002-日常总结

1. 线程与性能相关

类别	总结
性能问题排查步骤	1. CPU占比过高： 1.1 top命令查看CPU占比高的进程，然后top -Hp pid查看异常线程；     1.2 jstack pid查看进程的各线程栈信息，找到异常线程的堆栈信息，分析堆栈调用的类、方法； 2. GC相关信息：     jstat 命令，查看新生代、老年代GC的次数、时间、以及内存使用等信息； 3. 内存数据分析：     jmap + jhat 命令，dump内存文件到本地，然后MAT工具分析内存中对象占比，及产生的源头。     jmap -dump : 生成Java堆转储快照     jmap -heap：显示Java堆详细信息     jmap -histo:like |more：显示堆中对象统计信息
定时任务与线程池	定时任务不适用线程池模型，定时任务触发时刻瞬时压力大，其他时间基本不执行；使用线程池模型则在触发时线程池瞬间被塞满任务，且容易出现拒绝的情况；但是处理完之后几乎全部空闲，浪费线程资源； 一般根据任务触发时预计处理数据量来估计使用方式，比如一万条数据以内，一次性取出全部数据，然后循环串行执行完；如果数据量较大，则考虑分批次每次取1000条数据处理；
druid与dubbo线程池	获取driud conn导致dubbo线程池被占满：查看jstack发现线程状态waiting，且卡在获取连接处。查看源码定位到breakAfterAcquireFailure设置为true，当获取连接失败时当前线程会退出，就会出现栈中没有其他线程的情况； 解决办法：1.设置获取连接的超时时间，2. breakAfterAcquireFailure不设置为true；
线程池中线程的执行	线程池在调度的时候执行的Runnable的run()方法，而不是start()方法。如果是start()方法，那么当往线程池仍过多的任务时，线程池会额外创建线程，同是每个任务都是异步执行的，所有的任务一下子就执行完了。如果是要通过线程池调度，那么只能使用同步阻塞的run()方法调用才满足这个要求。
start()方法与run()方法	1.  Thread.start() 方法用来异步启动一个线程，然后主线程立刻返回。该启动的线程不会马上运行，会放到等待队列中等待 CPU 调度，只有线程真正被 CPU 调度时才会调用 run() 方法执行。 2. 如果直接调用 run() 方法，那就等于调用了一个普通的同步方法，达不到多线程运行的异步执行。
线程池的hystrix隔离
信号量的hystrix隔离

 

2. 接口对接

类别	总结
对外SDK设计	1. SDK接口参数尽量设计成通用参数，不用频繁升级，如参数放在context中，业务方动态扩展；
	2. SDK参数灵活设置，则后台接入层需要校验参数，包括key是否存在，value是否为null，类型是否匹配，能否有默认值等
	3. SDK中所有入参、出参一定要设置序列号，否则容易出现新老包因序列化导致的不兼容问题，或使用jsom格式、context格式等；
	4. SDK升级，老版本一定要回归测试，业务方比一定也升级SDK，确保SDK能向下兼容；
	5. SDK中最好包含调用者信息，如token；便于后台服务统计和监控调用者请求量、QPS，甚至设计降级和熔断策略；
前后端接口对接	对外提供接口升级一定要确保兼容使用老版本的调用方，入参和出参均需要序列化，建议使用json格式传递参数；
	1. 所有需要处理的数据(包括转换、赋值、判断等)一定要判断是否为空，避免出现空指针异常；
	2. 数据转换时一定校验为空的情况，避免传入数据为空导致转换时报异常；
	3. 枚举值空值处理，基本类型与包装类型的空处理，实体Bean的定义采用包装类型，避免基本类型的自动初始化赋值；
	4. 时间、日期等在后端封装成String后返回至前端，避免传输时丢失UTC时间；
	5. long型数据传至前端时最好转换成string（16位以上数据可能会丢失精度）；
	6. post请求以json格式传参，get请求以form格式传参，与前端规范保持一致；
	7. 未查询到数据返回code值200，返回信息说明未查询到数据，注意与异常值-1区分开；
	8. 返回前端的状态值最好带上desc，例如(0571，杭州),(1，已支付)等；
