云高 发表于 2024-2-19 16:04:46

关于代码性能优化的总结

  今天同事发开中遇到了一个代码性能优化的问题,原本需求是:从一个数据库中查询某个表数据,存放到datatable中,然后遍历datatable,看这些数据在另一个数据库的表中是否存在,存在的话就要更新,不存在就要插入。
  就这个需求本身来说很简单,但是随着数据量的增大,之前通过循环遍历的方式就出现了性能问题。我在思索片刻后,给出的建议是分页查询和利用事务批量提交。
1.利用数据库事务批量提交
1 using (SqlTransaction transaction = targetConnection.BeginTransaction())
2             {
3               foreach (DataRow row in dataTable.Rows)
4               {
5                     if (CheckIfDataExists(targetConnection, transaction, row))
6                     {
7                         UpdateData(targetConnection, transaction, row);
8                     }
9                     else
10                     {
11                         InsertData(targetConnection, transaction, row);
12                     }
13               }
14
15               transaction.Commit();
16             }
17         }
18
19 //下面两个方法都还可以优化,需要接收批量sql语句,所以可以修改成list<SqlCommand>,然后遍历执行,此处能说明问题即可
20   private void UpdateData(SqlConnection connection, SqlTransaction transaction, DataRow row)
21   {
22         using (SqlCommand command = new SqlCommand("UPDATE YourTable SET YourUpdateStatement WHERE YourCondition", connection, transaction))
23         {
24             // Add parameters to your command here, based on your update statement and condition
25             // command.Parameters.AddWithValue("@ParameterName", row["ColumnName"]);
26
27             command.ExecuteNonQuery();
28         }
29   }
30
31   private void InsertData(SqlConnection connection, SqlTransaction transaction, DataRow row)
32   {
33         using (SqlCommand command = new SqlCommand("INSERT INTO YourTable (YourColumns) VALUES (YourValues)", connection, transaction))
34         {
35             // Add parameters to your command here, based on your columns and values
36             // command.Parameters.AddWithValue("@ParameterName", row["ColumnName"]);
37
38             command.ExecuteNonQuery();
39         }
40   }  看到这里的时候,大家可以考虑下,以上方案还有什么优化的地方吗?
  当然是有的,如果数据量持续增大,datatable这样直接加载到内存的方式恐怕会成为性能问题点吧,我们得考虑怎么优化才能避免将大数据一次性加载到内存,大部分同学第一个想到的就是分页,这个方案当然是没有错,但是还不够高级,给大家提示一个关键字“yield”,或许从聪明的你已经悟到了,接着往下看。
2.流式处理法
  什么是流式处理法呢?
  流式处理是一种处理数据的方式,它允许你在数据到达时立即处理,而不是等待所有数据都到达后再处理。这种方式特别适合处理大量数据,因为它不需要一次性加载所有数据到内存中。 在C#中,你可以使用yield return关键字来创建一个返回IEnumerable的方法,这个方法可以在每次迭代时返回一个元素,而不是一次性返回所有元素。这就是一种流式处理的实现方式。举个例子: 1 private IEnumerable<DataRow> GetDataFromSource()
2   {
3         using (SqlConnection sourceConnection = new SqlConnection(sourceConnectionString))
4         {
5             sourceConnection.Open();
6
7             using (SqlCommand command = new SqlCommand("SELECT * FROM YourTable", sourceConnection))
8             {
9               using (SqlDataReader reader = command.ExecuteReader())
10               {
11                     DataTable dataTable = new DataTable();
12
13                     while (reader.Read())
14                     {
15                         dataTable.LoadDataRow(reader.GetValues(), LoadOption.Upsert);
16                         DataRow row = dataTable.Rows;
17                         yield return row;
18                         dataTable.Clear();
19                     }
20               }
21             }
22         }  在这个示例中,GetDataFromSource方法每次迭代时返回一个DataRow,而不是一次性返回所有DataRow。这样,你就可以在每次迭代时处理一个DataRow,而不需要一次性加载所有数据到内存中。但是,如果你的数据处理需要跨行操作,你可能需要使用其他的方法了,这个就不适用。  扫盲:yield一次只返回一个难道就不会多次访问数据库了吗?  在这个示例中,yield return并不会导致多次访问数据库。实际上,数据库查询只执行一次,然后使用SqlDataReader逐行读取结果。yield return只是在每次迭代时返回一个DataRow,而不是一次性返回所有DataRow。 当你在foreach循环中迭代GetDataFromSource()方法时,每次迭代都会从上次停止的地方继续,直到SqlDataReader读取完所有行。这意味着,虽然你每次只处理一个DataRow,但数据库查询只执行一次。   既然已经看到这里了,我们可以继续再考虑下关于性能优化,我们还能从哪些方面着手呢?1. 代码层面:- 使用更高效的数据结构和算法。- 使用缓存避免多次数据库交互- 减少不必要的计算和内存分配。- 利用并行和异步编程提高性能。- 使用性能分析工具定位和优化瓶颈。 2. Web API方面:- 使用HTTP缓存减少不必要的请求。- 使用Gzip或Brotli压缩减少响应大小。- 使用分页、排序和过滤减少返回的数据量。- 使用GraphQL或OData让客户端可以指定需要的数据。 3. 数据库方面:- 使用索引加速查询。- 使用批量操作减少数据库交互次数。- 使用读写分离和数据库分片提高并发性能。- 使用缓存减少数据库访问。 4. Nginx方面:- 使用反向代理和负载均衡提高并发性能。- 使用缓存减少后端服务器的负载。- 使用Gzip压缩减少网络传输量。 5. CDN方面:- 使用CDN加速静态资源的访问。- 使用边缘计算将计算任务靠近用户。 6. 微服务方面:- 使用服务间的异步通信减少等待时间。- 使用服务的横向扩展提高并发性能。- 使用服务的分区设计提高可扩展性。 - 根据业务需求,考虑使用redis、rabbitmq、mangoDB等等中间件 7. 其他方面:- 使用自动扩缩容的云服务应对流量波动。- 使用性能监控和日志分析工具定位性能问题。- 使用容器和Kubernetes等技术提高部署和运行的效率。- 使用链路追踪SkyWorking具体查看哪条链路的性能瓶颈   性能优化本身就是一个非常庞大的话题,需要具体问题具体分析,总的来说是,平常能用到的就是以上总结的这些点。技术永远是为业务服务的,根据不同的业务选择合适的技术是高级开发者必须要考虑的问题。今天分享就这些了,关于性能优化大家还有那些经验可以评论区分享!
来源:https://www.cnblogs.com/Mr-Worlf/p/18020445
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作!
页: [1]
查看完整版本: 关于代码性能优化的总结