SpringBoot性能优化的12个小技巧

前言

不知道你在SpringBoot项目中，有没有遇到过下面这样的代码：

@GetMapping("/orders")

public List<Order> listOrders() {

    return orderDao.findAll();

}

一次性查询了所有的订单，全表扫描50万数据，导致接口查询性能很差，严重的时候可能会导致OOM问题。

问题定位：

未分页查询
无缓存机制
未启用批量处理

这次事故让我明白：性能优化必须贯穿开发全流程。

今天这篇文章，跟大家一起聊聊SpringBoot优化的12招，希望对你会有所帮助。

第1招：连接池参数调优

问题场景：

默认配置导致连接池资源浪费，高并发时出现连接等待

错误配置：

spring:

  datasource:

    hikari:

      maximum-pool-size: 1000

      connection-timeout: 30000

数据库连接池的最大连接数，盲目设置过大，连接超时时间设置过长。

优化方案：

spring:

  datasource:

    hikari:

      maximum-pool-size: ${CPU核心数*2} # 动态调整

      minimum-idle: 5

      connection-timeout: 3000 # 3秒超时

      max-lifetime: 1800000 # 30分钟

      idle-timeout: 600000 # 10分钟空闲释放

数据库连接池的最大连接数，改成根据CPU核心数动态调整。

将连接超时时间由30000，改成3000。

第2招：JVM内存优化

问题场景：

频繁Full GC导致服务卡顿

我们需要优化JVM参数。

启动参数优化：

java -jar -Xms4g -Xmx4g

-XX:NewRatio=1

-XX:+UseG1GC

-XX:MaxGCPauseMillis=200

-XX:InitiatingHeapOccupancyPercent=35

-XX:+AlwaysPreTouch

最大堆内存和初始堆内存都设置成了4G。

-XX:NewRatio=1，设置新生代和老年代各占一半。

垃圾收集器配置的是G1。

垃圾回收的最大停顿时间为200毫秒。

第3招：关闭无用组件

问题场景：

自动装配加载不需要的Bean

优化方案：

@SpringBootApplication(exclude = {

    DataSourceAutoConfiguration.class,

    SecurityAutoConfiguration.class

})

public class Application {

    public static void main(String[] args) {

        SpringApplication.run(Application.class, args);

    }

}

如果有些功能暂时用不到，可以先排除一下。

在SpringBoot项目启动的时候，排除了DataSourceAutoConfiguration和SecurityAutoConfiguration配置类的自动装载。

第4招：响应压缩配置

问题场景：

接口返回JSON数据体积过大

优化方案：

server:

  compression:

    enabled: true

    mime-types: text/html,text/xml,text/plain,text/css,text/javascript,application/json

    min-response-size: 1024

配置开启响应的压缩。

第5招：请求参数校验

问题场景：

恶意请求导致资源耗尽

防御代码：

@GetMapping("/products")

public PageResult<Product> list(

    @RequestParam @Max(value=100, message="页大小不能超过100") int pageSize,

    @RequestParam @Min(1) int pageNum) {

    //...

}

在接口中做好参数校验，可以拦截很多恶意请求。

第6招：异步处理机制

问题场景：

同步处理导致线程阻塞

优化方案：

@Async("taskExecutor")

public CompletableFuture<List<Order>> asyncProcess() {

    return CompletableFuture.completedFuture(heavyProcess());

}

@Bean("taskExecutor")

public Executor taskExecutor() {

    ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();

    executor.setCorePoolSize(5);

    executor.setMaxPoolSize(10);

    executor.setQueueCapacity(500);

    return executor;

}

在有些业务逻辑中，使用异步处理性能可能会更好。

第7招：使用缓存

使用缓存可以提升效率。

缓存架构：

代码实现：

@Cacheable(cacheNames = "products", key = "#id",

           cacheManager = "caffeineCacheManager")

public Product getDetail(Long id) {

    return productDao.getById(id);

}

这里使用了内存缓存。

第8招：批量操作优化

问题场景：

逐条插入导致性能低下

优化方案：

@Transactional

public void batchInsert(List<Product> products) {

    jdbcTemplate.batchUpdate(

        "INSERT INTO product(name,price) VALUES(?,?)",

        products,

        500, // 每批数量

        (ps, product) -> {

            ps.setString(1, product.getName());

            ps.setBigDecimal(2, product.getPrice());

        });

}

每500条数据插入一次数据库。

第9招：索引深度优化

问题场景：

慢查询日志频繁出现全表扫描，SQL执行时间波动大

错误案例：

-- 商品表结构

CREATE TABLE products (

    id BIGINT PRIMARY KEY,

    name VARCHAR(200),

    category VARCHAR(50),

    price DECIMAL(10,2),

    create_time DATETIME

);

