3D Face HRN模型多角度重建效果对比分析

åº�ç« é‚£æ¬¡æŠŠæ•°æ�®åº“ CPU 打爆的“简å�•æŸ¥è¯¢â€�凌晨 2 点手机疯狂震动。è¿�维打æ�¥ç”µè¯�â€œæ ¸å¿ƒæ•°æ�®åº“ CPU 飙å�‡åˆ° 98%大é‡�è¿�æ�¥è¶…时订å�•æœ�务挂了â€�如æ�œä½ 是一å��ç»�å�†è¿‡â€œå�Œå��一â€�或æµ�é‡�çª�å¢�çš„å��端开å�‘è¿™ç§�场景ç»�对ä¸�陌生。紧急æ�’查å��å�‘ç�°ç½ªé­�祸首竟然是一æ�¡ä¸�起眼的 SQL 语å�¥å› ä¸ºå°‘åŠ äº†ä¸€ä¸ªç´¢å¼•åœ¨å¹¶å�‘é‡�上æ�¥å��引å�‘了全表扫æ��Full Table Scanç›´æ�¥æ‹–å�®äº†æ•´ä¸ªæ•°æ�®åº“å®�例。在 QPS ä»� 100 到 10 万的演进过程中数æ�®åº“Database往往是系统中最脆弱的一ç�¯ã€‚它是ç£�盘 IO 密集å�‹ç»„件难以åƒ�应用æœ�åŠ¡é‚£æ ·æ— é™�横å�‘æ‰©å±•ã€‚è¿™ç¯‡æ–‡ç« æˆ‘ä»¬å°†ä¸�谈虚的ç�†è®ºä»�å�•æœº SQL 调优开始一路å�‘上深入到è¿�æ�¥æ± 管ç�†ã€�读写分离ã€�分库分表ã€�以å�Šæœ€ç»ˆçš„ç¼“å­˜é˜²çº¿ä¸ºä½ æ‹†è§£é«˜å¹¶å�‘系统中数æ�®åº“层的7 大ä¿�å‘½ç­–ç•¥ã€‚â… . 策略一索引设计的“覆盖â€�艺术ç»�å¤§å¤šæ•°æ…¢æŸ¥è¯¢éƒ½æ˜¯å› ä¸ºç´¢å¼•å¤±æ•ˆæˆ–è®¾è®¡ä¸�当。但在高并å�‘场景下仅仅“用到索引â€�是ä¸�够的我们è¦�追求æ��致的**“覆盖索引Covering Indexâ€�**。

1 æ ¸å¿ƒç—›ç‚¹å›�表Lookupsçš„ä»£ä»·å½“ä½ çš„ SQL 是SELECT * FROM user WHERE age 20æ—¶å�³ä½¿age建了索引数æ�®åº“也需è¦�å…ˆå�» B æ ‘çš„é��è�šç°‡ç´¢å¼•æ‰¾åˆ°ä¸»é”® ID然å��å†�å�»è�šç°‡ç´¢å¼•ä¸»é”®ç´¢å¼•é‡ŒæŠŠæ•´è¡Œæ•°æ�®æ��出æ�¥ã€‚这个过程å�«å›�表。在高并å�‘下å›�表会带æ�¥å¤§é‡�çš„éš�机 IO。

2 优化方案让索引包å�«æ‰€æœ‰å­—段如æ�œä½ å�ªéœ€è¦�查询 ID å’Œ Name请建立è�”å�ˆç´¢å¼•(age, name)。-- â�Œ 导致å›�表的写法SELECT*FROMt_userWHEREage25;-- ✅ 覆盖索引优化查询列完全包å�«åœ¨ç´¢å¼•ä¸­æ— 需å›�表-- 索引结æ�„: idx_age_name (age, name)SELECTid,nameFROMt_userWHEREage25;

3 å�Ÿç�†å›¾è§£B æ ‘æŸ¥æ‰¾è·¯å¾„å¯¹æ¯”ä¼˜åŒ–æŸ¥è¯¢ (覆盖索引)找到 age25æ— éœ€å›�表查询 idx_age_nameç›´æ�¥è�·å�– NameJohnç›´æ�¥è¿”å›� Resulté��优化查询 (需è¦�å›�表)找到 age25éš�机 IO å›�表读å�–ç£�盘页查询 idx_ageè�·å�–主键 ID: 101查询主键索引 Primary Keyè�·å�–整行数æ�® Rowâ…¡. 策略二SQL 执行计划的“é™�维打击â€�ä¸�è¦�相信自己的直觉è¦�相信EXPLAIN。在代ç �æ��交å‰�必须检查 SQL 的执行计划。

