当前位置：首页 > news >正文

记一次慢接口优化：载体详情页从90秒到800毫秒的性能提升实战

news 2025/11/15 6:21:22

一次深刻的性能优化经历，揭示载体详情页性能瓶颈排查与优化的完整思路

问题背景

最近在项目中遇到了一个令人头疼的性能问题：载体详情页的加载时间竟然达到了90秒！这对于用户体验和系统稳定性都是不可接受的。作为负责性能优化的工程师，我接下了这个挑战。

初识问题：页面现状分析

这个载体详情页的主要功能是展示载体的完整信息，包括基本信息、履历记录、行为数据、统计信息、日志记录，风险评估等等。在优化前，页面的主要问题表现：

平均加载时间：90秒
页面白屏时间过长，用户流失率高，投诉频发
服务器CPU和内存使用率飙升
数据库负载过高，影响其他业务

第一步：性能瓶颈定位

1. 代码层面分析

首先查看详情页的后端接口代码逻辑【以下为伪代码】：

@RestController
public class CarrierDetailController {@GetMapping("/carrier/detail/{carrierId}")public CarrierDetailVO getCarrierDetail(@PathVariable String carrierId) {long start = System.currentTimeMillis();// 1. 查询载体基本信息CarrierBasicInfo basicInfo = carrierService.getCarrierById(carrierId);// 2. 查询载体履历记录List<CarrierResume> resumes = resumeService.getCarrierResumes(carrierId);// 3. 查询载体行为数据List<CarrierBehavior> behaviors = behaviorService.getCarrierBehaviors(carrierId);// 4. 查询载体统计信息CarrierStatistic statistic = statisticService.getCarrierStatistic(carrierId);// 5. 查询载体日志记录List<CarrierLog> logs = logService.getCarrierLogs(carrierId);// 6. 查询载体风险评估RiskAssessment risk = riskService.getRiskAssessment(carrierId);// 7. 数据组装CarrierDetailVO result = assembleCarrierDetail(basicInfo, resumes, behaviors, statistic, logs, risk);log.info("载体详情查询耗时：{}ms", System.currentTimeMillis() - start);return result;}
}

2. 性能监控数据分析

通过APM工具（如Arthas、SkyWalking）发现：

数据库查询耗时占总耗时的85%
共执行了20+次数据库查询，其中履历记录和日志记录查询最耗时
风险评估的复杂计算逻辑占用大量CPU资源
大量相似SQL语句执行，没有充分利用数据库能力

3. 前端性能分析

使用Chrome DevTools分析发现：

页面有多个串行API请求，相互依赖严重
风险评估计算同步进行，阻塞页面渲染
履历记录和日志记录数据量大，传输和渲染慢

第二步：优化方案设计与实施

优化方案1：消除串行请求，改为并行处理

问题根因：原来的代码串行执行多个复杂查询，每个查询都依赖前一个查询的结果。

优化方案：使用CompletableFuture进行并行查询，拆分依赖关系

@RestController
public class CarrierDetailController {@GetMapping("/carrier/detail/{carrierId}")public CarrierDetailVO getCarrierDetailOptimized(@PathVariable String carrierId) {long start = System.currentTimeMillis();try {// 并行执行所有独立查询CompletableFuture<CarrierBasicInfo> basicInfoFuture = CompletableFuture.supplyAsync(() -> carrierService.getCarrierById(carrierId));CompletableFuture<List<CarrierResume>> resumesFuture = CompletableFuture.supplyAsync(() -> resumeService.getCarrierResumes(carrierId));CompletableFuture<List<CarrierBehavior>> behaviorsFuture = CompletableFuture.supplyAsync(() -> behaviorService.getCarrierBehaviors(carrierId));CompletableFuture<CarrierStatistic> statisticFuture = CompletableFuture.supplyAsync(() -> statisticService.getCarrierStatistic(carrierId));CompletableFuture<List<CarrierLog>> logsFuture = CompletableFuture.supplyAsync(() -> logService.getCarrierLogs(carrierId));CompletableFuture<RiskAssessment> riskFuture = CompletableFuture.supplyAsync(() -> riskService.getRiskAssessment(carrierId));// 等待所有查询完成CompletableFuture.allOf(basicInfoFuture, resumesFuture, behaviorsFuture, statisticFuture, logsFuture, riskFuture).join();// 组装结果CarrierDetailVO result = assembleCarrierDetail(basicInfoFuture.get(), resumesFuture.get(), behaviorsFuture.get(),statisticFuture.get(),logsFuture.get(),riskFuture.get());log.info("优化后载体详情查询耗时：{}ms", System.currentTimeMillis() - start);return result;} catch (Exception e) {log.error("查询载体详情失败", e);throw new RuntimeException("获取载体详情失败");}}
}