	9. 对外提供服务要打印接口请求参数和返回结果，便于问题排查，参数map不建议用json格式打印，会丢失value为null的key；
定时任务相关	9. 定时任务预留手动触发接口，万一线上数据跑错后可以重新跑；另外统计数据一定要做到幂等，多次统计结果保持正确；
	10. 文件操作（excel、txt等）一定要注意数据量的大小，必须有限定条件限制数据量，但数据量太大时可能会导致处理时间过长、内存被占满等问题，或者是当后台还未处理完，但http请求认为已经超时后重新请求，导致重复处理，使问题更严重。最好还能限制并发操作，避免同时请求导致内存被耗光。
	props.load(new FileInputStream("db.properties")); 是读取当前目录的db.properties文件   getClass.getResourceAsStream("db.properties"); 是读取当前类所在位置一起的db.properties文件   getClass.getResourceAsStream("/db.properties"); 是读取ClassPath的根的db.properties文件,注意ClassPath如果是多个路径或者jar文件的,只要在任意一个路径目录下或者jar文件里的根下都可以,如果存在于多个路径下的话,按照ClassPath中的先后顺序,使用先找到的,其余忽略。
其他	1. SpringBoot支持动态的读取文件，扩展接口为：EnvironmentPostProcessor；
	2.  MongoSocketOpenException异常，原因是springboot自动配置了支持mongodb。在启动springboot时会自动实例化一个mongo实例，需要禁用自动配置。 增加 @SpringBootApplication ( exclude = MongoAutoConfiguration.class)配置即可；
	3. 手动指定外部logback加载路径，添加配置项：logging.config=D:/logs/mq-demo/logback.xml
	4. String操作类的replace和replaceAll的区别（replace替换字符串命中，replaceAll替换正则表达式命中）
	5.  如果在try语句里有return语句，finally语句还是会执行。它会在把控制权转移到该方法的调用者或者构造器前执行finally语句。也就是说，使用return语句把控制权转移给其他的方法前会执行finally语句。
es查询深度分页问题	1. es搜索原理：当执行查询10000~10100条记录时，es节点将请求广播到各分片，各分片查前10100条记录。然后查询结果返回给es节点，es节点都结果合并整合后，取相应数据返回给client； 2. 问题：如果此方式查1000000~1000100条记录时，cpu、内存、网络io可能都会出现问题；所以会有修改index.max_result_window 值的方式来限制from/size的执行范围，即不能超过设定值，否则报错； 3. 更高效的深度分页方式：Scroll 或者SearchAfter。scroll常用于离线的读取深度分页数据，SearchAfter用于实时和高并发场景，执行原理类似与传统数据库里的cursors（游标），如果是不关心顺序的场景，可以考虑使用scroll-scan。 4. Scroll方式在一次查询请求后维护一个索引快照的search context，然后每次再去批量的读取数据，效率比较高，缺点是维护search context需要占用很多资源；searchAfter的方式通过维护一个实时游标来避免scroll的缺点，可以用于实时请求和高并发场景，缺点是不能够随机跳转分页，只能是一页一页的向后翻，并且需要至少指定一个唯一不重复字段来排序。
线上空指针问题排查	1. 线上频繁报空指针异常，error日志打印过多，不再打印堆栈信息，不知道去查看最开始的日志信息，结果需要手动审查代码，难以定位问题； 2. 请求参数打印时，json打印map参数不打印值为null的key，导致本地测试map参数和线上不一致，无法重现问题； 3. map取值校验时，判断key是否存在后，取值要先做空判断再转类型，彻底避免空指针异常的出现；

