Python接口優(yōu)化，性能飆升25倍！
背景
我們負(fù)責(zé)的一個(gè)業(yè)務(wù)平臺(tái)，有次在發(fā)現(xiàn)設(shè)置頁(yè)面的加載特別特別地慢，簡(jiǎn)直就是令人發(fā)指
讓用戶等待 36s 肯定是不可能的，于是我們就要開(kāi)啟優(yōu)化之旅了。
投石問(wèn)路
既然是網(wǎng)站的響應(yīng)問(wèn)題，可以通過(guò) Chrome 這個(gè)強(qiáng)大的工具幫助我們快速找到優(yōu)化方向。
通過(guò) Chrome 的 Network 除了可以看到接口請(qǐng)求耗時(shí)之外，還能看到一個(gè)時(shí)間的分配情況，選擇一個(gè)配置沒(méi)有那么多的項(xiàng)目，簡(jiǎn)單請(qǐng)求看看：
雖然只是一個(gè)只有三條記錄的項(xiàng)目，加載項(xiàng)目設(shè)置都需要 17s，通過(guò) Timing, 可以看到總的請(qǐng)求共耗時(shí) 17.67s ，但有 17.57s 是在 Waiting(TTFB) 狀態(tài)。
- TTFB 是 Time to First Byte 的縮寫(xiě)，指的是瀏覽器開(kāi)始收到服務(wù)器響應(yīng)數(shù)據(jù)的時(shí)間（后臺(tái)處理時(shí)間+重定向時(shí)間），是反映服務(wù)端響應(yīng)速度的重要指標(biāo)。
Profile 火焰圖 + 代碼調(diào)優(yōu)
那么大概可以知道優(yōu)化的大方向是在后端接口處理上面，后端代碼是 Python + Flask 實(shí)現(xiàn)的，先不盲猜，直接上 Profile：
第一波優(yōu)化：功能交互重新設(shè)計(jì)
說(shuō)實(shí)話看到這段代碼是絕望的：完全看不出什么？只是看到很多 gevent 和 Threading，因?yàn)樘鄥f(xié)程或者線程？
這時(shí)候一定要結(jié)合代碼來(lái)分析（為了簡(jiǎn)短篇幅，參數(shù)部分用 “...” 代替）：
- def get_max_cpus(project_code, gids):
- """
- """
- ...
- # 再定義一個(gè)獲取 cpu 的函數(shù)
- def get_max_cpu(project_setting, gid, token, headers):
- group_with_machines = utils.get_groups(...)
- hostnames = get_info_from_machines_info(...)
- res = fetchers.MonitorAPIFetcher.get(...)
- vals = [
- round(100 - val, 4)
- for ts, val in res['series'][0]['data']
- if not utils.is_nan(val)
- ]
- maxmax_val = max(vals) if vals else float('nan')
- max_cpus[gid] = max_val
- # 啟動(dòng)線程批量請(qǐng)求
- for gid in gids:
- t = Thread(target=get_max_cpu, args=(...))
- threads.append(t)
- t.start()
- # 回收線程
- for t in threads:
- t.join()
- return max_cpus
通過(guò)代碼可以看到，為了更加快速獲取 gids 所有的 cpu_max 數(shù)據(jù)，為每個(gè) gid 分配一個(gè)線程去請(qǐng)求，最終再返回最大值。
這里會(huì)出現(xiàn)兩個(gè)問(wèn)題：
- 在一個(gè) web api 做線程的 創(chuàng)建 和 銷毀 是有很大成本的，因?yàn)榻涌跁?huì)頻繁被觸發(fā)，線程的操作也會(huì)頻繁發(fā)生，應(yīng)該盡可能使用線程池之類的，降低系統(tǒng)花銷；
- 該請(qǐng)求是加載某個(gè) gid (群組) 下面的機(jī)器過(guò)去 7 天的 CPU 最大值，可以簡(jiǎn)單拍腦袋想下，這個(gè)值不是實(shí)時(shí)值也不是一個(gè)均值，而是一個(gè)最大值，很多時(shí)候可能并沒(méi)有想象中那么大價(jià)值；
既然知道問(wèn)題，那就有針對(duì)性的方案：
- 調(diào)整功能設(shè)計(jì)，不再默認(rèn)加載 CPU 最大值，換成用戶點(diǎn)擊加載（一來(lái)降低并發(fā)的可能，二來(lái)不會(huì)影響整體）；
