對于“大對象”的優(yōu)化。“大對象”是一個泛化概念，它可能存放在 JVM 中，也可能正在網(wǎng)絡(luò)上傳輸，也可能存在于數(shù)據(jù)庫中

為什么大對象會影響我們的應(yīng)用性能呢？

• 第一，大對象占用的資源多，垃圾回收器要花一部分精力去對它進(jìn)行回收；
• 第二，大對象在不同的設(shè)備之間交換，會耗費網(wǎng)絡(luò)流量，以及昂貴的 I/O；
• 第三，對大對象的解析和處理操作是耗時的，對象職責(zé)不聚焦，就會承擔(dān)額外的性能開銷

結(jié)合緩存，以及對象的池化操作，加上對一些中間結(jié)果的保存，我們能夠?qū)Υ髮ο筮M(jìn)行初步的提速，但這還遠(yuǎn)遠(yuǎn)不夠，我們僅僅減少了對象的創(chuàng)建頻率，但并沒有改變對象“大”這個事實

String 的 substring 方法

String 在 Java 中是不可變的，如果你改動了其中的內(nèi)容，它就會生成一個新的字符串。

如果我們想要用到字符串中的一部分?jǐn)?shù)據(jù)，就可以使用 substring 方法

如上圖所示，當(dāng)我們需要一個子字符串的時候，substring 生成了一個新的字符串，這個字符串通過構(gòu)造函數(shù)的 Arrays.copyOfRange 函數(shù)進(jìn)行構(gòu)造，這個函數(shù)在 JDK7 之后是沒有問題的，但在 JDK6 中，卻有著內(nèi)存泄漏的風(fēng)險

上圖是從 JDK 官方的一張截圖。

可以看到，它在創(chuàng)建子字符串的時候，并不只拷貝所需要的對象，而是把整個 value 引用了起來。

如果原字符串比較大，即使不再使用，內(nèi)存也不會釋放

比如，一篇文章內(nèi)容可能有幾兆，我們僅僅是需要其中的摘要信息，也不得不維持整個的大對象

String content = dao.getArticle(id); 
String summary=content.substring(0,100); 
articles.put(id,summary);

有一些工作年限比較長的面試官，對 substring 還停留在 JDK6 的印象，但其實，Java 已經(jīng)將這個 bug 給修改了

這對我們的借鑒意義是：如果你創(chuàng)建了比較大的對象，并基于這個對象生成了一些其他的信息，這個時候，一定要記得去掉和這個大對象的引用關(guān)系

集合大對象擴(kuò)容

對象擴(kuò)容，在 Java 中是司空見慣的現(xiàn)象，比如 StringBuilder、StringBuffer、HashMap，ArrayList 等。

概括來講，Java 的集合，包括 List、Set、Queue、Map 等，其中的數(shù)據(jù)都不可控。

在容量不足的時候，都會有擴(kuò)容操作，擴(kuò)容操作需要重新組織數(shù)據(jù)，所以都不是線程安全的

StringBuilder 的擴(kuò)容代碼

void expandCapacity(int minimumCapacity) { 
        int newCapacity = value.length * 2 + 2; 
        if (newCapacity - minimumCapacity < 0) 
            newCapacity = minimumCapacity; 
        if (newCapacity < 0) { 
            if (minimumCapacity < 0) // overflow 
                throw new OutOfMemoryError(); 
            newCapacity = Integer.MAX_VALUE; 
        } 
        value = Arrays.copyOf(value, newCapacity); 
}

容量不夠的時候，會將內(nèi)存翻倍，并使用 Arrays.copyOf 復(fù)制源數(shù)據(jù)

HashMap 的擴(kuò)容代碼，擴(kuò)容后大小也是翻倍。它的擴(kuò)容動作就復(fù)雜得多，除了有負(fù)載因子的影響，它還需要把原來的數(shù)據(jù)重新進(jìn)行散列，由于無法使用 native 的 Arrays.copy 方法，速度就會很慢

void addEntry(int hash, K key, V value, int bucketIndex) { 
        if ((size >= threshold) && (null != table[bucketIndex])) { 
            resize(2 * table.length); 
            hash = (null != key) ? hash(key) : 0; 
            bucketIndex = indexFor(hash, table.length); 
        } 
        createEntry(hash, key, value, bucketIndex); 
} 
 
void resize(int newCapacity) { 
        Entry[] oldTable = table; 
        int oldCapacity = oldTable.length; 
        if (oldCapacity == MAXIMUM_CAPACITY) { 
            threshold = Integer.MAX_VALUE; 
            return; 
        } 
        Entry[] newTable = new Entry[newCapacity]; 
        transfer(newTable, initHashSeedAsNeeded(newCapacity)); 
        table = newTable; 
        threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1); 
}

