性能与并发设计

性能优化策略

1. 缓存优化

三级缓存架构：布隆过滤器 + Caffeine + Redis
缓存预热：系统启动时加载热点数据
缓存更新策略：Cache Aside 模式

详见三级缓存架构

2. 数据库优化

索引优化：为常用查询字段建立索引
分页查询：使用 MyBatis-Plus 分页插件
批量操作：使用批量插入/更新减少数据库交互
连接池配置：使用 HikariCP 连接池，通过 Nacos 动态配置

数据库连接池配置说明

连接池配置位于 Nacos 配置中心，配置文件：share-mysql-{env}.yaml

配置参数：

spring:
  datasource:
    hikari:
      # 连接池大小配置（根据实际并发量调整）
      maximum-pool-size: 20               # 最大连接数，建议：CPU核心数 * 2 + 磁盘数
      minimum-idle: 5                     # 最小空闲连接数，建议：maximum-pool-size 的 1/4
      
      # 连接超时配置
      connection-timeout: 30000           # 获取连接超时时间（毫秒）
      idle-timeout: 600000                # 空闲连接超时时间（毫秒，10分钟）
      max-lifetime: 1800000               # 连接最大生命周期（毫秒，30分钟）
      
      # 性能优化配置
      leak-detection-threshold: 60000     # 连接泄漏检测（毫秒，生产环境建议开启）
      pool-name: FrameworkJavaHikariCP    # 连接池名称（便于监控和日志追踪）

配置建议：

最大连接数：根据实际并发量和数据库性能设置，一般建议 CPU核心数 * 2 + 磁盘数
最小空闲连接数：建议为最大连接数的 1/4，保证系统启动时有可用连接
连接超时：根据网络环境设置，避免长时间等待
连接泄漏检测：生产环境建议开启，及时发现连接泄漏问题

3. 异步处理

异步方法：使用 @Async 处理耗时操作
消息队列：使用 RabbitMQ 处理异步任务
线程池配置：通过 Nacos 动态配置线程池参数

线程池配置说明

线程池配置位于 Nacos 配置中心，配置文件：share-thread-{env}.yaml

配置参数：

thread:
  pool-executor:
    # 核心线程数（默认：CPU 核数 + 1）
    corePoolSize: 5
    # 最大线程数（默认：核心线程数 * 2）
    maxPoolSize: 100
    # 阻塞队列大小（默认：100）
    queueCapacity: 100
    # 空闲线程存活时间，单位：秒（默认：60）
    keepAliveSeconds: 60
    # 线程名称前缀（默认：zmbdp-thread-）
    prefixName: zmbdp-thread-
    # 拒绝策略（默认：2 - CallerRunsPolicy）
    # 1: AbortPolicy - 抛异常
    # 2: CallerRunsPolicy - 调用者线程运行
    # 3: DiscardOldestPolicy - 丢弃最老任务
    # 4: DiscardPolicy - 直接丢弃
    rejectHandler: 2

使用方式：

// 使用 @Async 注解，指定线程池 Bean 名称
@Async(CommonConstants.ASYNCHRONOUS_THREADS_BEAN_NAME)
public void asyncMethod() {
    // 异步执行的业务逻辑
}

配置建议：

核心线程数：根据 CPU 核心数和业务类型设置，IO 密集型可设置较大值
最大线程数：建议为核心线程数的 2-4 倍
队列大小：根据业务并发量设置，避免队列过大导致内存占用
拒绝策略：生产环境建议使用 CallerRunsPolicy，保证任务不丢失

4. 接口优化

幂等性控制：防止重复请求，详见分布式幂等性设计
结果缓存：缓存查询结果，减少数据库压力

并发控制

1. 分布式锁

使用 Redisson 实现分布式锁，项目已封装 RedissonLockService：

@Autowired
private RedissonLockService redissonLockService;

public void doSomething() {
    // 方式一：获取带看门狗的锁（自动续期，适合业务执行时间不确定的场景）
    RLock lock = redissonLockService.acquire("lock:key");
    
    // 方式二：获取带固定过期时间的锁（适合业务执行时间确定的场景）
    // RLock lock = redissonLockService.acquire("lock:key", 30);
    
    // 方式三：尝试获取锁（带超时，启用看门狗）
    // RLock lock = redissonLockService.acquire("lock:key", 5, TimeUnit.SECONDS);
    
    if (lock == null) {
        throw new ServiceException("获取锁失败");
    }
    try {
        // 业务逻辑
    } finally {
        // 确保释放锁
        redissonLockService.releaseLock(lock);
    }
}

特性：

看门狗机制：自动续期，防止业务执行时间过长导致锁过期
安全释放：自动校验锁的持有者，防止误释放其他线程的锁
可重入锁：同一线程可以多次获取同一把锁

2. 幂等性控制

使用 @Idempotent 注解实现接口幂等性，详见分布式幂等性设计

3. 数据库锁

乐观锁

使用版本号字段实现乐观锁：

@Entity
public class Order {
    @Version
    private Integer version;  // 版本号字段
    
    // 更新时自动检查版本号
    public void update() {
        // MyBatis-Plus 会自动在更新时检查 version 字段
        orderMapper.updateById(this);
    }
}