- 因?yàn)?1 的調(diào)整，去掉多線程實(shí)現(xiàn)；
再看第一波優(yōu)化后的火焰圖：
這次看的火焰圖雖然還有很大的優(yōu)化空間，但起碼看起來(lái)有點(diǎn)正常的樣子了。
第二波優(yōu)化：Mysql 操作優(yōu)化處理
我們?cè)購(gòu)捻?yè)面標(biāo)記處（接口邏輯處）放大火焰圖觀察：
看到好大一片操作都是由 utils.py:get_group_profile_settings 這個(gè)函數(shù)引起的數(shù)據(jù)庫(kù)操作熱點(diǎn)。
同理，也是需要通過(guò)代碼分析：
- def get_group_profile_settings(project_code, gids):
- # 獲取 Mysql ORM 操作對(duì)象
- ProfileSetting = unpurview(sandman.endpoint_class('profile_settings'))
- session = get_postman_session()
- profile_settings = {}
- for gid in gids:
- compound_name = project_code + ':' + gid
- result = session.query(ProfileSetting).filter(
- ProfileSetting.name == compound_name
- ).first()
- if result:
- resultresult = result.as_dict()
- tag_indexes = result.get('tag_indexes')
- profile_settings[gid] = {
- 'tag_indexes': tag_indexes,
- 'interval': result['interval'],
- 'status': result['status'],
- 'profile_machines': result['profile_machines'],
- 'thread_settings': result['thread_settings']
- }
- ...(省略)
- return profile_settings
看到 Mysql ，第一個(gè)反應(yīng)就是 索引問(wèn)題，所以優(yōu)先去看看數(shù)據(jù)庫(kù)的索引情況，如果有索引的話應(yīng)該不會(huì)是瓶頸：
很奇怪這里明明已經(jīng)有了索引了，為什么速度還是這個(gè)鬼樣子呢！
正當(dāng)毫無(wú)頭緒的時(shí)候，突然想起在 第一波優(yōu)化 的時(shí)候， 發(fā)現(xiàn) gid（群組）越多的影響越明顯，然后看回上面的代碼，看到那句：
- for gid in gids:
- ...
我仿佛明白了什么。
這里是每個(gè) gid 都去查詢一次數(shù)據(jù)庫(kù)，而項(xiàng)目經(jīng)常有 20 ~ 50+ 個(gè)群組，那肯定直接爆炸了。
其實(shí) Mysql 是支持單字段多值的查詢，而且每條記錄并沒(méi)有太多的數(shù)據(jù)，我可以嘗試下用 Mysql 的 OR 語(yǔ)法，除了避免多次網(wǎng)絡(luò)請(qǐng)求，還能避開(kāi)那該死的 for
正當(dāng)我想事不宜遲直接搞起的時(shí)候，余光瞥見(jiàn)在剛才的代碼還有一個(gè)地方可以優(yōu)化，那就是：
看到這里，熟悉的朋友大概會(huì)明白是怎么回事。
GetAttr 這個(gè)方法是Python 獲取對(duì)象的 方法/屬性 時(shí)候會(huì)用到，雖然不可不用，但是如果在使用太過(guò)頻繁也會(huì)有一定的性能損耗。
結(jié)合代碼一起來(lái)看：
- def get_group_profile_settings(project_code, gids):
- # 獲取 Mysql ORM 操作對(duì)象
- ProfileSetting = unpurview(sandman.endpoint_class('profile_settings'))
- session = get_postman_session()
- profile_settings = {}
- for gid in gids:
- compound_name = project_code + ':' + gid
- result = session.query(ProfileSetting).filter(
- ProfileSetting.name == compound_name
- ).first()
- ...
