聊一聊方案中心性能优化中做的缓存设计

1. 本篇文章主要是对方案性能优化2.0中，所做的缓存设计的过程、方案、结果做一个总结。

复制代码

一、前言
对于方案中心，核心业务场景之一是物流场景下的物流费用计算。而部分业务场景下，对于物流费用计算的性能有较高要求，如ICBU网站运费模板链路，通方案中心计算快递、海拼物流费用。在接入新的流量场景的背景下（ICBU商品搜索接入运费展示、菜鸟经营中台快递运力线回迁方案中心），方案中心将会面对更高的性能压力。此前预估如需要支持运费模板计算核心20国运费，方案中心集群qps需要达到6600，计算全量220国运费，集群qps则需要达到35600。但是优化前方案中心集群qps性能仅仅在1600左右，远远达不到要求，此前已经做了1.0的优化版本，qps提升40%，但是还达不到支撑计算20国运费的要求。2.0优化目标就是要达到足以支撑计算核心20国运费的要求。本篇文章主要是对2.0的优化中，所做的缓存设计的过程、方案、结果做一个总结。二、优化2.0面临什么问题
2.1 1.0优化做了什么
 

在1.0 的性能优化中，我们制定了降低CPU资源消耗、合理使用缓存资源等措施，整体集群性能提升在40%左右，qps集群压测能到2300，但这与目标6600还有差距。因此，针对复杂的查价流程，需要进一步在代码架构层面进行优化。1.0 已做优化措施

• 降低CPU资源消耗
  

• 规则引擎表达式预先编译并且缓存
  
• 减少大对象深度复制，快递场景可以完全不复制
  
• 避免通过JSON序列化，再反序列化实现创建对象并且赋值
  
• 底层元数据查询方法，避免使用第三方封装的校验框架
  
• 日志打印优化，debug添加isDebug判断
  

• tair使用优化
  

• mget替代tair get方法使用，降低网络资源消耗
  

 
2.2 计费流程的核心问题--嵌套循环查询
 

图 2.2-1 简化的计费流程<ul >匹配运力线方案 1