悲观锁

使用 SELECT ... FOR UPDATE 实现悲观锁：

@Select("SELECT * FROM order WHERE id = #{id} FOR UPDATE")
Order selectByIdForUpdate(Long id);

public void updateWithLock(Long id) {
    Order order = selectByIdForUpdate(id);  // 加锁
    // 执行业务逻辑
    orderMapper.updateById(order);
}

高并发场景

1. 秒杀场景

缓存预热：提前加载商品信息到缓存
异步处理：订单创建异步化
库存扣减：使用 Redis 原子操作、Redisson 分布式锁或数据库乐观锁

库存扣减示例

方式一：Redis 原子操作

// 使用 Redis 的 DECR 原子操作
Long stock = redisService.decrement("stock:product:" + productId);
if (stock < 0) {
    // 库存不足，回滚
    redisService.increment("stock:product:" + productId);
    throw new ServiceException("库存不足");
}

方式二：Redisson 分布式锁

@Autowired
private RedissonLockService redissonLockService;

// 使用 Redisson 分布式锁保证库存扣减的原子性
// 方式 1：尝试获取锁（带超时，启用看门狗自动续期）
RLock lock = redissonLockService.acquire("lock:stock:" + productId, 3, TimeUnit.SECONDS);
// 方式 2：尝试获取锁（带超时和固定过期时间，不启用看门狗）
// RLock lock = redissonLockService.acquire("lock:stock:" + productId, 3, 10, TimeUnit.SECONDS);

if (lock == null) {
    throw new ServiceException("获取锁失败，请稍后重试");
}
try {
    // 获取库存
    Integer stock = redisService.getCacheObject("stock:product:" + productId, Integer.class);
    if (stock == null || stock <= 0) {
        throw new ServiceException("库存不足");
    }
    // 扣减库存
    stock--;
    redisService.setCacheObject("stock:product:" + productId, stock);
} finally {
    // 确保释放锁
    redissonLockService.releaseLock(lock);
}

方式三：数据库乐观锁

// 使用版本号实现乐观锁
Order order = orderMapper.selectById(orderId);
order.setVersion(order.getVersion() + 1);
int rows = orderMapper.updateById(order);
if (rows == 0) {
    // 版本号冲突，说明已被其他线程修改
    throw new ServiceException("库存已被占用，请重试");
}

2. 高并发查询

多级缓存：本地缓存 + 分布式缓存
缓存穿透防护：布隆过滤器 + 空值缓存
数据库读写分离：主从复制，读操作走从库

3. 消息处理

消息幂等性：使用 @Idempotent 注解
批量处理：批量消费消息，提高吞吐量
死信队列：处理失败消息

监控指标

1. 性能指标

响应时间：P50、P95、P99
吞吐量：QPS、TPS
错误率：4xx、5xx 错误率

2. 资源指标

CPU 使用率
内存使用率
数据库连接数
Redis 连接数

3. 业务指标

缓存命中率
接口调用量
消息消费速率

性能测试

1. 测试方式

FrameworkJava 采用 多线程并发测试 的方式验证高并发场景下的功能正确性和性能表现。

实现方式

测试代码位于 zmbdp-mstemplate-service 模块的 test 包下，主要使用：

线程池（Executor）：创建并发请求
CountDownLatch：等待所有线程完成
原子计数器（AtomicInteger）：统计成功数、拒绝数、错误数
时间统计：记录测试耗时

测试示例

// 高并发测试示例（幂等性测试）
@PostMapping("/concurrent")
public Result<Map<String, Object>> testConcurrent(
    @RequestParam(value = "concurrency", defaultValue = "100") int concurrency) {
    
    // 使用线程池并发执行请求
    for (int i = 0; i < concurrency; i++) {
        threadPoolExecutor.execute(() -> {
            // 执行测试请求
            Result<String> response = idempotentTestAPI.testHttpBasicHeader(token);
            // 统计结果
        });
    }
    
    // 等待所有任务完成并统计结果
    latch.await(30, TimeUnit.SECONDS);
    // 返回测试结果：成功数、拒绝数、错误数、耗时等
}

测试场景

防重模式并发测试：验证同一 token 并发请求，只有一个成功
强幂等模式并发测试：验证第一个成功后，其他请求返回缓存结果
不同 Token 并发测试：验证不同 token 互不干扰
布隆过滤器线程安全测试：验证高并发下的线程安全性

优缺点

优点：

✅ 简单直接，无需额外工具
✅ 可以精确控制测试逻辑
✅ 适合验证功能正确性（如幂等性）
✅ 可以集成到代码中，便于持续验证

局限性：

⚠️ 无法模拟真实网络环境（HTTP 连接、网络延迟等）
⚠️ 测试结果受 JVM 线程调度影响
⚠️ 难以模拟大规模分布式压测场景
⚠️ 缺少专业的性能指标分析（QPS、TPS、响应时间分布等）