在這個(gè)遍歷很多次的 for 里面，session.query(ProfileSetting) 被反復(fù)無(wú)效執(zhí)行了，然后 filter 這個(gè)屬性方法也被頻繁讀取和執(zhí)行，所以這里也可以被優(yōu)化。
總結(jié)下的問(wèn)題就是：
- 1. 數(shù)據(jù)庫(kù)的查詢沒(méi)有批量查詢；
- 2. ORM 的對(duì)象太多重復(fù)的生成，導(dǎo)致性能損耗；
- 3. 屬性讀取后沒(méi)有復(fù)用，導(dǎo)致在遍歷次數(shù)較大的循環(huán)體內(nèi)頻繁 getAttr，成本被放大；
那么對(duì)癥下藥就是：
- def get_group_profile_settings(project_code, gids):
- # 獲取 Mysql ORM 操作對(duì)象
- ProfileSetting = unpurview(sandman.endpoint_class('profile_settings'))
- session = get_postman_session()
- # 批量查詢 并將 filter 提到循環(huán)之外
- query_results = query_instance.filter(
- ProfileSetting.name.in_(project_code + ':' + gid for gid in gids)
- ).all()
- # 對(duì)全部的查詢結(jié)果再單條處理
- profile_settings = {}
- for result in query_results:
- if not result:
- continue
- resultresult = result.as_dict()
- gid = result['name'].split(':')[1]
- tag_indexes = result.get('tag_indexes')
- profile_settings[gid] = {
- 'tag_indexes': tag_indexes,
- 'interval': result['interval'],
- 'status': result['status'],
- 'profile_machines': result['profile_machines'],
- 'thread_settings': result['thread_settings']
- }
- ...(省略)
- return profile_settings
優(yōu)化后的火焰圖：
對(duì)比下優(yōu)化前的相同位置的火焰圖：
明顯的優(yōu)化點(diǎn)：優(yōu)化前的，最底部的 utils.py:get_group_profile_settings 和 數(shù)據(jù)庫(kù)相關(guān)的熱點(diǎn)大大縮減。
優(yōu)化效果
同一個(gè)項(xiàng)目的接口的響應(yīng)時(shí)長(zhǎng)從 37.6 s 優(yōu)化成 1.47s，具體的截圖：
優(yōu)化總結(jié)
如同一句名言：
- 如果一個(gè)數(shù)據(jù)結(jié)構(gòu)足夠優(yōu)秀，那么它是不需要多好的算法。
在優(yōu)化功能的時(shí)候，最快的優(yōu)化就是：去掉那個(gè)功能！
其次快就是調(diào)整那個(gè)功能觸發(fā)的 頻率 或者 復(fù)雜度！
從上到下，從用戶使用場(chǎng)景去考慮這個(gè)功能優(yōu)化方式，往往會(huì)帶來(lái)更加簡(jiǎn)單高效的結(jié)果，嘿嘿！
當(dāng)然很多時(shí)候我們是無(wú)法那么幸運(yùn)的，如果我們實(shí)在無(wú)法去掉或者調(diào)整，那么就發(fā)揮做程序猿的價(jià)值咯：Profile
針對(duì) Python 可以嘗試：cProflile + gprof2dot
而針對(duì) Go 可以使用: pprof + go-torch
很多時(shí)候看到的代碼問(wèn)題都不一定是真正的性能瓶頸，需要結(jié)合工具來(lái)客觀分析，這樣才能有效直擊痛點(diǎn)！
其實(shí)這個(gè) 1.47s，其實(shí)還不是最好的結(jié)果，還可以有更多優(yōu)化的空間，比如：
- 前端渲染和呈現(xiàn)的方式，因?yàn)檎麄€(gè)表格是有很多數(shù)據(jù)組裝后再呈現(xiàn)的，響應(yīng)慢的單元格可以默認(rèn)先顯示 菊花，數(shù)據(jù)返回再更新；
- 火焰圖看到還有挺多細(xì)節(jié)可以優(yōu)化，可以替換請(qǐng)求數(shù)據(jù)的外部接口，比如再優(yōu)化徹底 GetAttr 相關(guān)的邏輯；
- 更極端就是直接 Python 轉(zhuǎn) GO；
但是這些優(yōu)化已經(jīng)不是那么迫切了，因?yàn)檫@個(gè) 1.47s 是比較大型項(xiàng)目的優(yōu)化結(jié)果了，絕大部分的項(xiàng)目其實(shí)不到 1s 就能返回
再優(yōu)化可能付出更大成本，而結(jié)果可能也只是從 500ms 到 400ms 而已，結(jié)果并不那么高性價(jià)比。
所以我們一定要時(shí)刻清晰自己優(yōu)化的目標(biāo)，時(shí)刻考慮 投入產(chǎn)出比，在有限的時(shí)間做出比較高的價(jià)值（如果有空閑時(shí)間當(dāng)然可以盡情干到底）
