寫入Redis快取程式碼與資料庫事務分開

​ 防止網路抖動可能導致寫快取響應時間較慢，阻塞資料庫事務。

原始程式碼：

/**
 * 下訂單、減庫存事務(原始程式碼)
 */
@Transactional
public void seckillTransaction(SeckillDto seckillDto, GoodDto goodDto){
    
    //添加訂單操作......
    
    //減庫存操作......

    //寫入快取，不用再調用資料庫判斷是否還能繼續搶購
    if (goodDto.getSurplusCount() <= 0){
        redisTemplate.delete(seckillDto.getGoodId().toString());
        redisTemplate.opsForValue().set(seckillDto.getGoodId().toString(), JSONObject.toJSONString(goodDto), 320, TimeUnit.SECONDS);
    }

}

修改後：

public boolean seckillGood(SeckillDto seckillDto) {
    
    // ......

    if (goodDto.getSurplusCount()>0){
        //執行下單 、 減庫存事務
        seckillTransaction(seckillDto, goodDto);
        //寫入快取，不用再調用資料庫判斷是否還能繼續搶購
        if (goodDto.getSurplusCount() - 1 <= 0){
            redisTemplate.delete(seckillDto.getGoodId().toString());
            redisTemplate.opsForValue().set(seckillDto.getGoodId().toString(), JSONObject.toJSONString(goodDto), 320, TimeUnit.SECONDS);
        }
    }

    // ......
}


/**
 * 下訂單、減庫存事務(修改後)
 */
@Transactional
public void seckillTransaction(SeckillDto seckillDto, GoodDto goodDto){
    log.info("seckillTransaction已調用");
    //添加訂單操作......
    //減庫存操作......
}

資料庫相關優化

因為沒弄很多數據，SQL語句也挺簡單的，就不考慮那麼多了。重點考慮連接池的參數設置。

連接池優化

我的電腦CPU是8核的。因為資料庫連接算IO操作，所以我們將連接數在16左右進行調節。

使用的是dbcp2連接池：

​ max-wait-millis：最大等待時間

​ initial-size：連接池啟動時創建的初始化連接數量

​ max-total：最大連接數

​ min-idle：最小空閑連接

​ max-idle：最大空閑連接

場景：100個請求同時對資料庫進行搶購（下訂單、減庫存）操作，10個商品。開啟了事務。

默認情況下，不配置連接參數。initialSize = 0，minIdle = 0。

連接數為16。initialSize = 16，minIdle = 16。

連接數為10。initialSize = 10，minIdle = 10。

連接數12。initialSize = 12，minIdle = 12。

連接數13。initialSize = 13，minIdle = 13。

上面的數據可以測試數據可以看出：配置了連接數之後整體操作TP99下降了260ms，吞吐量也增加了10/s。

未完待續……