使用查詢分離后，從20s優(yōu)化到500ms，牛哇！
那咱們先來聊聊，為啥之前查詢那么慢呢？其實啊，原因也簡單，就是因為數(shù)據(jù)量太大了。你想啊，一個表里有幾千萬條數(shù)據(jù)，每次查詢還得關(guān)聯(lián)十幾個子表，每個子表的數(shù)據(jù)也是上億條，這能不慢嗎？咱們雖然用了索引、優(yōu)化了SQL，但效果還是不明顯。這就像是你讓一個胖子去跑馬拉松，他跑得動嗎？跑不動啊！
所以啊，咱們就得想辦法給這個“胖子”減減肥，這就是查詢分離的思路啦。咱們在寫數(shù)據(jù)的時候，順便把數(shù)據(jù)發(fā)到一個消息隊列（MQ）里，然后異步地寫到Elasticsearch（ES）里去。這樣，查詢的時候就不去主表湊熱鬧了，直接去ES里查，那速度可就快多了。
那具體怎么實現(xiàn)呢？咱們來看看代碼。假設(shè)咱們用的是Java，首先，咱們得在寫數(shù)據(jù)庫的時候，把數(shù)據(jù)也發(fā)到MQ里去。這里咱們用RabbitMQ作為例子：
import com.rabbitmq.client.ConnectionFactory;
import com.rabbitmq.client.Connection;
import com.rabbitmq.client.Channel;
public class MessageSender {
private final static String QUEUE_NAME = "data_queue";
public void send(String message) throws Exception {
ConnectionFactory factory = new ConnectionFactory();
factory.setHost("localhost");
try (Connection connection = factory.newConnection();
Channel channel = connection.createChannel()) {
channel.queueDeclare(QUEUE_NAME, false, false, false, null);
channel.basicPublish("", QUEUE_NAME, null, message.getBytes());
System.out.println(" [x] Sent '" + message + "'");
}
}
}這段代碼就是往MQ里發(fā)消息的。咱們在寫數(shù)據(jù)庫的時候，調(diào)用這個send方法，把數(shù)據(jù)作為消息發(fā)出去。
然后，咱們得有個消費者來監(jiān)聽這個MQ，把消息異步地寫到ES里去。這里咱們用Elasticsearch的Java客戶端來操作ES：
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.CreateIndexResponse;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.index.IndexResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.common.xcontent.XContentType;
public class EsDataWriter {
private RestHighLevelClient client;
public EsDataWriter(RestHighLevelClient client) {
this.client = client;
}
public void writeToEs(String indexName, String jsonData) throws Exception {
IndexRequest indexRequest = new IndexRequest(indexName);
indexRequest.source(jsonData, XContentType.JSON);
IndexResponse indexResponse = client.index(indexRequest, RequestOptions.DEFAULT);
System.out.println("Data written to ES with id: " + indexResponse.getId());
}
}這段代碼就是往ES里寫數(shù)據(jù)的。咱們在MQ的消費者里，拿到消息后，調(diào)用這個writeToEs方法，把數(shù)據(jù)寫到ES里去。那這樣，查詢的時候咱們就不去主表查了，直接去ES里查。那速度，嗖嗖的，500毫秒就出結(jié)果了。
但是啊，這里有個問題，就是數(shù)據(jù)還沒同步到ES的時候，立馬去查，查不到怎么辦？這個嘛，咱們也有辦法。咱們可以在數(shù)據(jù)庫里加個字段，比如叫es_synced，表示數(shù)據(jù)是否已經(jīng)同步到ES了。ES消費者寫入ES后可以更新一下這個字段，查詢單條數(shù)據(jù)的時候，咱們先查這個字段，如果已經(jīng)同步了，就直接去ES里查；如果還沒同步，就等一會兒再查，或者從主表里查。
如果是批量查多條數(shù)據(jù)那就不用做這個處理了，只允許查出來已經(jīng)同步到ES的數(shù)據(jù)就可以了！
那歷史數(shù)據(jù)怎么遷移呢？這個其實也不難。咱們可以寫個腳本，把主表里的數(shù)據(jù)分批查出來，然后發(fā)到MQ里去，讓消費者異步地寫到ES里去。這樣，歷史數(shù)據(jù)也就遷移到ES里了。
總的來說啊，這個查詢分離的思路還是挺實用的。它就像是一個減肥的方法，讓咱們的“胖子”數(shù)據(jù)庫跑得快了起來。當然啦，這個方法也不是萬能的，比如如果數(shù)據(jù)量實在太大了，寫入速度也會受影響。但是啊，對于大部分場景來說，這個方法還是挺好用的。
好啦，今天咱們就聊到這里啦。如果你也有類似的困擾，不妨試試這個方法~
