打破大事务瓶颈：接口性能优化策略

1、前言

作为后端开发的程序员，我们常常会的一些相对比较复杂的逻辑，比如我们需要给前端写一个调用的接口，这个接口需要进行相对比较复杂的业务逻辑操作，比如会进行，查询、远程接口或本地接口调用、更新、插入、计算等一些逻辑，将最终接口的返回结果给到前端，而经过这么一系列的业务逻辑操作，接口对DB的操作、对代码业务逻辑判断、进行接口调用这些都是需要时间的，而只要这是一个事务操作，每次对数据库进行的交互都会产生一条事务记录。

那么这样就会对我们接口返回的效率产生影响，而且这个影响是随着数据量的增长而增长的，这时候我们就需要对一整个大事务进行拆分，从而提升整体接口的效率。

2、何为大事务

就拿我最近开发写的一个接口来说吧，大致是这么一个逻辑，我需要根据页面的提交的数据生成一个收款单，整体接口处理的业务如下，我把它们写在了一个接口里，可以理解为这是一个大事物，这个接口执行的时间是相对比较长的，而且将这些逻辑全部写在一个接口里面，本身来说也是不太合理的。

3、大事务存在的一些问题

并发数据不一致

不加锁的情况下，由于种种原因第一次接口的调用还没执行完，还在等待第三方的调用回写数据，第二次调用又进来对数据进行了更改，第二次调用先执行完，这时候第一次接口调用拿到了第三方接口的返回，去回写状态发现已经被更新，导致无效操作。加锁容易阻塞加锁的情况下， 不会出现数据不一致情况，但是由于大事物执行时间较长，容易造成锁超时失效，锁定太多的数据造成阻塞，严重影响效率。Undo logo事务日志性能问题容易造成Undo logo日志数据量很大，降低了日志的查询性能，包括对事务的回滚效率也会降低。并发数据库压力太大并发量达到一定程度，会对数据库读写造成不小的压力，会堆积大量等待线程。

4、如何优化大事务

事务里面不要进行远程RPC调用

首先事务里面进行远程的接口调用，如果不采用分布式事务框架，本身就会存在事务不一致的情况，无法进行数据的回滚操作，并发情况下远程服务响应不及时，会出现接口返回不一致问题，当然必须采用异步调用，后面会提到。

编程型事务更加灵活

声明式事务只需要加在方法头加@Transactional注解即可开启事务，但是还是不太灵活，意味着整个方法所进行对数据库操作都要加进事务，当然一次查询也要进入事务，这并不是我们想要的，我们在update、insert操作上进行事务操作，方便进行回滚。

public Boolean transactionCommit(String userName) {
    //查询用户
    SysUser sysUser = userMapper.selectUserByUserName(userName,null);

    transactionTemplate.execute(new TransactionCallbackWithoutResult() {
        @Override
        protected void doInTransactionWithoutResult(TransactionStatus transactionStatus) {
            try {
                if (null != sysUser) {
                    //用户信息状态更新 status更新为1
                    userMapper.updateStatus(userName);
                }
            } catch (Exception e){
                //回滚
                transactionStatus.setRollbackOnly();
            }
        }
    });
    //再次查询
    SysUser sysUser1 = userMapper.selectUserByUserName(userName,"1");
    /log/.info("状态为1的用户信息"+JSON./toJSONString/(sysUser1));
    return  true;
}

编程式事务的灵活点在于可以控制事务执行方法，运用transactionTemplate类进行事务操作，查询操作可以写在外面，这样查询获取数据的操作就不会进入mysql事务表。

数据分批处理

对于事务的更新或者插入，前端可能会有批量操作，大规模数据的批量更新、插入也会对事务接口产生影响，一旦其中有更新或插入失败，为了保证事务的一致性，整个操作都要进行回滚；

• 前端：可以限制数据，对后端接口的访问，可以将数据进行分页，多次请求，可以避免事务提交大量数据。
• 后端：也可以对数据进行分页处理，例如每次可以限制50条进行操作，如果是新增逻辑，使用Mybatis的批量更新大大提升效率

List partition = Lists.partition(receivableFeeSaveDTOList, 50);

大事务拆分小事务

可以将一个事务接口，拆分成多个事务接口，并且每个事务接口只做一件事，比如上面的收款单生成接口，金额回写、第三方接口调用、调用后的结果回写都可以抽成一个个小事务接口。

就好比做一件很复杂的事情，咋一眼看上去很复杂，但是我们把这复杂的步骤，进行多个步骤的拆分，每个阶段完成每个阶段的事情，就可以将整个过程简化，看起来就没那么复杂了。

异步并行处理

重中之重，事务里如果无法避免远程调用，那么肯定是需要进行异步调用，因为无法保证远程接口的及时响应性，CompletableFuture异步编排特性可以用到，task1和task2任务结束后，执行task3。

CompletableFuture task1 =CompletableFuture.supplyAsync(() -> {
    System.out.println("单号check线程" + Thread.currentThread().getId());
    //单号check接口 校验失败抛出异常

    return "账单实体信息";
}, executor);
CompletableFuture task2 = CompletableFuture.supplyAsync(() -> {
    System.out.println("收款单生成线程" + Thread.currentThread().getId());
    try {
        //收款单生成

        return “账单编号”;
        Thread.sleep(3000);
        System.out.println("任务2结束：");
    } catch (InterruptedException e) {
        e.printStackTrace();
    }

}, executor);

 //task1、task2 执行完执行task3 ,需要感知task1和task2的执行结果
CompletableFuture future = task1.thenCombineAsync(task2, (t1, t2) -> {

    System.out.println("账单金额回写线程" + Thread.currentThread().getId());
    // t1 、t2返回判断

    //回写返回结果
    return ture;
}, executor);

5、总结

可见大事务是我们接口效率低下的罪魁祸首，有时候我们为了快速实现功能，可能会忽略一些关乎于性能的东西，而这些东西是我们能力提升的一个契机。