-- 低效查询

SELECT * FROM products

WHERE category = '手机'

AND price > 5000

ORDER BY create_time DESC;

问题分析：

优化方案一：联合索引设计

索引创建：

下面创建了一个分类ID，单价和时间的联合索引：

ALTER TABLE products

ADD INDEX idx_category_price_create

(category, price, create_time);

优化方案二：覆盖索引优化

查询改造：

只查询索引包含字段：

SELECT id, category, price, create_time

FROM products

WHERE category = '手机'

AND price > 5000

ORDER BY create_time DESC;

这里使用了覆盖索引。

优化方案三：索引失效预防

常见失效场景：

案例修复：

错误写法：

SELECT * FROM products

WHERE DATE(create_time) = '2023-01-01';

正确写法：

SELECT * FROM products

WHERE create_time BETWEEN '2023-01-01 00:00:00'

AND '2023-01-01 23:59:59';

查询时间范围，这里使用了BETWEEN AND关键字，代替了等于号。

优化方案四：索引监控分析

诊断命令：

查看索引使用情况：

SELECT

    index_name,

    rows_read,

    rows_selected

FROM

    sys.schema_index_statistics

WHERE

    table_name = 'products';

分析索引效率：

EXPLAIN FORMAT=JSON

SELECT ...;

索引优化黄金三原则

最左前缀原则：联合索引的第一个字段必须出现在查询条件中
短索引原则：整型字段优先，字符串字段使用前缀索引
适度索引原则：单个表索引数量不超过5个，总索引长度不超过表数据量30%

DBA工具箱

索引分析脚本
执行计划可视化工具
索引碎片检测工具

第10招：自定义线程池

问题场景：

默认线程池导致资源竞争

优化方案：

@Bean("customPool")

public Executor customThreadPool() {

    return new ThreadPoolExecutor(

        10, // 核心线程

        50, // 最大线程

        60, TimeUnit.SECONDS,

        new LinkedBlockingQueue<>(1000),

        new CustomThreadFactory(),

        new ThreadPoolExecutor.CallerRunsPolicy());

}

在高并发业务场景中，使用Executors类创建默认的线程池，可能会导致OOM问题。

因此，我们需要自定义线程池。

第11招：熔断限流策略

问题场景：

突发流量导致服务雪崩

解决方案：

// 使用Sentinel实现接口限流

@SentinelResource(value = "orderQuery",

                  blockHandler = "handleBlock",

                  fallback = "handleFallback")

@GetMapping("/orders/{id}")

public Order getOrder(@PathVariable Long id) {

    return orderService.getById(id);

}

// 限流处理

public Order handleBlock(Long id, BlockException ex) {

    throw new RuntimeException("服务繁忙，请稍后重试");

}

// 降级处理

public Order handleFallback(Long id, Throwable t) {

    return Order.getDefaultOrder();

}

为了解决重复流量导致服务雪崩的问题，我们需要增加接口熔断、限流和降级处理。

第12招：全链路监控体系

问题场景：

线上问题定位困难，缺乏数据支撑

我们需要增加项目全链路的监控。

监控方案：

# SpringBoot配置

management:

  endpoints:

    web:

      exposure:

        include: "*"

  metrics:

    export:

      prometheus:

        enabled: true

这里使用了prometheus监控。

监控架构：

核心监控指标：

总结

SpringBoot性能优化检查清单

连接池参数按业务调整
JVM参数经过压测验证
所有查询走缓存机制
批量操作替代逐条处理
线程池按场景定制
全链路监控覆盖

三条黄金法则：

预防性优化：编码时考虑性能影响
数据驱动：用监控指标指导优化方向
持续迭代：性能优化是持续过程

性能工具包

Arthas在线诊断
JProfiler性能分析
Prometheus监控体系

（看着监控大屏上平稳的QPS曲线，我知道今晚可以睡个好觉了...）

最后说一句(求关注，别白嫖我)

如果这篇文章对您有所帮助，或者有所启发的话，帮忙关注一下我的同名公众号：苏三说技术，我的所有文章都会在公众号上首发，您的支持是我坚持写作最大的动力。

求一键三连：点赞、转发、在看。

关注公众号：【苏三说技术】，在公众号中回复：进大厂，可以免费获取我最近整理的10万字的面试宝典，好多小伙伴靠这个宝典拿到了多家大厂的offer。

本文收录于：www.susan.net.cn