2. 专业压测工具（推荐）

对于更专业的性能测试，建议使用以下工具：

JMeter：HTTP 接口压测，支持图形化界面和脚本
wrk：命令行压测工具，轻量级、高性能
Gatling：Scala 编写的压测工具，支持复杂场景
Apache Bench (ab)：简单快速的 HTTP 压测工具

使用示例（wrk）

# 压测示例
wrk -t12 -c400 -d30s --latency http://localhost:8080/api/test

3. 测试代码位置

所有测试代码位于 zmbdp-mstemplate-service 模块：

zmbdp-mstemplate-service/src/main/java/com/zmbdp/mstemplate/service/test/
├── TestIdempotentController.java      # 幂等性并发测试
├── TestCacheController.java            # 缓存性能测试
├── TestRedisController.java            # Redis 性能测试
├── TestRedissonController.java         # 分布式锁测试
└── ...                                 # 其他功能测试

如何运行测试

启动服务：确保 zmbdp-mstemplate-service 服务已启动
调用测试接口：通过 HTTP 请求调用测试接口
查看结果：接口返回测试结果，同时查看日志获取详细信息

示例：

# 幂等性高并发测试（默认100并发）
POST http://localhost:8080/mstemplate/test/idempotent/concurrent?concurrency=100

# 布隆过滤器线程安全测试
POST http://localhost:8080/mstemplate/test/cache/threads/bloom

4. 测试结果解读

幂等性测试结果

{
  "防重模式-并发测试": {
    "成功数": 1,
    "拒绝数": 99,
    "错误数": 0,
    "总请求数": 100,
    "耗时(ms)": 1250,
    "结果": "✅ 通过（只有1个成功，其他都被正确拒绝）"
  }
}

解读：

✅ 成功数 = 1：符合预期，只有一个请求成功
✅ 拒绝数 = 总请求数 - 1：其他请求被正确拒绝
✅ 错误数 = 0：没有异常发生
⚠️ 耗时过长：如果耗时超过预期，需要检查锁竞争和网络延迟

缓存性能测试结果

{
  "performanceWithoutBloom": "1250ms",
  "performanceWithBloom": "320ms",
  "performanceImprovement": "930ms"
}

解读：

✅ 性能提升明显：布隆过滤器有效减少了无效的 Redis 查询
⚠️ 提升不明显：可能需要调整布隆过滤器配置或检查测试数据

线程安全测试结果

{
  "expectedElements": 1000,
  "actualElements": 998,
  "foundCount": 998,
  "notFoundCount": 2
}

解读：

✅ 元素数量接近：布隆过滤器的近似计数允许一定误差
⚠️ 丢失元素过多：如果 notFoundCount 较大，可能存在线程安全问题

5. 性能调优

根据测试结果进行优化：

定位性能瓶颈：分析耗时最长的操作
优化慢查询：检查数据库查询和 Redis 操作
调整缓存策略：优化缓存命中率和过期时间
优化代码逻辑：减少不必要的计算和网络调用
调整线程池和连接池配置：根据并发量调整资源池大小

6. 未来改进方向

何时需要专业压测工具

生产环境性能评估：需要真实的网络环境和负载
容量规划：需要准确的 QPS、TPS 等指标
性能基准测试：需要可重复的标准化测试
大规模压测：需要模拟数千甚至数万并发

建议的改进路径

短期：继续使用多线程测试验证功能正确性
中期：引入 JMeter 或 wrk 进行接口级性能测试
长期：建立完整的性能测试体系，包括：
- 自动化性能测试流程
- 性能基准数据库
- 性能回归测试
- 性能监控和告警

最佳实践

避免 N+1 查询：使用批量查询或关联查询
合理使用缓存：缓存热点数据，设置合理过期时间
异步化处理：耗时操作异步处理，提高响应速度
连接池配置：根据实际并发量配置连接池大小
监控告警：建立完善的监控体系，及时发现问题

注意事项

缓存一致性：注意缓存与数据库的一致性
锁粒度：尽量减小锁的粒度，提高并发性能
资源限制：注意 JVM 堆内存、线程数等资源限制
网络延迟：减少不必要的网络调用
序列化性能：选择合适的序列化方式（如 JSON、Protobuf）

FilesExpand file tree

PERFORMANCE.md

Latest commit

History

PERFORMANCE.md

File metadata and controls

性能与并发设计

性能优化策略

1. 缓存优化

2. 数据库优化

数据库连接池配置说明

3. 异步处理

线程池配置说明

4. 接口优化

并发控制

1. 分布式锁

2. 幂等性控制

3. 数据库锁

乐观锁

悲观锁

高并发场景

1. 秒杀场景

库存扣减示例

2. 高并发查询

3. 消息处理

监控指标

1. 性能指标

2. 资源指标

3. 业务指标

性能测试

1. 测试方式

实现方式

测试示例

测试场景

优缺点

2. 专业压测工具（推荐）

使用示例（wrk）

3. 测试代码位置

如何运行测试

4. 测试结果解读

幂等性测试结果

缓存性能测试结果

线程安全测试结果

5. 性能调优

6. 未来改进方向

何时需要专业压测工具

建议的改进路径

最佳实践

注意事项