List 的代碼也是阻塞性的，擴(kuò)容策略是原長度的 1.5 倍

private void grow(int minCapacity) {
        // overflow-conscious code
        int oldCapacity = elementData.length;
        int newCapacity = oldCapacity + (oldCapacity >> 1);
        if (newCapacity - minCapacity < 0)
            newCapacity = minCapacity;
        if (newCapacity - MAX_ARRAY_SIZE > 0)
            newCapacity = hugeCapacity(minCapacity);
        // minCapacity is usually close to size, so this is a win:
        elementData = Arrays.copyOf(elementData, newCapacity);
}
 
private static int hugeCapacity(int minCapacity) {
        if (minCapacity < 0) // overflow
            throw new OutOfMemoryError();
        return (minCapacity > MAX_ARRAY_SIZE) ?
            Integer.MAX_VALUE :
            MAX_ARRAY_SIZE;
}

由于集合在代碼中使用的頻率非常高，如果你知道具體的數(shù)據(jù)項上限，那么不妨設(shè)置一個合理的初始化大小。

比如，HashMap 需要 1024 個元素，需要 7 次擴(kuò)容，會影響應(yīng)用的性能。

面試中會頻繁出現(xiàn)這個問題，你需要了解這些擴(kuò)容操作對性能的影響。

但是要注意，像 HashMap 這種有負(fù)載因子的集合（0.75），初始化大小 = 需要的個數(shù)/負(fù)載因子+1，如果你不是很清楚底層的結(jié)構(gòu)，那就不妨保持默認(rèn)

保持合適的對象粒度

實際案例

有一個并發(fā)量非常高的業(yè)務(wù)系統(tǒng)，需要頻繁使用到用戶的基本數(shù)據(jù)。如下圖所示，由于用戶的基本信息，都是存放在另外一個服務(wù)中，所以每次用到用戶的基本信息，都需要有一次網(wǎng)絡(luò)交互。

更加讓人無法接受的是，即使是只需要用戶的性別屬性，也需要把所有的用戶信息查詢，拉取一遍

為了加快數(shù)據(jù)的查詢速度，對數(shù)據(jù)進(jìn)行了初步的緩存，放入到了 Redis 中，查詢性能有了大的改善，但每次還是要查詢很多冗余數(shù)據(jù)

原始的 redis key 是這樣設(shè)計的

• type: string 
• key: user_${userid}  
• value: json

這樣的設(shè)計有兩個問題

• 查詢其中某個字段的值，需要把所有 json 數(shù)據(jù)查詢出來，并自行解析；
• 更新其中某個字段的值，需要更新整個 json 串，代價較高

針對這種大粒度 json 信息，就可以采用打散的方式進(jìn)行優(yōu)化，使得每次更新和查詢，都有聚焦的目標(biāo)

接下來對 Redis 中的數(shù)據(jù)進(jìn)行了以下設(shè)計，采用 hash 結(jié)構(gòu)而不是 json 結(jié)構(gòu)

• type: hash  
• key: user_${userid} 
• value: {sex:f, id:1223, age:23}

這樣，我們使用 hget 命令，或者 hmget 命令，就可以獲取到想要的數(shù)據(jù)，加快信息流轉(zhuǎn)的速度

Bitmap 把對象變小

除了以上操作，還能再進(jìn)一步優(yōu)化嗎？比如，我們系統(tǒng)中就頻繁用到了用戶的性別數(shù)據(jù)，用來發(fā)放一些禮品，推薦一些異性的好友，定時循環(huán)用戶做一些清理動作等；或者，存放一些用戶的狀態(tài)信息，比如是否在線，是否簽到，最近是否發(fā)送信息等，從而統(tǒng)計一下活躍用戶等。那么對是、否這兩個值的操作，就可以使用 Bitmap 這個結(jié)構(gòu)進(jìn)行壓縮

