一、背景

业务在群里反馈编辑结算单时有些账单明细查不出来，但是新建结算单可以，我第一反应是去测试环境试试有没有该问题，结果发现没任何问题！！！
然后我登录生产环境编辑业务反馈有问题的结算单，发现查询接口直接504网关超时了，此时心里已经猜到是代码性能问题导致的，接来下就把重点放到排查接口超时的问题上了。

二、问题排查

遇到生产问题先查日志是基本操作，登录阿里云的日志平台，可以查到接口耗时竟然高达
469245毫秒
！

这个结算单关联的账单数量也就800多条，所以可以肯定这个接口存在性能问题。

image

但是日志除了接口耗时，并没有其他报错信息或异常信息，看不出哪里导致了接口慢。

接口慢一般是由如下几个原因导致：

  1. 依赖的外部系统慢，比如同步调用外部系统的接口耗时比较久
  2. 处理的数据过多导致
  3. sql性能有问题，存在慢sql
  4. 有大循环存在循环处理的逻辑，如循环读取exel并处理
  5. 网络问题或者依赖的中间件比较慢
  6. 如果使用了锁，也可能由于长时间获取不到锁导致接口超时

当然也可以使用arthas的
trace
命令分析哪一块比较耗时。

由于安装arthas有点麻烦，就先猜测可能慢sql导致的，然后就登录阿里云RDS查看了慢sql监控日志。
image
好家伙一看吓一跳，sql耗时竟然高达
66秒
，而且执行次数还挺多！

我赶紧把sql语句放到数据库用explain命令看下执行计划，分析这条sql为啥这么慢。

EXPLAIN SELECT DISTINCT(bill_code) FROM `t_bill_detail_2023_4` WHERE  
(settlement_order_code IS NULL OR settlement_order_code = 'JS23122600000001');

分析结果如下：

image

如果不知道explain结果每个字段的含义，可以看看这篇文章《
长达1.7万字的explain关键字指南!
》。

可以看到扫描行数达到了250多万行，ref已经是最高效的const，但是看最后的Extra列
Using temporary 表明这个sql用到了临时表
，顿时心里清楚什么原因了。

因为sql有个去重关键字DISTINCT，所以mysql在需要建临时表来完成查询结果集的去重操作，如果结果集数据量比较小没有超过buffer，就可以直接在内存中去重，这种效率也是比较高的。

但是如果结果集数据量很大，buffer存不下，那就需要借助磁盘完成去重了，我们都知道操作磁盘相比内存是非常慢的，时间差几个数量级
。

虽然这个表里的settlement_order_code字段是有索引的，但是
线上也有很多settlement_order_code为null的数据，这就导致查出来的结果集非常大
，然后又用到临时表，所以sql耗时才这么久！

同时，这里也解释了为什么测试环境没有发现这个问题，因为测试环境的数据不多，直接在内存就完成去重了。

三、问题解决

知道了问题原因就很好解决了，首先根据SQL和接口地址很快就找到出现问题的代码是下图红框圈出来的地方

image

可以看到代码前面有个判断，只有当isThreeOrderQuery=true时才会执行这个查询，判断方法代码如下

image

然后因为这是个编辑场景，前端会把当前结算单号（usedSettlementOrderCode字段）传给后端，所以这个方法就返回了true。

同理，拼接出来的sql就带了条件(settlement_order_code IS NULL OR settlement_order_code = 'JS23122600000001')。

image

解决起来也很简单，把isThreeOrderQuery()方法圈出来的代码去掉就行了，这样就不会执行那个查询，同时也不会影响原有的代码逻辑，因为后面会根据筛选条件再查一次t_bill_detail表。

改代码发布后，再编辑结算单，优化后的效果如下图：

image

只改了三行代码，接口耗时就立马从469245ms缩短到700ms，性能提升了
600多倍
！

四、总结


感觉压测环境还是有必要的，有些问题数据量小了或者请求并发不够都没法暴露出来，同时以后写代码可以提前把sql在数据库explain下看看性能如何，毕竟能跑就行不是我们的追求

标签: none

添加新评论