背景

我們負(fù)責(zé)的一個(gè)業(yè)務(wù)平臺，有次在發(fā)現(xiàn)設(shè)置頁面的加載特別特別地慢，簡直就是令人發(fā)指

讓用戶等待 36s 肯定是不可能的，于是我們就要開啟優(yōu)化之旅了。

投石問路

既然是網(wǎng)站的響應(yīng)問題，可以通過 Chrome 這個(gè)強(qiáng)大的工具幫助我們快速找到優(yōu)化方向。

通過 Chrome 的 Network 除了可以看到接口請求耗時(shí)之外，還能看到一個(gè)時(shí)間的分配情況，選擇一個(gè)配置沒有那么多的項(xiàng)目，簡單請求看看：

雖然只是一個(gè)只有三條記錄的項(xiàng)目，加載項(xiàng)目設(shè)置都需要 17s，通過 Timing, 可以看到總的請求共耗時(shí) 17.67s ，但有 17.57s 是在 Waiting(TTFB) 狀態(tài)。

TTFB 是 Time to First Byte 的縮寫，指的是瀏覽器開始收到服務(wù)器響應(yīng)數(shù)據(jù)的時(shí)間（后臺處理時(shí)間+重定向時(shí)間），是反映服務(wù)端響應(yīng)速度的重要指標(biāo)。

Profile 火焰圖 + 代碼調(diào)優(yōu)

那么大概可以知道優(yōu)化的大方向是在后端接口處理上面，后端代碼是 Python + Flask 實(shí)現(xiàn)的，先不盲猜，直接上 Profile：

第一波優(yōu)化：功能交互重新設(shè)計(jì)

說實(shí)話看到這段代碼是絕望的：完全看不出什么？只是看到很多 gevent 和 Threading，因?yàn)樘鄥f(xié)程或者線程？

這時(shí)候一定要結(jié)合代碼來分析（為了簡短篇幅，參數(shù)部分用 “...” 代替）： 

def get_max_cpus(project_code, gids):  
    """  
    """ 
    ...  
    # 再定義一個(gè)獲取 cpu 的函數(shù)  
    def get_max_cpu(project_setting, gid, token, headers):  
        group_with_machines = utils.get_groups(...) 
         hostnames = get_info_from_machines_info(...)  
        res = fetchers.MonitorAPIFetcher.get(...)  
        vals = [  
            round(100 - val, 4)  
            for ts, val in res['series'][0]['data']  
            if not utils.is_nan(val)  
        ]  
        maxmax_val = max(vals) if vals else float('nan')  
        max_cpus[gid] = max_val       
    #  啟動線程批量請求  
    for gid in gids:  
        t = Thread(target=get_max_cpu, args=(...))  
        threads.append(t)  
        t.start()     
    # 回收線程  
    for t in threads:  
        t.join()  
    return max_cpus 

通過代碼可以看到，為了更加快速獲取 gids 所有的 cpu_max 數(shù)據(jù)，為每個(gè) gid 分配一個(gè)線程去請求，最終再返回最大值。

這里會出現(xiàn)兩個(gè)問題：

1.  在一個(gè) web api 做線程的 創(chuàng)建 和 銷毀 是有很大成本的，因?yàn)榻涌跁l繁被觸發(fā)，線程的操作也會頻繁發(fā)生，應(yīng)該盡可能使用線程池之類的，降低系統(tǒng)花銷；
2.  該請求是加載某個(gè) gid (群組) 下面的機(jī)器過去 7 天的 CPU 最大值，可以簡單拍腦袋想下，這個(gè)值不是實(shí)時(shí)值也不是一個(gè)均值，而是一個(gè)最大值，很多時(shí)候可能并沒有想象中那么大價(jià)值；

既然知道問題，那就有針對性的方案：

1.  調(diào)整功能設(shè)計(jì)，不再默認(rèn)加載 CPU 最大值，換成用戶點(diǎn)擊加載（一來降低并發(fā)的可能，二來不會影響整體）；
2.  因?yàn)?1 的調(diào)整，去掉多線程實(shí)現(xiàn)；

