背景
好久没写文章了，寂静了大半年
持续性朝气蓬勃，间歇性癫痫发生
天天来大姨爹，在迷茫、焦虑中度过每一天
不得不抵赖，其实本人就是个废物
作为一名低级前端工程师
最近解决了一个十几年的祖传老接口
它继承了所有至尊级复杂度逻辑
传说中调用一次就能让cpu负载飙升90%的日天服务
专治各种不服与老年痴呆
咱们观赏一下这个接口的耗时
均匀调用工夫在3s以上
导致页面呈现重大的转菊花
通过各种深度分析与专业人士答疑
最初得出结论是：放弃医疗
鲁迅在《狂人日记》里曾说过：“能战胜我的，只有女人和酒精，而不是bug”
每当身处光明之时
这句话总能让我看到光
所以这次要硬起来
我决定做一个node代理层
用上面三个办法进行优化：
按需加载 -> graphQL数据缓存 -> redis轮询更新 -> schedule
代码地址：github
按需加载 -> graphQL
天秀老接口存在一个问题，咱们每次申请1000条数据，返回的数组中，每一条数据都有上百个字段，其实咱们前端只用到其中的10个字段而已。
如何从一百多个字段中，抽取任意n个字段，这就用到graphQL。
graphQL按需加载数据只须要三步：
- 定义数据池 root
- 形容数据池中数据结构 schema
- 自定义查问数据 query
定义数据池
咱们针对屌丝谋求女神的场景，定义一个数据池，如下：
// 数据池var root = { girls: [{ id: 1, name: '女神一', iphone: 12345678910, weixin: 'xixixixi', height: 175, school: '剑桥大学', wheel: [{ name: '备胎1号', money: '24万元' }, { name: '备胎2号', money: '26万元' }] }, { id: 2, name: '女神二', iphone: 12345678910, weixin: 'hahahahah', height: 168, school: '哈佛大学', wheel: [{ name: '备胎3号', money: '80万元' }, { name: '备胎4号', money: '200万元' }] }]}外面有两个女神的所有信息，包含女神的名字、手机、微信、身高、学校、备胎汇合等信息。
接下来咱们就要对这些数据结构进行形容。
形容数据池中数据结构
const { buildSchema } = require('graphql');// 形容数据结构 schemavar schema = buildSchema(` type Wheel { name: String, age: Int } type Info { id: Int name: String iphone: Int weixin: String height: Int school: String wheel: [Wheel] } type Query { girls: [Info] }`);下面这段代码就是女神信息的schema。
首先咱们用type Query定义了一个对女神信息的查问，外面蕴含了很多女孩girls的信息Info，这些信息是一堆数组，所以是[Info]
咱们在type Info中形容了一个女孩的所有信息的维度，包含了名字(name)、手机(iphone)、微信(weixin)、身高(height)、学校(school)、备胎汇合(wheel)
定义查问规定
失去女神的信息形容(schema)后，就能够自定义获取女神的各种信息组合了。
比方我想和女神意识，只须要拿到她的名字(name)和微信号(weixin)。查问规定代码如下：
const { graphql } = require('graphql');// 定义查问内容const query = ` { girls { name weixin } }`;// 查问数据const result = await graphql(schema, query, root)筛选后果如下：
又比方我想进一步和女神倒退，我须要拿到她备胎信息，查问一下她备胎们(wheel)的家产(money)别离是多少，剖析一下本人能不能获取优先择偶权。查问规定代码如下：
const { graphql } = require('graphql');// 定义查问内容const query = ` { girls { name wheel { money } } }`;// 查问数据const result = await graphql(schema, query, root)筛选后果如下：
咱们通过女神的例子，展示了如何通过graphQL按需加载数据。
映射到咱们业务具体场景中，天秀接口返回的每条数据都蕴含100个字段，咱们配置schema，获取其中的10个字段，这样就防止了剩下90个不必要字段的传输。
