商城小问题汇总 A

• 在service层做try{}catch(Exception){logger.err}级别，助于快速排错
• 对于同一模板，建议使用Supplier封装
• MessageFormat.format(string, formatter); 如果 formatter是非String，会自动转换成String并且自动补","，如果转换的是回调地址，会出现问题
• rxjava 由于采用线程池管理，内部还有线程，如果时间不一致，内部一个模块timeout异常会造成整个observable timeout异常，并且rxjava由于开辟多线程会造成cpu不可控
• logger.info(obj.toString())不应该出现在高并发请求的地方，会打印大量的本地日志照成线程Blocked，影响性能大概在3-4倍
• System.currentTimeMillis()调用的是native，1ms调用一次，8core CPU消耗大概在2~5%，在高并发接口应该避免高频调用，有一种解决方案是缓存一秒的时间，在业务上对时间精度很高的时候不能这么用

currentTimeMillis 和 currentTimeNanos性能对比：http://pzemtsov.github.io/2017/07/23/the-slow-currenttimemillis.html

• pojo.pojo.name 这种很容易抛出 nullpoint 问题，最好在pojo.pojo做一次非空校验
• 本地缓存guava/ehcache可以提高速度，但是业务服务器的内存并不会特别大，大量的使用本地缓存来缓存数据，会造成可用内存少，存在风险，对响应速度不是超高并发的，建议使用第三方缓存
• @Autowire Map<String, IHandler> handlers; 这总方法会把所有实现IHandler的@Component自动注册成一个Map，key就是小写的alias，但是像多个城市，使用都是同一个handler，但是又必须区分的时候，这种方式就有弊端
  • 适用：1：1
  • 不适用：N：1，N：N
• Java语言中针对long/double型以外的任何变量（包括基础类型变量和引用型变量）进行的读、写操作都是原子操作，即Java语言规范本身并不规定针对long/double型变量进行读、写操作具有原子性。一个long/double型变量的读/写操作在32位Java虚拟机下可能会被分解为两个子步骤（比如先写低32位，再写高32位）来实现，这就导致一个线程对long/double型变量进行的写操作的中间结果可以被其他线程所观察到，即此时针对long/double型变量的访问操作不是原子操作。
  http://www.infoq.com/cn/articles/java-multi-thread-volatile?utm_source=articles_about_java&utm_medium=link&utm_campaign=java
• volatile对原子性的保障仅限于共享变量写和读操作本身。对共享变量进行的赋值操作实际上往往是一个复合操作，volatile并不能保障这些赋值操作的原子性，对volatile变量的赋值操作其表达式右边不能包含任何共享变量（包括被赋值的volatile变量本身）
• HashMap<Object, Object> 顺序不保证一致，如果要求保证输入输出顺序一致性，使用LinkedHashMap
• 缓存有两个概念，我一直搞混淆了，一个是缓存并发问题（当某个时间点缓存不存在，并发又很大的时候，多个线程会重复去查询DB），一个是缓存穿透问题。我们在处理秒杀、红包领取、优惠券的场景时，使用spring-cache做为缓存管理框架，在4.x某个版本没有避免缓存并发的问题，在某一段时间，由于缓存的并发会有几十条响应慢的问题
• HashMap 取 2^n在于存储位不重复
• 流程拆分过程封装，返回结果合并，否则会造成业务紧耦合，但是这个有可能会造成性能降低（需要自己衡量）
• 商城在页面模块将渲染模板以及映射数据缓存在内存，模板数据较大，映射模板的业务数据较小，每次请求直连分布式缓存读取数据，每个value 20kb，并发上来后，分布式缓存key不分散导致集中在某一台服务器上，导致服务器网卡带宽被出口数据占满，无法响应请求，由于是非特殊业务场景，大量业务共享一套分布式业务缓存，此问题会严重影响线上其他业务系统以及自身，本质问题在没有合理设计业务数据的存放场景
  • 分布式缓存适合做双中心、南北中心，分布式锁、ACL并且缓存一份数据库配置型数据（更多是作为动态数据，不适合作为高并发静态数据的缓存），优点是内存空间可以弹性扩展，发布均衡。主要存放的是单数据体量小，总数据体量大的数据，大数据体量受制于网络开销，内存足够大，无需频繁置换
  • 本地缓存 适合存放单数据体量大，总数据体量小。用置换率带来的消耗，减少网络开销。对于小数据体量，数据静态不变的，适合使用本地缓存
  • 还可以采用一、二级缓存，并且对一级缓存做自定义hash分布，减少本地缓存数据，置换也是通过二级缓存来提高速度