本文主要是介绍我是怎么从30个并发平均每个2000毫秒 到 300个并发平均每个178毫秒的，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
最近一个多月一直在做服务器的性能优化，老大的要求是要做到300个并发，控制在200毫秒以内，就说说我最近做的内容吧。
从30个并发平均每个2000毫秒 到 300个并发平均每个178毫秒
简单介绍一下做了那些优化：
01、减少log日志的打印
02、减少redis的交互
03、耗时操作的处理
04、大文件信息的存储
05、python的缓存机制
06、异步处理非返回操作
一、定位耗时操作 -- 唯一变量法
由于之前一直定位错误，导致了很多弯路，现发现一个比较好的定位方法 --- 逐个函数定位
需要借用压测工具：wrk 或 jmeter
测试性能顺序：纯服务器性能 -- 加上参数处理时的性能 -- 加上第一个函数时的性能 -- 加上第二个函数时的性能 等等
如果在添加某一个步骤时性能变差很多，说明里有问题，需要仔细排查
简单放两个对比图
纯服务器性能 + 参数处理时的性能
纯服务器性能 + 参数处理时的性能 + 读取音频
我们发现两个性能测试只差一个读取音频函数 但形成却相差很多，说明在读取音频这里是一个巨大的耗时，那么就要想办法处理掉
二、性能处理
01、我们可能会感觉打印一个log不会是耗时操作，但通过唯一变量法发现 打印log也是耗时的，因为要控制在200ms以内，那就是任何耗时的都要深思熟虑，于是减少log的打印
02、当对redis做读取操作时，每次读取都要花费几毫秒，那就想办法优化甚至怎么减少redis的读取：
优化：
a、当能确认并必确认这是第一个存储并不需要获取时，就可以减少一次获取，直接存储。
b、要使用redis的缓存池
c、使用redis的通道法
减少判断：
先假想代码处理流程，中间用到了几次redis的读取，然后通过redis的INFO commandstats 命令，定位redis的耗时，以及有没有多余的操作
redis的耗时
数据信息为：操作次数 – 总耗时 – 平均耗时
这样我们就能清清楚楚的看到用到了几次读写操作，分别耗时多少
具体详见：
redis的使用，以及耗时定位
03+04+05、耗时操作的处理
一般指：mysql的读取 -- I/O操作
当频繁性的使用一个数据时就要想着做缓存处理，缓存也会考虑处理时间，个人感觉处理时间（如有不对，请斧正）：
本地磁盘 > redis > 内存 > 机制化内存
通过”定位耗时操作 -- 唯一变量法“ 得知，音频文件的读取是一个很耗时的操作，那么就做缓存处理。
方法一：redis缓存
说到缓存数据，首先想到了内存性数据库redis，于是想办法将音频存至redis中，操作很简单，以音频名称为key值 -- 读取的信息为value进行存储(注意类型为bytes类型) + 过期时间(redis的存储大小为512M)
很快代码写完了，那就测测效果吧，一次效果还不错，提升了不少，但还是很耗时，而且与想象的相差很多，预想存储redis，读取都是几毫秒 最多也就10+毫秒的时间，为什么测试结果与预想结果查那么多，在redis读取那里加上时间，测一下读取时间，一看打印时间都在80+以上有的甚至到达150+，后来发现原因：数据过大，读取缓慢
方法二：cacheout缓存
于是将音频的数据存至内存中，发小效果不错，几乎不耗时，达到了理想状态。
转念一想，数据会一直累加与服务器内存，导致整个服务器增加，于是查找有效的缓存机制，就找到了cacheout缓存
它可以设置同时设置多个缓存，并且可以设置缓存机制(优先策略)，设置有效条目数 以及 设置有效时间， 大多数操作基本和redis一样，简单易懂
方法三：redis + cacheout
（主要考虑到负载均衡，可能会有多个服务，但会公用一个redis）
按理说现在已经完全达到了要求，对音频(根据url下载的)的处理已经最优化了，但有一个问题是音频文件还一直存在于服务器内，增加内存，那就想办法移除。
于是就有了这个redis + cacheout的想法。
存储：
URL下载音频 -- 读取音频 -- 将音频信息存至redis 和 缓存中 -- 删除音频文件
读取：
获取音频名称 -- 缓存查找 -- redis查找 -- URL下载存储
06、异步处理非返回操作
一次请求处理中，打印log和发送日志，以及一些I/O是避免不了的，所以我们会用到子线程异步存储，让这些耗时的去一边处理，不影响主线的处理。
另加一个小点-如果你的用户请求是有顺序的，那么在存储redis时也可以用一下时间差，但一定要把握好！
我这里用的是twisted的threads
threads.deferToThread(save_user_info, "voice_body", voice, 1)
附送：使同步阻塞函数秒表非阻塞异步并发函数--twisted框架
一、使同步函数秒变异步并发函数
如果需要返回值， 如run2()函数
给请求函数添加装饰器@inlineCallbacks
并使用yield进行接收返回值
@inlineCallbacks
def run2():"""主函数"""# 将耗时函数放入另一个线程执行，返回一个deferred对象d = yield (threads.deferToThread(largeFibonnaciNumber))# 等待返回的结果 再做处理print(d)二、如果不需要返回值可以使用addCallback回调函数 如run()函数
def run():"""主函数"""# 将耗时函数放入另一个线程执行，返回一个deferred对象d = threads.deferToThread(largeFibonnaciNumber)# 添加回调函数d.addCallback(fibonacciCallback)具体代码见项目中的other目录
Git代码： 公众号后台回复 python_sanic
这篇关于我是怎么从30个并发平均每个2000毫秒 到 300个并发平均每个178毫秒的的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
