问题描述
单例数据库模式中，后端高并发请求多（读多写少），导致数据库压力过大，关键接口响应变慢，严重影响体验。
需求
减少接口的响应时间。
寻找解决方案
由于问题主要处在数据库压力过大的情况，采用两种优化思路优化查询过程：
- 使用缓存分担数据库压力
- 对查询数据库过程做优化
缓存方案
更新策略
使用Redis，虽然可以很好地减少数据库的压力，但是同时在高并发的情况下，容易出现数据不一致的情况，尤其是在更新数据的时候。
最常见的导致不一致的原因是双写操作，即高并发情况下短时间内对数据库进行两次写操作。为了最小程度地出现这种情况，缓存在更新策略上采用先更新数据库后删除缓存的方式。
对于双写问题，在最坏情况下，写请求A在更新数据库后，被写请求B先一步更新数据库+删除缓存，然后A请求才删除缓存，也不会导致后续请求读取到错误的值。
对于先写后读，在最坏情况下，写请求A在更新数据库后，被读请求C先一步在缓存读取到旧值，然后A请求才删除缓存，也只会影响这段时间的读请求，删除后的读请求不影响。
对比其他方案（先更新缓存后更新数据库、先删除缓存后更新数据库、先更新数据库后更新缓存）在最坏情况下会导致的错误（更新数据库失败导致缓存是未知值、双写后数据库变成旧值、更新缓存失败导致缓存保存旧值）要好得多。
但是先更新数据库后删除缓存也不是完全安全的，除了上文提到的高并发下先写后读可能读到旧值外，若删除缓存失败，也有可能导致读到旧值。处理方法见下文。
缓存架构
添加缓存，势必要修改业务代码，如何配置架构才能把对代码的入侵性讲到最低，这里使用监听数据库binlog的方法，使用中间件监听mysql的日志，当出现操作时，通知专门的模块来修改缓存，做到修改缓存和业务逻辑解耦。
同时为了解决缓存删除失败的问题，当发生失败时，发送消息至消息队列传递给专门的模块进行重试删除。
中间件选择：
- 缓存使用Redis
- 监听binlog使用canal
- 消息队列使用RocketMQ
架构如下所示：
SQL优化
查询优化可以从两个方面进行：
- 根据高频的查询case，遵循最左匹配原则，设置对应的索引或联合索引
- 通过了解业务场景，看看能否将一些小SQL合并成大SQL
通过本文的介绍，我们可以看到，优化慢查询并不一定需要对程序代码进行复杂的修改。通过巧妙地运用缓存和SQL优化手段，我们可以达到相同或者更好的效果。在实际的开发中，我们应该继续探索和研究这些优化方法，以提高程序的效率和稳定性。
到此这篇关于通过缓存+SQL修改优雅地优化慢查询的文章就介绍到这了,更多相关优化慢查询内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！