再看第一波優(yōu)化后的火焰圖：

這次看的火焰圖雖然還有很大的優(yōu)化空間，但起碼看起來有點(diǎn)正常的樣子了。

第二波優(yōu)化：Mysql 操作優(yōu)化處理

我們再從頁面標(biāo)記處（接口邏輯處）放大火焰圖觀察：

看到好大一片操作都是由 utils.py:get_group_profile_settings 這個(gè)函數(shù)引起的數(shù)據(jù)庫操作熱點(diǎn)。

同理，也是需要通過代碼分析： 

def get_group_profile_settings(project_code, gids): 
     # 獲取 Mysql ORM 操作對象  
    ProfileSetting = unpurview(sandman.endpoint_class('profile_settings'))  
    session = get_postman_session()    
     profile_settings = {}  
    for gid in gids:  
        compound_name = project_code + ':' + gid  
        result = session.query(ProfileSetting).filter(  
            ProfileSetting.name == compound_name  
        ).first()        
         if result:  
            resultresult = result.as_dict()  
            tag_indexes = result.get('tag_indexes')  
            profile_settings[gid] = {  
                'tag_indexes': tag_indexes,  
                'interval': result['interval'],  
                'status': result['status'],  
                'profile_machines': result['profile_machines'],  
                'thread_settings': result['thread_settings']  
            }  
            ...(省略)  
    return profile_settings 

看到 Mysql ，第一個(gè)反應(yīng)就是 索引問題，所以優(yōu)先去看看數(shù)據(jù)庫的索引情況，如果有索引的話應(yīng)該不會是瓶頸：

很奇怪這里明明已經(jīng)有了索引了，為什么速度還是這個(gè)鬼樣子呢！

正當(dāng)毫無頭緒的時(shí)候，突然想起在 第一波優(yōu)化 的時(shí)候， 發(fā)現(xiàn) gid（群組）越多的影響越明顯，然后看回上面的代碼，看到那句： 

for gid in gids:   
    ... 

我仿佛明白了什么。

這里是每個(gè) gid 都去查詢一次數(shù)據(jù)庫，而項(xiàng)目經(jīng)常有 20 ~ 50+ 個(gè)群組，那肯定直接爆炸了。

其實(shí) Mysql 是支持單字段多值的查詢，而且每條記錄并沒有太多的數(shù)據(jù)，我可以嘗試下用 Mysql 的 OR 語法，除了避免多次網(wǎng)絡(luò)請求，還能避開那該死的 for

正當(dāng)我想事不宜遲直接搞起的時(shí)候，余光瞥見在剛才的代碼還有一個(gè)地方可以優(yōu)化，那就是：

看到這里，熟悉的朋友大概會明白是怎么回事。

GetAttr 這個(gè)方法是Python 獲取對象的 方法/屬性 時(shí)候會用到，雖然不可不用，但是如果在使用太過頻繁也會有一定的性能損耗。

結(jié)合代碼一起來看： 

def get_group_profile_settings(project_code, gids): 
     # 獲取 Mysql ORM 操作對象  
    ProfileSetting = unpurview(sandman.endpoint_class('profile_settings'))  
    session = get_postman_session()    
     profile_settings = {}  
    for gid in gids:  
        compound_name = project_code + ':' + gid  
        result = session.query(ProfileSetting).filter(  
            ProfileSetting.name == compound_name  
        ).first()  
        ... 

在這個(gè)遍歷很多次的 for 里面，session.query(ProfileSetting) 被反復(fù)無效執(zhí)行了，然后 filter 這個(gè)屬性方法也被頻繁讀取和執(zhí)行，所以這里也可以被優(yōu)化。

