常见性能优化思路
从理论上分析，性能优化手段通常有
批量
- 请求数据库，我们一般会用in,提高数据库查询效率
- 调用外部服务，我们也需要要求依赖方提供批量接口，避免多次网络请求
- 批量查询的id数量也不宜过多
之前在sql IN一文中分析过，IN 的数量太多时，性能会下降。同样服务间调用，数据量过大，带宽占用大。所以这时候需要分批调用。
List<String> res= Lists.partition(ids, 200).parallelStream()
.flatMap(batch -> mServiceA.batchGetA(batch).stream())
.collect(Collectors.toList());并行/并发处理，利用多线程可以提高效率
比如接口中需要请求多个外部接口/数据库，相互之间无依赖，因为这种操作都是IO操作，可以由顺序执行改为并行执行，充分利用cpu处理能力,如
CompletableFuture<String> a = CompletableFuture.supplyAsync(() -> mServiceA.getA());
CompletableFuture<String> b = CompletableFuture.supplyAsync(() -> mServiceB.getB());
CompletableFuture.allOf(a,b).join();异步，非强依赖的调用可以通过异步化处理
异步，分为读写。比如写是弱依赖，可以用 @Async 或者其他操作。
如果是读，不是必须的数据，也需要加上超时处理,因为外部调用有网络原因，都是不可靠的
CompletableFuture<String> a = CompletableFuture.supplyAsync(() -> mServiceA.getA());
CompletableFuture<String> b = CompletableFuture.supplyAsync(() -> mServiceB.getB());
try {
CompletableFuture.allOf(a, b).get(1000, TimeUnit.MILLISECONDS);
} catch (Exception ex) {
if (!a.isDone()) {
}
if (!b.isDone()) {
}
}减少数据处理量
eg. 拉取外部数据，全量的循环去拉，增量的使用事件通知机制，这样可以减少数据处理量
避免深度分页
数据库的深度分页性能比较差，需要在业务上避免深度分页
缓存
缓存本质上就是从读取速度快的设备中直接获取数据。通过空间来换时间。对于DB中的数据可以缓存，对于外部服务的数据同样可以缓存
使用多级缓存，可以最大限度提升性能。