优化方案2：数据库查询优化

针对载体相关表添加索引：

-- 为载体履历表添加复合索引
ALTER TABLE carrier_resume ADD INDEX idx_carrier_id_type_create_time(carrier_id, resume_type, create_time);-- 为载体行为表添加索引
ALTER TABLE carrier_behavior ADD INDEX idx_carrier_id_action_time(carrier_id, action_time);-- 为载体日志表添加时间范围索引
ALTER TABLE carrier_log ADD INDEX idx_carrier_id_log_time(carrier_id, log_time);-- 为风险评估表添加索引
ALTER TABLE risk_assessment ADD INDEX idx_carrier_id_assess_time(carrier_id, assess_time);

优化复杂查询语句，特别是履历和日志查询：

@Repository
public class CarrierResumeDao {// 优化前：全量查询，数据量大public List<CarrierResume> getCarrierResumesOld(String carrierId) {String sql = "SELECT * FROM carrier_resume WHERE carrier_id = ? ORDER BY create_time DESC";return jdbcTemplate.query(sql, new Object[]{carrierId}, RESUME_ROW_MAPPER);}// 优化后：分页查询，只取最近数据public List<CarrierResume> getCarrierResumesOptimized(String carrierId) {String sql = """SELECT resume_id, carrier_id, resume_type, content, create_time FROM carrier_resume WHERE carrier_id = ? AND create_time >= DATE_SUB(NOW(), INTERVAL 1 YEAR)ORDER BY create_time DESC LIMIT 100""";return jdbcTemplate.query(sql, new Object[]{carrierId}, RESUME_ROW_MAPPER);}
}

优化方案3：风险评估计算优化

问题根因：风险评估实时计算，涉及复杂算法和多个数据源查询。

优化方案：预计算 + 缓存 + 异步更新

优化方案4：多级缓存策略

@Service
public class CarrierDetailService {@Autowiredprivate RedisTemplate<String, Object> redisTemplate;// 本地缓存（Caffeine）private final Cache<String, CarrierBasicInfo> localCache = Caffeine.newBuilder().maximumSize(1000).expireAfterWrite(10, TimeUnit.MINUTES).build();public CarrierDetailVO getCarrierDetailWithCache(String carrierId) {String cacheKey = "carrier:detail:" + carrierId;// 1. 本地缓存查询（基本信息）CarrierBasicInfo basicInfo = localCache.getIfPresent(carrierId);if (basicInfo != null) {// 本地缓存命中，只查询变化频繁的数据return getCarrierDetailPartial(carrierId, basicInfo);}// 2. Redis缓存查询CarrierDetailVO detail = getFromRedisCache(cacheKey);if (detail != null) {// 回填本地缓存localCache.put(carrierId, detail.getBasicInfo());return detail;}// 3. 数据库查询detail = getCarrierDetailFromDB(carrierId);// 4. 异步写入缓存（排除大字段数据）CompletableFuture.runAsync(() -> {try {CarrierDetailVO cacheDetail = removeLargeFields(detail);redisTemplate.opsForValue().set(cacheKey, cacheDetail, Duration.ofMinutes(30));localCache.put(carrierId, detail.getBasicInfo());} catch (Exception e) {log.error("写入缓存失败", e);}});return detail;}
}

第三步：优化效果验证

经过上述优化后，我们对载体详情页进行了全面的性能测试：

性能对比数据

指标	优化前	优化后	提升幅度
平均加载时间	90秒	800毫秒	112倍
数据库查询次数	20+次	4-6次	4-5倍
风险评估计算时间	15秒	200毫秒	75倍
前端白屏时间	90秒	400毫秒	225倍
服务器CPU使用率	95%	30%	68%降低