總結(jié)下的問題就是：

1. 數(shù)據(jù)庫的查詢沒有批量查詢；

2. ORM 的對象太多重復(fù)的生成，導(dǎo)致性能損耗；

3. 屬性讀取后沒有復(fù)用，導(dǎo)致在遍歷次數(shù)較大的循環(huán)體內(nèi)頻繁 getAttr，成本被放大；

那么對癥下藥就是： 

def get_group_profile_settings(project_code, gids):    
     # 獲取 Mysql ORM 操作對象 
    ProfileSetting = unpurview(sandman.endpoint_class('profile_settings'))  
    session = get_postman_session()   
     # 批量查詢 并將 filter 提到循環(huán)之外  
    query_results = query_instance.filter(  
        ProfileSetting.name.in_(project_code + ':' + gid for gid in gids)  
    ).all()  
    # 對全部的查詢結(jié)果再單條處理  
    profile_settings = {}  
    for result in query_results:  
        if not result:  
            continue  
        resultresult = result.as_dict()  
        gid = result['name'].split(':')[1]  
        tag_indexes = result.get('tag_indexes')  
        profile_settings[gid] = {  
            'tag_indexes': tag_indexes,  
            'interval': result['interval'],  
            'status': result['status'],  
            'profile_machines': result['profile_machines'],  
            'thread_settings': result['thread_settings']  
        }  
            ...(省略)  
    return profile_settings 

優(yōu)化后的火焰圖：

對比下優(yōu)化前的相同位置的火焰圖：

明顯的優(yōu)化點(diǎn)：優(yōu)化前的，最底部的 utils.py:get_group_profile_settings 和 數(shù)據(jù)庫相關(guān)的熱點(diǎn)大大縮減。

優(yōu)化效果

同一個(gè)項(xiàng)目的接口的響應(yīng)時(shí)長從 37.6 s 優(yōu)化成 1.47s，具體的截圖：

優(yōu)化總結(jié)

如同一句名言：

如果一個(gè)數(shù)據(jù)結(jié)構(gòu)足夠優(yōu)秀，那么它是不需要多好的算法。

在優(yōu)化功能的時(shí)候，最快的優(yōu)化就是：去掉那個(gè)功能！

其次快就是調(diào)整那個(gè)功能觸發(fā)的 頻率 或者 復(fù)雜度！

從上到下，從用戶使用場景去考慮這個(gè)功能優(yōu)化方式，往往會帶來更加簡單高效的結(jié)果，嘿嘿！

當(dāng)然很多時(shí)候我們是無法那么幸運(yùn)的，如果我們實(shí)在無法去掉或者調(diào)整，那么就發(fā)揮做程序猿的價(jià)值咯：Profile

針對 Python 可以嘗試：cProflile + gprof2dot

而針對 Go 可以使用: pprof + go-torch

很多時(shí)候看到的代碼問題都不一定是真正的性能瓶頸，需要結(jié)合工具來客觀分析，這樣才能有效直擊痛點(diǎn)！

其實(shí)這個(gè) 1.47s，其實(shí)還不是最好的結(jié)果，還可以有更多優(yōu)化的空間，比如：

1.  前端渲染和呈現(xiàn)的方式，因?yàn)檎麄€(gè)表格是有很多數(shù)據(jù)組裝后再呈現(xiàn)的，響應(yīng)慢的單元格可以默認(rèn)先顯示 菊花，數(shù)據(jù)返回再更新；
2.  火焰圖看到還有挺多細(xì)節(jié)可以優(yōu)化，可以替換請求數(shù)據(jù)的外部接口，比如再優(yōu)化徹底 GetAttr 相關(guān)的邏輯；
3.  更極端就是直接 Python 轉(zhuǎn) GO；

但是這些優(yōu)化已經(jīng)不是那么迫切了，因?yàn)檫@個(gè) 1.47s 是比較大型項(xiàng)目的優(yōu)化結(jié)果了，絕大部分的項(xiàng)目其實(shí)不到 1s 就能返回

再優(yōu)化可能付出更大成本，而結(jié)果可能也只是從 500ms 到 400ms 而已，結(jié)果并不那么高性價(jià)比。

所以我們一定要時(shí)刻清晰自己優(yōu)化的目標(biāo)，時(shí)刻考慮 投入產(chǎn)出比，在有限的時(shí)間做出比較高的價(jià)值（如果有空閑時(shí)間當(dāng)然可以盡情干到底）