Java 的 Boolean 占用的是多少位？

Java 虛擬機(jī)規(guī)范里，描述是：將 Boolean 類型映射成的是 1 和 0 兩個數(shù)字，它占用的空間是和 int 相同的 32 位。即使有的虛擬機(jī)實現(xiàn)把 Boolean 映射到了 byte 類型上，它所占用的空間，對于大量的、有規(guī)律的 Boolean 值來說，也是太大了

如代碼所示，通過判斷 int 中的每一位，它可以保存 32 個 Boolean 值！

int a= 0b0001_0001_1111_1101_1001_0001_1111_1101;

Bitmap 就是使用 Bit 進(jìn)行記錄的數(shù)據(jù)結(jié)構(gòu)，里面存放的數(shù)據(jù)不是 0 就是 1，Java 中的相關(guān)結(jié)構(gòu)類，就是 java.util.BitSet，BitSet 底層是使用 long 數(shù)組實現(xiàn)的，所以它的最小容量是 64

10 億的 Boolean 值，只需要 128MB 的內(nèi)存，下面既是一個占用了 256MB 的用戶性別的判斷邏輯，可以涵蓋長度為 10 億的 ID

static BitSet missSet = new BitSet(010_000_000_000); 
static BitSet sexSet = new BitSet(010_000_000_000); 
String getSex(int userId) { 
    boolean notMiss = missSet.get(userId); 
    if (!notMiss) { 
        //lazy fetch 
        String lazySex = dao.getSex(userId); 
        missSet.set(userId, true); 
        sexSet.set(userId, "female".equals(lazySex)); 
    } 
    return sexSet.get(userId) ? "female" : "male"; 
}

這些數(shù)據(jù)，放在堆內(nèi)內(nèi)存中，還是過大了。幸運(yùn)的是，Redis 也支持 Bitmap 結(jié)構(gòu)，如果內(nèi)存有壓力，我們可以把這個結(jié)構(gòu)放到 Redis 中，判斷邏輯也是類似的

給出一個 1GB 內(nèi)存的機(jī)器，提供 60億 int 數(shù)據(jù)，如何快速判斷有哪些數(shù)據(jù)是重復(fù)的？

Bitmap 是一個比較底層的結(jié)構(gòu)，在它之上還有一個叫作布隆過濾器的結(jié)構(gòu)（Bloom Filter），布隆過濾器可以判斷一個值不存在，或者可能存在

如圖，它相比較 Bitmap，它多了一層 hash 算法。既然是 hash 算法，就會有沖突，所以有可能有多個值落在同一個 bit 上。它不像 HashMap一樣，使用鏈表或者紅黑樹來處理沖突，而是直接將這個hash槽重復(fù)使用。從這個特性我們能夠看出，布隆過濾器能夠明確表示一個值不在集合中，但無法判斷一個值確切的在集合中

上面這種優(yōu)化方式，本質(zhì)上也是把大對象變成小對象的方式，在軟件設(shè)計中有很多類似的思路。比如像一篇新發(fā)布的文章，頻繁用到的是摘要數(shù)據(jù)，就不需要把整個文章內(nèi)容都查詢出來；用戶的 feed 信息，也只需要保證可見信息的速度，而把完整信息存放在速度較慢的大型存儲里

數(shù)據(jù)的冷熱分離

數(shù)據(jù)除了橫向的結(jié)構(gòu)緯度，還有一個縱向的時間維度，對時間維度的優(yōu)化，最有效的方式就是冷熱分離，所謂熱數(shù)據(jù)，就是靠近用戶的，被頻繁使用的數(shù)據(jù)；而冷數(shù)據(jù)是那些訪問頻率非常低，年代非常久遠(yuǎn)的數(shù)據(jù)

同一句復(fù)雜的 SQL，運(yùn)行在幾千萬的數(shù)據(jù)表上，和運(yùn)行在幾百萬的數(shù)據(jù)表上，前者的效果肯定是很差的。所以，雖然你的系統(tǒng)剛開始上線時速度很快，但隨著時間的推移，數(shù)據(jù)量的增加，就會漸漸變得很慢

