# Vorwort

Beim Erstellen [dieser Site] (https://tstrs.me) habe ich ElasticSearch als Datenbank Redis als Cache-Komponente verwendet, die zunächst ohne Probleme verwendet wurde, dann aufgrund von Versionsiteration, dem Hinzufügen von Modulen und der kontinuierlichen Verbesserung von Seiten. Daten müssen an vielen Stellen mit Redis gefüllt werden, und sogar einige Seiten müssen Dutzende oder Hunderte Male abgefragt werden, was zu einer langsameren Ladegeschwindigkeit und einer erhöhten Systemlast führt. Dieses Thema konzentriert sich auf das Beheben von Websitefehlern, das Optimieren der Systemauslastung und das Optimieren von Cacherichtlinien.

# Einführung in Systemmodule

Inhalt des Körpers

Da ich zu Beginn nicht vorhatte, alte Blogbeiträge in das neue System zu importieren, habe ich ein neues Seitenlink-Format entworfen, nämlich: '\result\article ID', da diese ID eindeutig ist und die Länge auf 20 Bit festgelegt ist, so dass das Schlüssel-Wert-Paar (KV), das ich im Caching-System entworfen habe, die Artikel-ID ist: Artikelinhalt, zum Beispiel:

hXia44YBlyC2E8nCuWW5:[Inhalt des Artikels]

Der Vorteil davon ist, dass es sehr einfach und schnell ist, wenn Sie abfragen müssen, ob ein Artikel zwischengespeichert ist, können Sie die ID direkt überprüfen, wenn nicht, wird sie in der Datenbank abgelegt und dann an Redis geworfen.

Empfohlene Lektüre

Später wurde [Empfohlene Lektüre] an der Seite hinzugefügt, zunächst mit der ElasticSearch-Beliebtheitsabfrage, und dann war man der Meinung, dass die Liste der Beliebtheit im Grunde unverändert und bedeutungslos war, so dass sie in zufällige Rückkehr geändert wurde, so dass sich jede Aktualisierung ändern würde. Aber jede Abfrage an ElasticSearch ist langsam, also verwende ich die Randomkey-Funktion von Redis, die zufällig einen Schlüssel zurückgeben kann, und dann erhalte ich die Details des Artikels basierend auf dem Schlüssel.

Erstens können die hier empfohlenen Inhalte nicht wiederholt werden, und zweitens, da meine Website zweisprachig in Englisch und Chinesisch ist, kann ich englische Artikel auf der chinesischen Seite nicht immer empfehlen und umgekehrt.

In diesem Modul habe ich also eine while-Schleife verwendet, insgesamt 10 Einträge, jedes Mal, wenn sie sofort nach der Abfrage zurückkehrt, um festzustellen, ob die Sprache mit dem Inhalt des Textes konsistent ist, wenn sie konsistent ist, addieren und zählen +1, bis die Anzahl 10 erreicht. Einige Leute verstehen es vielleicht nicht, das Folgende ist dieser Teil des Modulcodes, geben Sie L für die Sprache ein: '''java Def getrandomkeyredis(l): #随机获取文章 idlist = []#id rawinfolist = []#详细内容 während len(rawinfolist) < 11:#直到列表大于11停止 onepagesid = str(pagecache.randomkey(), 'utf-8')#从redis Ruft nach dem Zufallsprinzip eine Datenrückgabe und Byte-zu-String-Daten ab Wenn onepagesid nicht in idlist :#不在列表内 Stück = getpc(onepagesid) #获取文章详情 if pcs['language'] == l :#语言一致 a = {['Artikeldetails']}#构造返回 rawinfolist. Anlage a) #将构造好的返回打包到组里面 idlist. Anhang(onepagesid) #计数 Rückgabe rawinfo_list

Zuallererst, der Grund für die Sprache hier, müssen Sie jedes Mal abfragen, um zu wissen, ob diese Daten verwendet werden können, und es dauert 30-40 Mal, um die Konstruktionsrückgabe für jede Abfrage abzuschließen, aber trotzdem ist es schneller als die direkte Verwendung von ElasticSearch.