 

 

3.  myBatis使用细节

描述	解释
错误：with a primitive return type (int).	返回值类型为int，但是查询出来的结果有空值(null)，无法转换成基本类型。包括char，long，short都有可能。 解决方式：1. select ifnull(value, 0) from xxx;结果为空时默认返回返回值0。2. 如果where 条件命中不上，select语句则不会执行（where语句比select先执行），返回值仍为null。此情况一是使用 select case when then语句。二是修改Mapper接口中的返回值类型，改用包装类（Integer，Short，Long等），并在业务逻辑中处理null值。   select CASE WHEN (select provinceID from kdmc_t_province where name =#{province})is null THEN 0 ELSE (select provinceID from kdmc_t_province where name =#{province}) END;
resultType和resultMap区别	查询出来的结果集只有一行且一列，可以使用简单类型进行输出映射。通过resultType映射。 如果查询结果复杂，需要封装成bean，则适合使用resultMap，定义映射规则。
动态传入表名，例如数据记录日表	先区分#{}和${}的却别，简略来讲${}单纯填充字段，不做预编译；#{}有预编译过程，可以防止SQL注入。（#{} 是编译好SQL语句再取值，${} 这是取值以后再去编译SQL语句） 那么，动态传入表名则需要使用${}方式，例如select * from ${prefix}ACT_HI_PROCINST where PROC_INST_ID_ = #{processInstanceId}，另外SQL语句配置为statementType="STATEMENT"，即不进行预编译。
mySQL时间选择	TIMESTAMP 和时区相关，更能反映当前时间。当插入日期时，会先转换为本地时区后再存放；当查询日期时，会将日期转换为本地时区后再显示。所以不同时区的人看到的同一时间是不一样的。注：mySQL中timestamp范围从1970年~2038年。
多参数入参	单个参数配置文件映射时能自动识别，多参数则需要指定参数，一是通过Map传递，二是封装成bean，三是在接口通过注解标明。例如： Integer getAccountPermissionValue( @Param("publicId") long publicId, @Param("prvCode") String prvCode ) throws Exception;
随机数生成	private String getFixLenthString(int strLength) { Random rm = new Random();     // 获得随机数     double pross = (1 + rm.nextDouble()) * Math.pow(10, strLength);     // 将获得的获得随机数转化为字符串     String fixLenthString = String.valueOf(pross);     // 返回固定的长度的随机数     return fixLenthString.substring(2, strLength + 2); }
insert返回主键id	1. xml文件中insert语句配置useGeneratedKeys="true" keyProperty="id" keyColumn="id"即可，对于insert ignore into，insert into on duplicate key update不生效。 2. param需以bean的方式传入，且在接口通过bean.getId()获取主键id，sql返回结果只表示执行的状态(插入成功的行数,即1)。
resultMap示例
批量插入示例	SELECT LAST_INSERT_ID() insert into redeem_code ( bach_id, code, type, facevalue, create_user, create_time ) values ( #{item.batchId}, #{item.code}, #{item.type}, #{item.facevalue}, #{item.createUser}, #{item.createTime} )
建表脚本示例	CREATE TABLE `risk_platform`.`rp_rule_center_rule` ( `id` bigint(10) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键', `scene_no` bigint(10) NOT NULL COMMENT '场景No', `active_type` tinyint(4) NOT NULL COMMENT '触发类别,1:实时触发,2:定时触发', `event_no` bigint(10) NOT NULL COMMENT '事件No', `rule_code` varchar(50) NOT NULL COMMENT '规则代号', `rule_name` varchar(50) NOT NULL COMMENT '规则名称', `rule_desc` varchar(2048) DEFAULT NULL COMMENT '规则描述', `biz_lines` varchar(50) DEFAULT NULL COMMENT '适用业务线', `run_type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '运行状态, 0:未启用, 1:运行, 2:观察', `start_active_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '有效时间', `end_active_time` timestamp NOT NULL DEFAULT '2038-01-01 00:00:00' COMMENT '有效时间', `condition_exps` varchar(2048) NOT NULL COMMENT '条件表达式', `punish_exps` varchar(2048) NOT NULL COMMENT '处罚表达式', `contents` varchar(2048) NOT NULL COMMENT '完整的规则表达式', `related_features` varchar(2048) NOT NULL COMMENT '规则关联特征列表', `level` tinyint(4) NOT NULL DEFAULT '0' COMMENT '优先级', `deleted` tinyint(4) NOT NULL DEFAULT '0' COMMENT '是否删除标识, 0:未删除, 1:已删除', `remark` varchar(2048) DEFAULT NULL COMMENT '备注', `md5` varchar(50) NOT NULL COMMENT 'MD5签名', `create_user` varchar(50) DEFAULT NULL COMMENT '创建者', `update_user` varchar(50) DEFAULT NULL COMMENT '修改者', `create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间', `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改时间', PRIMARY KEY (`id`), UNIQUE KEY `uk_rce_rule_code` (`rule_code`) USING BTREE COMMENT '特征编码唯一约束', KEY `idx_create_time` (`create_time`) USING BTREE, KEY `idx_update_time` (`update_time`) USING BTREE ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin ROW_FORMAT=COMPACT COMMENT='规则中心_规则表';
表变更sql语句	ALTER TABLE risk_platform.rp_rule_center_rule ADD rule_type tinyint(4) NOT NULL DEFAULT '0' COMMENT '策略类型, 0:表达式策略, 1:积分策略'; ALTER TABLE risk_platform.rp_rule_center_rule_condition MODIFY true_value varchar(30) DEFAULT NULL COMMENT '正确结果集：true用1表示,其他数值表示符合条件时积分分数'; ALTER TABLE risk_platform.rp_rule_center_rule_condition MODIFY false_value varchar(30) DEFAULT NULL COMMENT '正确结果集：true用1表示,其他数值表示符合条件时积分分数';   ALTER TABLE risk_platform.rp_rule_center_rule_punish ADD left_threshold varchar(50) DEFAULT NULL COMMENT '左阈值'; ALTER TABLE risk_platform.rp_rule_center_rule_punish ADD right_threshold varchar(50) DEFAULT NULL COMMENT '左阈值';   ALTER TABLE risk_center.rc_risk_config MODIFY COLUMN value text COMMENT '参数值' AFTER cn_name;
插入数据脚本	INSERT INTO `user_system`.`ac_physics_system` (`physics_system_name`, `host`, `gray_host`, `del_flag`) VALUES ( 'risk-platform', 'https://center.caocaokeji.cn', '', 0);   INSERT INTO `risk_platform`.`rp_punish_action` (`code`, `name`, `type`, `description`, `create_time`, `update_time`, `deleted`, `remark`, `priority`) VALUES ( '701000', 'REGISTER_CLUSTER', NULL, '注册账号聚集', '2020-02-20 15:20:28', '2020-03-02 14:47:21', '0', NULL, '30'); INSERT INTO `risk_platform`.`rp_punish_action` (`code`, `name`, `type`, `description`, `create_time`, `update_time`, `deleted`, `remark`, `priority`) VALUES ( '702000', 'REGISTER_FREQUENTLY', NULL, '高频注册', '2020-02-20 15:20:59', '2020-03-02 14:47:40', '0', NULL, '20'); INSERT INTO `risk_platform`.`rp_punish_action` (`code`, `name`, `type`, `description`, `create_time`, `update_time`, `deleted`, `remark`, `priority`) VALUES ( '704000', 'REGISTER_CLIENT_ABNORMAL', NULL, '注册终端异常', '2020-02-20 15:21:43', '2020-03-02 14:47:42', '0', NULL, '10');