推薦閱讀：
從OpenSearch中檢索出數據，然後各種填充組裝數據，最後返回。
邏輯看似很簡單，當初我也是這樣認爲的，於是預估5天完成，最後前前後後開發、聯調、改bug直到上線差不多花了10天（當然這10天並不是只做這一件事情）。
複雜在於影響返回結構的因素很多，排除問題需要檢查配置、檢查數據庫、檢查緩存、檢查OpenSearch、檢查代碼。
言歸正傳，不管邏輯有多複雜，都不是你逃避問題的接口，更不是你不去優化的理由，這不是本文的重點，優化過程纔是。
要求，給APP提供的接口一般要求響應時間在100ms以內。
第一次壓測
慘不忍睹，平均響應時間150ms，而且在這次壓測過程中還發現其它的問題，後臺報錯，經查是OpenSearch每秒查詢次數限制
優化代碼與配置
1、修改OpenSearch配置，並且將壓測環境中的OpenSearch連接地址改爲內網地址。2、將代碼中循環查詢緩存的地方改爲一次性批量查詢返回。3、和相關同學確認後去掉項目中無用的代碼。
第二次壓測
雖然優化了代碼，修改了配置，但是情況更糟糕了，而且還改出了新的問題。當時，反覆檢查了代碼，確定查詢緩存的次數已經是最少了，而且連接線程池相關參數也調到一個相對較大且合理的值了。如果，再壓測還是無法達到要求的話，只有出最後一招了：緩存結果集。即，以用戶ID和用戶搜索的關鍵詞爲key，查詢的結果爲value，緩存5分鐘。
第三次壓測
總算符合要求了，併發60的時候響應時間達到32ms，而我又發現了新的優化點。
接口中居然還有查數據庫的操作，這可不能忍，排查之後去掉了一些不必要的依賴。
成長
學會了使用RedisTemplate的executePipelined進行redis批量查詢
針對本次優化的總結
1、一定要絕對避免循環查數據庫和緩存（PS：循環裏面就不能有查詢緩存，更不能有查詢數據庫的操作，因爲循環的次數沒法控制）；
2、對於API接口的話，一般都是直接查緩存的，沒有查數據庫的；
3、多用批量查詢，少用單條查詢，儘量一次查出來；
4、對於使用阿里雲，要留意一下相應產品的配置，該花的錢還是得花，同時，千萬要記得正式環境中使用相應產品的內網地址；
5、注意連接池大小（包括數據庫連接池、Redis緩存連接池、線程池）；
6、壓測的機器上不要部署其它的服務，只跑待壓測的服務，避免受其它項目影響；對於線上環境，最好一臺機器上只部署一個重要的服務；
7、沒有用的以及被註釋掉的代碼，沒有用的依賴最好及時清理掉；
8、集羣自不用說；
9、一些監控類的工具工具可以幫助我們更好的定位問題，比如鏈路跟蹤，這次項目中使用了PinPoint；
10、如果技術上優化的空間已經非常小了，可以試着從業務上着手，用實際的數據說話，可以從日常的訪問量，歷史訪問量數據來說服測試；
11、每一次代碼改動都有可能引入新的問題，因此，每次修改代碼後都要回歸測試一下（PS：每次修改完以後，我都會用幾組不同的關鍵詞搜索，然後比對修改前和修改後返回的數據是否一致，這個時候postman，以及Beyond compare就派上用場了）；
12、關鍵的地方一定要多加點兒日誌，方便以後排除問題，因爲排查線上問題最主要還是靠日誌；