graphQL还有另一个益处就是能够灵便配置，这个接口须要10个字段，另一个接口要5个字段，第n个接口须要另外x个字段
依照传统的做法咱们要做出n个接口能力满足，当初只须要一个接口配置不同schema就能满足所有状况了。
感悟
在生活中，咱们舔狗真的很短少graphQL按需加载的思维
渣男渣女，各取所需
你的真情在名媛背后不值一提
咱们要学会投其所好
上来就亮车钥匙，没有车就秀才艺
今晚我有一条祖传的染色体想与您分享一下
行就行，不行就换下一个
直奔主题，简略粗犷
缓存 -> redis
第二个优化伎俩，应用redis缓存
天秀老接口外部调用了另外三个老接口，而且是串行调用，极其耗时耗资源，秀到你头皮发麻
咱们用redis来缓存天秀接口的聚合数据，下次再调用天秀接口，间接从缓存中获取数据即可，防止高耗时的简单调用，简化后代码如下：
const redis = require("redis");const { promisify } = require("util");// 链接redis服务const client = redis.createClient(6379, '127.0.0.1');// promise化redis办法，以便用async/awaitconst getAsync = promisify(client.get).bind(client);const setAsync = promisify(client.set).bind(client);async function list() { // 先获取缓存中数据，没有缓存就去拉取天秀接口 let result = await getAsync("缓存"); if (!result) { // 拉接口 const data = await 天秀接口(); result = data; // 设置缓存数据 await setAsync("缓存", data) } return result;}list(); 先通过getAsync来读取redis缓存中的数据，如果有数据，间接返回，绕过接口调用，如果没有数据，就会调用天秀接口，而后setAsync更新到缓存中，以便下次调用。因为redis存储的是字符串，所以在设置缓存的时候，须要加上JSON.stringify(data)，为了便于大家了解，我就不加了，会把具体细节代码放在github中。
将数据放在redis缓存里有几个益处
能够实现多接口复用、多机共享缓存
这就是传说中的云备胎
谋求一个女神的成功率是1%
同时谋求100个女神，那你获取到一个女神的概率就是100%
鲁迅《狂人日记》里曾说过：“舔一个是舔狗，舔一百个你就是战狼”
你是想当舔狗还是当战狼？
来吧，缓存用起来，redis用起来
轮询更新 -> schedule
最初一个优化伎俩：轮询更新 -> schedule
女神的备胎用久了，会定时换一批备胎，让新鲜血液进来，发现新的高兴
缓存也一样，须要定时更新，放弃与数据源的一致性，代码如下：
const schedule = require('node-schedule');// 每个小时更新一次缓存schedule.scheduleJob('* * 0 * * *', async () => { const data = await 天秀接口(); // 设置redis缓存数据 await setAsync("缓存", data)});咱们用node-schedule这个库来轮询更新缓存，* * 0 * * *这个的意思就是设置每个小时的第0分钟就开始执行缓存更新逻辑，将获取到的数据更新到缓存中，这样其余接口和机器在调用缓存的时候，就能获取到最新数据，这就是共享缓存和轮询更新的益处。
早年我在当舔狗的时候，就将轮询机制施展到酣畅淋漓
每天向白名单里的女神，定时轮询发消息
有限循环云跪舔三件套：
- “啊宝贝，最近有没有想我”
- “啊宝贝早安安”
- “宝贝晚安，么么哒”
尽管女神仍然看不上我
但依然时刻筹备着为女神服务！
结尾
通过以上三个办法优化后
接口申请耗时从3s降到了860ms
这些代码都是在业务中由繁化简后抽离出的逻辑
实在的业务场景远比这要简单：分段式数据存储、主从同步 读写拆散、高并发同步策略等等
每一个模块都艰涩难懂
就如同每一个女神都遥不可及
屌丝战败了所有bug，唯独战败不了她的心
受伤了只能在深夜里单独买醉
但每当梦到女神关上我做的页面
被极致晦涩的体验惊艳到
在精力低潮中享受灵魂升华
那一刻
我感觉我又行了
（完）
代码地址：github
FFCreator是咱们团队做的一个轻量、灵便的短视频加工库。您只须要增加几张图片或文字，就能够疾速生成一个相似抖音的酷炫短视频。github地址：https://github.com/tnfe/FFCreator 欢送小伙伴star。