### Schau dir etwas anderes an
Jetzt habe ich unten auf der Artikelseite "Schau dir etwas anderes an" hinzugefügt, was sich von der Seitenleiste unterscheidet, es ist kartenartig. Und zu dieser Zeit gab die Seitenleiste, um bequem und schnell zu sein, nur vier Felder zurück: "Name, Link, Zeit, Popularität", und sie hatte zwei weitere Felder, nämlich "Vorschaubild, Einführung", für die ich ein separates Modul erstellt habe, aber der Codeteil war im Grunde der gleiche mit nur wenigen Änderungen.
![](https://pic.saltyleo.com/i/17108282981.webp)

Obwohl die Benutzeroberfläche gut aussieht und der Inhalt reichhaltig ist, benötigt jede Seite aufgrund zu vieler Abfragen im Grunde 80-100 ms für die Ausgabe, was für mich inakzeptabel ist, und häufige E/A-Lese- und Schreibvorgänge führen zu einer Verzögerung des Systems, wodurch die Zugriffsgeschwindigkeit, die selbst nicht schnell ist, noch langsamer wird.

Das ist das Loch, das ich vorher gegraben habe, und ich habe sie kürzlich alle optimiert. Die Lösungsideen und der eigentliche Code werden unten geteilt.

## FEHLERLÖSUNG
Zunächst einmal läuft dieses Problem auf die Tatsache hinaus, dass die Gesamtarchitektur nicht mit den Anforderungen nachfolgender Versionsiterationen Schritt halten kann und einige Kernmodule umgestaltet werden müssen, um dieses Problem zu lösen. In dieser Hinsicht habe ich den Tisch direkt angehoben und wieder aktiviert, anstatt den alten Code zu optimieren, war es besser, das Durcheinander schnell zu durchbrechen und umzugestalten.

Ich basierte auf den 10 Artikeln auf der Seite meiner Artikeldetailseite plus 6 unten, für insgesamt 16 Informationssätze. Erhalten Sie direkt 16 zufällige Rückgabe für die entsprechende Sprache in der ElasticSearch-Datenbank, und jede Rückgabe erhält nur 6 Datensätze, nämlich: "Name, Link, Zeit, Popularität, Vorschaukarte, Einführung", was Speicherplatz spart. Der Abfragecode lautet wie folgt:

es.search(index="why", body={"query":{"bool":{"must":{"multimatch":{"query":'tttt',"fields":['so']}},"filter":{"match":{"language":l}} ,"mustnot":{"match":{"edit":' Bearbeiten von '}}}}},"from":0,"size":16,"sort": {"_script": {"script": "Math.random()","type": "number"}}})

In menschliche Wörter übersetzt, ist es [geben Sie mir die Abfragesprache aus der Datenbank mit L und Artikeln, die nicht bearbeitet werden, und geben Sie nach dem Zufallsprinzip 16 Daten zurück]. Das 'tttt' in der Abfrage ist der generische Abfrageparameter, den ich festgelegt habe. Um das Sprachproblem grundlegend zu lösen, habe ich die chinesische und die englische Redis-Bibliothek direkt getrennt, damit ich keine Abfragezeit verschwende.

Schreiben Sie den obigen Abfrageinhalt in Redis, den Schlüsselschlüssel, den ich zur aktuellen Zeit verwende, ich brauche ihn sowieso nicht, nur den einzigen.

Def setrdm(l): #给redis添加一组缓存, entsprechend der entsprechenden Sprache if l == 'zh': zhrdmcache.set(round(time.time()),json.dumps(esact.random(l)),ex=3600) elif l == 'de': enrdmcache.set(round(time.time()),json.dumps(esact._random(l)),ex=3600)

Es ist auch sehr einfach zu lesen, und Sie können die empfohlene Lektüre in der entsprechenden Sprache lesen, indem Sie den folgenden Code verwenden.

def getrdm(l): Erhalten Sie eine Reihe von zufälligen Renditen in #从 Redis, die der entsprechenden Sprache entsprechen
if l == 'zh': Rückgabe von json.loads(zhrdmcache.get(zhrdmcache.randomkey())) elif l == 'de': Rückgabe von json.loads(enrdmcache.get(enrdm_cache.randomkey())) ```

Nach diesem Vorgang muss jede Seite den Text nur einmal und eine zufällige Empfehlung abfragen, und der Gesamtzeitverbrauch kann grundsätzlich innerhalb von 10 ms liegen.

# Nachtrag

Je einfacher die Dinge sind, desto schneller und es ist leicht, Leistung zu verschwenden, und Sie spüren vielleicht nicht viel Veränderung auf einem Server mit starker Leistung, aber ein wenig Optimierung auf einem Server mit einer niedrigeren Konfiguration kann eine enorme Verbesserung bringen.