当前位置：首页 > 文章列表 > Golang > Go教程 > gozero微服务高在请求量下如何优化

gozero微服务高在请求量下如何优化

来源：脚本之家 2023-01-01 14:45:51 0浏览收藏

知识点掌握了，还需要不断练习才能熟练运用。下面golang学习网给大家带来一个Golang开发实战，手把手教大家学习《gozero微服务高在请求量下如何优化》，在实现功能的过程中也带大家重新温习相关知识点，温故而知新，回头看看说不定又有不一样的感悟！

引言

前两篇文章我们介绍了缓存使用的各种最佳实践，首先介绍了缓存使用的基本姿势，分别是如何利用go-zero自动生成的缓存和逻辑代码中缓存代码如何写，接着讲解了在面对缓存的穿透、击穿、雪崩等常见问题时的解决方案，最后还重点讲解了如何保证缓存的一致性。

因为缓存对于高并发服务来说实在是太重要了，所以这篇文章我们还会继续一起学习下缓存相关的知识。

本地缓存

当我们遇到极端热点数据查询的时候，这个时候就要考虑本地缓存了。热点本地缓存主要部署在应用服务器的代码中，用于阻挡热点查询对于Redis等分布式缓存或者数据库的压力。

在我们的商城中，首页Banner中会放一些广告商品或者推荐商品，这些商品的信息由运营在管理后台录入和变更。这些商品的请求量非常大，即使是Redis也很难扛住，所以这里我们可以使用本地缓存来进行优化。

在product库中先建一张商品运营表product_operation，为了简化只保留必要字段，product_id为推广运营的商品id，status为运营商品的状态，status为1的时候会在首页Banner中展示该商品。

CREATE TABLE `product_operation` (
  `id` bigint unsigned NOT NULL AUTO_INCREMENT,
  `product_id` bigint unsigned NOT NULL DEFAULT 0 COMMENT '商品id',
  `status` int NOT NULL DEFAULT '1' COMMENT '运营商品状态 0-下线 1-上线',
  `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `update_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  PRIMARY KEY (`id`),
  KEY `ix_update_time` (`update_time`)
) ENGINE=InnoDB  DEFAULT CHARSET=utf8mb4 COMMENT='商品运营表';

本地缓存的实现比较简单，我们可以使用map来自己实现，在go-zero的collection中提供了Cache来实现本地缓存的功能，我们直接拿来用，重复造轮子从来不是一个明智的选择，localCacheExpire为本地缓存过期时间，Cache提供了Get和Set方法，使用非常简单

localCache, err := collection.NewCache(localCacheExpire)

先从本地缓存中查找，如果命中缓存则直接返回。没有命中缓存的话需要先从数据库中查询运营位商品id，然后再聚合商品信息，最后回塞到本地缓存中。详细代码逻辑如下：

func (l *OperationProductsLogic) OperationProducts(in *product.OperationProductsRequest) (*product.OperationProductsResponse, error) {
  opProducts, ok := l.svcCtx.LocalCache.Get(operationProductsKey)
  if ok {
    return &product.OperationProductsResponse{Products: opProducts.([]*product.ProductItem)}, nil
  }
  pos, err := l.svcCtx.OperationModel.OperationProducts(l.ctx, validStatus)
  if err != nil {
    return nil, err
  }
  var pids []int64
  for _, p := range pos {
    pids = append(pids, p.ProductId)
  }
  products, err := l.productListLogic.productsByIds(l.ctx, pids)
  if err != nil {
    return nil, err
  }
  var pItems []*product.ProductItem
  for _, p := range products {
    pItems = append(pItems, &product.ProductItem{
      ProductId: p.Id,
      Name:      p.Name,
    })
  }
  l.svcCtx.LocalCache.Set(operationProductsKey, pItems)
  return &product.OperationProductsResponse{Products: pItems}, nil
}

使用grpurl调试工具请求接口，第一次请求cache miss后，后面的请求都会命中本地缓存，等到本地缓存过期后又会重新回源db加载数据到本地缓存中

~ grpcurl -plaintext -d '{}' 127.0.0.1:8081 product.Product.OperationProducts
{
  "products": [
    {
      "productId": "32",
      "name": "电风扇6"
    },
    {
      "productId": "31",
      "name": "电风扇5"
    },
    {
      "productId": "33",
      "name": "电风扇7"
    }
  ]
}

注意，并不是所有信息都适用于本地缓存，本地缓存的特点是请求量超高，同时业务上能够允许一定的不一致，因为本地缓存一般不会主动做更新操作，需要等到过期后重新回源db后再更新。所以在业务中要视情况而定看是否需要使用本地缓存。

自动识别热点数据

首页Banner场景是由运营人员来配置的，也就是我们能提前知道可能产生的热点数据，但有些情况我们是不能提前预知数据会成为热点的。

所以就需要我们能自适应地自动的识别这些热点数据，然后把这些数据提升为本地缓存。

我们维护一个滑动窗口，比如滑动窗口设置为10s，就是要统计这10s内有哪些key被高频访问，一个滑动窗口中对应多个Bucket，每个Bucket中对应一个map，map的key为商品的id，value为商品对应的请求次数。

接着我们可以定时的(比如10s)去统计当前所有Buckets中的key的数据，然后把这些数据导入到大顶堆中，轻而易举的可以从大顶堆中获取topK的key，我们可以设置一个阈值，比如在一个滑动窗口时间内某一个key访问频次超过500次，就认为该key为热点key，从而自动地把该key升级为本地缓存。

缓存使用技巧

下面介绍一些缓存使用的小技巧

key的命名要尽量易读，即见名知意，在易读的前提下长度要尽可能的小，以减少资源的占用，对于value来说可以用int就尽量不要用string，对于小于N的value，redis内部有shared_object缓存。
在redis使用hash的情况下进行key的拆分，同一个hash key会落到同一个redis节点，hash过大的情况下会导致内存以及请求分布的不均匀，考虑对hash进行拆分为小的hash，使得节点内存均匀避免单节点请求热点。
为了避免不存在的数据请求，导致每次请求都缓存miss直接打到数据库中，进行空缓存的设置。
缓存中需要存对象的时候，序列化尽量使用protobuf，尽可能减少数据大小。
新增数据的时候要保证缓存务必存在的情况下再去操作新增，使用Expire来判断缓存是否存在。
对于存储每日登录场景的需求，可以使用BITSET，为了避免单个BITSET过大或者热点，可以进行sharding。
在使用sorted set的时候，避免使用zrange或者zrevrange返回过大的集合，复杂度较高。
在进行缓存操作的时候尽量使用PIPELINE，但也要注意避免集合过大。
避免超大的value。
缓存尽量要设置过期时间。
慎用全量操作命令，比如Hash类型的HGETALL、Set类型的SMEMBERS等，这些操作会对Hash和Set的底层数据结构进行全量扫描，如果数据量较多的话，会阻塞Redis主线程。
获取集合类型的全量数据可以使用SSCAN、HSCAN等命令分批返回集合中的数据，减少对主线程的阻塞。
慎用MONITOR命令，MONITOR命令会把监控到的内容持续写入输出缓冲区，如果线上命令操作很多，输出缓冲区很快就会溢出，会对Redis性能造成影响。
生产环境禁用KEYS、FLUSHALL、FLUSHDB等命令。