冷熱分離是把數(shù)據(jù)分成兩份，如下圖，一般都會保持一份全量數(shù)據(jù)，用來做一些耗時的統(tǒng)計操作

由于冷熱分離在工作中經(jīng)常遇到，所以面試官會頻繁問到數(shù)據(jù)冷熱分離的方案。簡單介紹三種：

1.數(shù)據(jù)雙寫

把對冷熱庫的插入、更新、刪除操作，全部放在一個統(tǒng)一的事務(wù)里面。由于熱庫（比如 MySQL）和冷庫（比如 Hbase）的類型不同，這個事務(wù)大概率會是分布式事務(wù)。在項目初期，這種方式是可行的，但如果是改造一些遺留系統(tǒng)，分布式事務(wù)基本上是改不動的，我通常會把這種方案直接廢棄掉

2.寫入 MQ 分發(fā)

通過 MQ 的發(fā)布訂閱功能，在進(jìn)行數(shù)據(jù)操作的時候，先不落庫，而是發(fā)送到 MQ 中。單獨啟動消費進(jìn)程，將 MQ 中的數(shù)據(jù)分別落到冷庫、熱庫中。使用這種方式改造的業(yè)務(wù)，邏輯非常清晰，結(jié)構(gòu)也比較優(yōu)雅。像訂單這種結(jié)構(gòu)比較清晰、對順序性要求較低的系統(tǒng)，就可以采用 MQ 分發(fā)的方式。但如果你的數(shù)據(jù)庫實體量非常大，用這種方式就要考慮程序的復(fù)雜性了

3.使用 Binlog 同步

針對 MySQL，就可以采用 Binlog 的方式進(jìn)行同步，使用 Canal 組件，可持續(xù)獲取最新的 Binlog 數(shù)據(jù)，結(jié)合 MQ，可以將數(shù)據(jù)同步到其他的數(shù)據(jù)源中

思維發(fā)散

對于結(jié)果集的操作，我們可以再發(fā)散一下思維?？梢詫⒁粋€簡單冗余的結(jié)果集，改造成復(fù)雜高效的數(shù)據(jù)結(jié)構(gòu)。這個復(fù)雜的數(shù)據(jù)結(jié)構(gòu)可以代理我們的請求，有效地轉(zhuǎn)移耗時操作

比如，我們常用的數(shù)據(jù)庫索引，就是一種對數(shù)據(jù)的重新組織、加速

B+ tree 可以有效地減少數(shù)據(jù)庫與磁盤交互的次數(shù)，它通過類似 B+ tree 的數(shù)據(jù)結(jié)構(gòu)，將最常用的數(shù)據(jù)進(jìn)行索引，存儲在有限的存儲空間中

還有就是，在 RPC 中常用的序列化

有的服務(wù)是采用的 SOAP 協(xié)議的 WebService，它是基于 XML 的一種協(xié)議，內(nèi)容大傳輸慢，效率低下。現(xiàn)在的 Web 服務(wù)中，大多數(shù)是使用 json 數(shù)據(jù)進(jìn)行交互的，json 的效率相比 SOAP 就更高一些

另外，大家應(yīng)該都聽過 google 的 protobuf，由于它是二進(jìn)制協(xié)議，而且對數(shù)據(jù)進(jìn)行了壓縮，性能是非常優(yōu)越的。protobuf 對數(shù)據(jù)壓縮后，大小只有 json 的 1/10，xml 的 1/20，但是性能卻提高了 5-100 倍，protobuf 的設(shè)計是值得借鑒的，它通過 tag|leng|value 三段對數(shù)據(jù)進(jìn)行了非常緊湊的處理，解析和傳輸速度都特別快

針對大對象，我們有結(jié)構(gòu)緯度的優(yōu)化和時間維度的優(yōu)化兩種方法

• 從結(jié)構(gòu)緯度來說，通過把對象切分成合適的粒度，可以把操作集中在小數(shù)據(jù)結(jié)構(gòu)上，減少時間處理成本；通過把對象進(jìn)行壓縮、轉(zhuǎn)換，或者提取熱點數(shù)據(jù)，就可以避免大對象的存儲和傳輸成本
• 從時間緯度來說，就可以通過冷熱分離的手段，將常用的數(shù)據(jù)存放在高速設(shè)備中，減少數(shù)據(jù)處理的集合，加快處理速度

總結(jié)

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。 

最新評論