前言
分類樹查詢功能，在各個業務系統中可以說隨處可見，特別是在電商系統中。
但就是這樣一個簡單的分類樹查詢功能，我們卻優化了5次。
到底是怎么回事呢？
背景
我們的網站使用了SpringBoot推薦的模板引擎：Thymeleaf，進行動態渲染。
它是一個XML/Xhtml/HTML5模板引擎，可用于Web與非Web環境中的應用開發。
它提供了一個用于整合SpringMVC的可選模塊，在應用開發中，我們可以使用Thymeleaf來完全代替JSP或其他模板引擎，如VelocityFreeMarker等。
前端開發寫好Thymeleaf的模板文件，調用后端接口獲取數據，進行動態綁定，就能把想要的內容展示給用戶。
由于當時這個是從0-1的新項目，為了開快速開發功能，我們第一版接口，直接從數據庫中查詢分類數據，組裝成分類樹，然后返回給前端。
通過這種方式，簡化了數據流程，快速把整個頁面功能調通了。
第1次優化
我們將該接口部署到dev環境，剛開始沒啥問題。
隨著開發人員添加的分類越來越多，很快就暴露出性能瓶頸。
我們不得不做優化了。
我們第一個想到的是：加redis緩存。
流程圖如下：
于是暫時這樣優化了一下：
- 用戶訪問接口獲取分類樹時，先從Redis中查詢數據。
- 如果Redis中有數據，則直接數據。
- 如果Redis中沒有數據，則再從數據庫中查詢數據，拼接成分類樹返回。
- 將從數據庫中查到的分類樹的數據，保存到Redis中，設置過期時間5分鐘。
- 將分類樹返回給用戶。
我們在Redis中定義一個了key，value是一個分類樹的json格式轉換成了字符串，使用簡單的key/value形式保存數據。
經過這樣優化之后，dev環境的聯調和自測順利完成了。
第2次優化
我們將這個功能部署到st環境了。
剛開始測試同學沒有發現什么問題，但隨著后面不斷地深入測試，隔一段時間就出現一次首頁訪問很慢的情況。
于是，我們馬上進行了第2次優化。
我們決定使用Job定期異步更新分類樹到Redis中，在系統上線之前，會先生成一份數據。
當然為了保險起見，防止Redis在哪條突然掛了，之前分類樹同步寫入Redis的邏輯還是保留。
于是，流程圖改成了這樣：
增加了一個job每隔5分鐘執行一次，從數據庫中查詢分類數據，封裝成分類樹，更新到Redis緩存中。
其他的流程保持不變。
此外，Redis的過期時間之前設置的5分鐘，現在要改成永久。
通過這次優化之后，st環境就沒有再出現過分類樹查詢的性能問題了。
第3次優化
測試了一段時間之后，整個網站的功能快要上線了。
為了保險起見，我們需要對網站首頁做一次壓力測試。
果然測出問題了，網站首頁最大的qps是100多，最后發現是每次都從Redis獲取分類樹導致的網站首頁的性能瓶頸。
我們需要做第3次優化。
該怎么優化呢？
答：加內存緩存。
如果加了內存緩存，就需要考慮數據一致性問題。
內存緩存是保存在服務器節點上的，不同的服務器節點更新的頻率可能有點差異，這樣可能會導致數據的不一致性。
但分類本身是更新頻率比較低的數據，對于用戶來說不太敏感，即使在短時間內，用戶看到的分類樹有些差異，也不會對用戶造成太大的影響。
因此，分類樹這種業務場景，是可以使用內存緩存的。
于是，我們使用了Spring推薦的caffine作為內存緩存。
改造后的流程圖如下：
- 用戶訪問接口時改成先從本地緩存分類數查詢數據。
- 如果本地緩存有，則直接返回。
- 如果本地緩存沒有，則從Redis中查詢數據。
- 如果Redis中有數據，則將數據更新到本地緩存中，然后返回數據。
- 如果Redis中也沒有數據（說明Redis掛了），則從數據庫中查詢數據，更新到Redis中（萬一Redis恢復了呢），然后更新到本地緩存中，返回返回數據。
需要注意的是，需要改本地緩存設置一個過期時間，這里設置的5分鐘，不然的話，沒辦法獲取新的數據。
這樣優化之后，再次做網站首頁的壓力測試，qps提升到了500多，滿足上線要求。
第4次優化
之后，這個功能順利上線了。
使用了很長一段時間沒有出現問題。
兩年后的某一天，有用戶反饋說，網站首頁有點慢。
我們排查了一下原因發現，分類樹的數據太多了，一次性返回了上萬個分類。
原來在系統上線的這兩年多的時間內，運營同學在系統后臺增加了很多分類。
我們需要做第4次優化。
這時要如何優化呢？
限制分類樹的數量？
答：也不太現實，目前這個業務場景就是有這么多分類，不能讓用戶選擇不到他想要的分類吧？
這時我們想到最快的辦法是開啟Nginx的GZip功能。
讓數據在傳輸之前，先壓縮一下，然后進行傳輸，在用戶瀏覽器中，自動解壓，將真實的分類樹數據展示給用戶。
之前調用接口返回的分類樹有1MB的大小，優化之后，接口返回的分類樹的大小是100Kb，一下子縮小了10倍。
這樣簡單的優化之后，性能提升了一些。
第5次優化
經過上面優化之后，用戶很長一段時間都沒有反饋性能問題。
但有一天公司同事在排查Redis中大key的時候，揪出了分類樹。之前的分類樹使用key/value的結構保存數據的。
我們不得不做第5次優化。
為了優化在Redis中存儲數據的大小，我們首先需要對數據進行瘦身。
只保存需要用到的字段。
例如：
@AllArgsConstructor
@Data
public class Category {
private Long id;
private String name;
private Long parentId;
private Date inDate;
private Long inUserId;
private String inUserName;
private List<Category> children;
}
像這個分類對象中inDate、inUserId和inUserName字段是可以不用保存的。
修改自動名稱。
例如：
@AllArgsConstructor
@Data
public class Category {
/**
* 分類編號
*/
@JsonProperty("i")
private Long id;
/**
* 分類層級
*/
@JsonProperty("l")
private Integer level;
/**
* 分類名稱
*/
@JsonProperty("n")
private String name;
/**
* 父分類編號
*/
@JsonProperty("p")
private Long parentId;
/**
* 子分類列表
*/
@JsonProperty("c")
private List<Category> children;
}
由于在一萬多條數據中，每條數據的字段名稱是固定的，他們的重復率太高了。
由此，可以在json序列化時，改成一個簡短的名稱，以便于返回更少的數據大小。
這還不夠，需要對存儲的數據做壓縮。
之前在Redis中保存的key/value，其中的value是json格式的字符串。
其實RedisTemplate支持，value保存byte數組。
先將json字符串數據用GZip工具類壓縮成byte數組，然后保存到Redis中。
再獲取數據時，將byte數組轉換成json字符串，然后再轉換成分類樹。
這樣優化之后，保存到Redis中的分類樹的數據大小，一下子減少了10倍，Redis的大key問題被解決了。
