《开源框架那些事儿27》一段SQL引发的性能危机及其背后隐藏的设计缺陷

有个同学,说是系统中出现性能问题了,说是让我帮助诊断一下。本来是不想花这时间的,结果耐不住对方的死缠乱打,只要答应帮看看。 故事发生的背景是,在文件上传的时候,有时间会有人上传了文件,但是最后没有使用上传的文件,这样就会产生一些垃圾文件。
原来软件作者就想写一个后台定时任务程序,来清除这些垃圾文件?
由于作者坚定的不让我发她的SQL语句(这个我也理解,这么丑陋的SQL),所以这里就不发源代码了,发伪代码。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
void deleteMissLinkFile{
List fileList=getFileList();
List deleteFileList=new ArrayList();
for(file:fileList){
int count1=execute(select count(*) from ...);
int count2=execute(select count(*) from ...);
int count3=execute(select count(*) from ...);
int count4=execute(select count(*) from ...);
int count5=execute(select count(*) from ...);
if(count1==0&&count2==0&&count3==0&&count4==0&&count5==0){
deleteFileList.add(file);
}
}
delete(deleteFileList);
}


当然,这里我已经给进行了一定的加工,使得看起一漂亮了许多,实际上,嗯嗯,实在是丑。 这个时候的性能情况是怎么样的呢?说是表里的数据只有500多条,但是执行时间要100多秒,但是实际上实际的应用场景都远不止这个数量级,而且随着数据的增加,性能会呈指数级下降。
我说你去加10万条记录测试一下,保证你一晚上算不出来。
好吧,废话少说,接下来看看怎么优化这段程序。
在开始之前,我们可以假设有N个文件,有M个文件引用表,而且假设所有的文件引用表中的记录条数都一样。
很显然,原来的实现方法中执行了:1次文件数查询+N*M次统计操作
最笨的优化方法 先用成本最低的方式来优化一把:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
void deleteMissLinkFile{
List fileList=getFileList();
List deleteFileList=new ArrayList();
for(file:fileList){
int count1=execute(select count(*) from ...);
if(count1>0)continue;
int count2=execute(select count(*) from ...);
if(count2>0)continue;
int count3=execute(select count(*) from ...);
if(count3>0)continue;
int count4=execute(select count(*) from ...);
if(count4>0)continue;
int count5=execute(select count(*) from ...);
if(count1>0)continue;
deleteFileList.add(file);
}
delete(deleteFileList);
}


嗯嗯,通过上面的重构,性能马上就可以提升一倍。难看是难看了一点,但是1倍也是不小的提升哦。 原因,原来是要把所有的统计值都算出来,再进行判断,通过上面的重构,平均只要查一半就可以退出了,所以性能会有1倍的提升。
1次文件数查询+N*M/2次统计操作
一般的优化方法 偶当时提醒她说,你可以把内外换换,性能就会提升许多,结果死活听不懂,《开源框架那些事儿27》一段SQL引发的性能危机及其背后隐藏的设计缺陷
实际上逻辑是这样的,由于统计操作的执行效率是非常低的,而带主键的查询速度是非常快的,也就是把逻辑从:遍历所有的文件看看引用次数是多少,改变成从所有文件列表中删除所有已经引用的文件,其余就是要删除的垃圾文件。

1
2
3
4
5
6
7
8
9
10
11
12
13
void deleteMissLinkFile{
List fileList=getFileList();
List refList1=execute(select file from tb1…)
for(ref:refList1){
fileList.remove(ref)
}
List refList2=execute(select file from tb2…)
for(ref:refList2){
fileList.remove(ref)
}
……
delete(deleteFileList);
}


通过上面的优化,需要执行的SQL语句是: 1+m 条SQL语句,其它都是大量的内存数据比对,相对来说,性能会高太多,通过一定的技巧进行一些优化,会有更大的提升。
这种方式,我毛估估比原始的方式,可以提高两个数量级以上。
为什么提高了两个左右数量级还是说比较笨的方法呢?
因为这种方法虽然比原始的方法有了显著的提升,但是还是存在严重的设计问题的。
首先,当数据量比较小的时候(这里的小是指与互联网应用中的数据相比),做完全遍历是没有问题的,但是当数据量比较大的时候,用一条SQL来遍历所有的数据,就是有非常大的问题的。这个时候就要引入一系列的复杂问题来解决,比如:把单机计算变成集群计算,把整个计算变成分段时间,不管怎么样,都是非常复杂的处理过程。
无为而治的方法 下面就要推出最快的、最省事的、效率最高的方法。
其实一般来说,只要是算法都是有优化空间和余地的,因此一般来说本人很少把话说满的。这次本人使用了“最”字,那就是用来表明未来已经没有优化的空间了,那什么样的算法才能没有优化的空间呢?答案就是:啥也不做。
当然了,实际上也不可能啥也不做,问题就在哪里,你不做怎么可能好呢?
实际上就是把任务进行一定的分解。通过把架构进行合理的分析与设计,把所有的文件上传、删除都做成公共的方法(或服务),在需要与文件打交道的地方,凡是与文件打交道的时候,做如下处理:

  • 文件上传:在文件上传数据中加一条数据,比如:文件相关信息,唯一标识,引用次数为0
  • 文件关联:当数据与文件关联的时候,修改引用次数为+1
  • 文件取消关联:当数据与文件取消关联的时候(一般来说是删除或编辑的时候置为空或者换成另外一个的时候),修改引用次数为-1

自次,当要清理垃圾的时候,就非常简单的了,只要:
select ... from ... where ref_times=0
然后进行相应的清理工作就好。
这个时候就优化了处理模式,并且把文件引用数据的维护分解到业务工作的过程当中,可以极大幅度的提升清理垃圾的处理效率。当然有的人说了:如果这么做,会使得我的业务处理过程变慢,那怎么办?其实也没有关系了,你可以把这个变成异步消息的方式,通知文件引用处理去做这件事情就行了,这样就不会影响到你的业务处理效率了。
总结 通过上面的分析,我们对文件上传过程中的垃圾清理过程进行优化,并分析了原来的问题之所在,及后面3种优化方式及其优缺点对比。
当然,实际上许多朋友也会有更好的办法来解决,欢迎大家参与讨论,并批评指正。
如果,你喜欢我的博文,请关注我,以便收到我的最新动态。
如果对我的开源框架感兴趣,可以从这里获取到最新的代码,也可以访问Tiny官网获取更多的消息,或到Tiny社区进行即时交流。

相关推荐