1 é�¿å…�索引失效的“四大æ�€æ‰‹â€�函数计算WHERE YEAR(create_time) 2024改写为范围查询。类å�‹è½¬æ�¢å­—符串字段ä¸�åŠ å�•å¼•å�·WHERE phone 1380000导致éš�å¼�转æ�¢ã€‚最左å‰�ç¼€å�Ÿåˆ™æ–­è£‚è�”å�ˆç´¢å¼•(a, b, c)查询WHERE b1。OR 的滥用WHERE a1 OR c2å°½é‡�改写为UNION ALL。

2 å®�战优化分页查询Deep Pagingåœ¨æ­¤æ—¶ä¼ ç»Ÿçš„LIMIT 1000000, 10会导致数æ�®åº“扫æ��å‰� 100 万行并丢弃性能æ��差。优化代ç �-- â�Œ 性能æ�€æ‰‹è€—æ—¶

5sSELECT*FROMt_orderORDERBYidLIMIT1000000,10;-- ✅ æ¸¸æ ‡æ³•ä¼˜åŒ– (适用äº�è¿�ç»­ ID)耗时

01sSELECT*FROMt_orderWHEREid1000000LIMIT10;-- ✅ 延迟关�法 (适用�通用场景)耗时

2s-- å…ˆåœ¨ç´¢å¼•æ ‘ä¸Šå�ªæŸ¥ ID (覆盖索引)å†�å…³è�”主表SELECTt

*FROMt_order t1INNERJOIN(SELECTidFROMt_orderORDERBYidLIMIT1000000,

t2ONt

idt

id;â…¢. 策略三è¿�æ�¥æ± Connection Pool的“å��直觉â€�调优很多开å�‘者认为并å�‘越高è¿�æ�¥æ± maxPoolSize应该设得越大。大错特错。

1 æ ¸å¿ƒå�Ÿç�†ä¸Šä¸‹æ–‡åˆ‡æ�¢æ•°æ�®åº“çš„æ ¸å¿ƒæ˜¯ CPU æ ¸å¿ƒæ•°ã€‚å¦‚æ�œä½ çš„æ•°æ�®åº“是 16 æ ¸ä½ å¼€äº† 1000 个è¿�æ�¥CPU 会将大é‡�时间浪费在“线程上下文切æ�¢â€�上而ä¸�是在处ç�† SQL。HikariCP 官方æ�¨è��å…¬å¼�对äº� 16 æ ¸æœ�务器è¿�æ�¥æ± 设置

往往比设置 100 性能更好。

2 é…�ç½®å®�战Spring Boot HikariCPspring:datasource:hikari:# æ ¸å¿ƒè¿�æ�¥æ•°ç”Ÿäº§ç�¯å¢ƒå»ºè®®ä¸� maximum-pool-size 一致é�¿å…�频ç¹�创建销æ¯�minimum-idle:20# 最大è¿�æ�¥æ•°åˆ‡å‹¿è´ªå¤§maximum-pool-size:20# è¿�æ�¥è¶…时时间快速失败比长时间阻å¡�更好connection-timeout:30000# è¿�æ�¥æœ€å¤§å­˜æ´»æ—¶é—´é˜²æ­¢æ•°æ�®åº“端è¿�æ�¥æ³„æ¼�max-lifetime:1800000â…£. 策略四读写分离Read-Write Splittingçš„æ�¶æ�„å�–èˆ�当å�•æœº QPS 达到瓶颈且读请求å� 比超过 80% 时引入读写分离。

1 æ ¸å¿ƒç—›ç‚¹ä¸»ä»�延迟Replication Lag用户刚下完å�•å†™ä¸»åº“立马å�»è®¢å�•åˆ—表看读ä»�库å�‘ç�°æ²¡æœ‰è®¢å�•ã€‚这是最ç»�典的“数æ�®ä¸�一致â€�问题。

2 解决方案强制路由对äº�“刚写入就è¦�读â€�的业务如支付æˆ�功å��的跳转在代ç �层强制路由到主库Master。延迟容å¿�对äº�é��æ ¸å¿ƒä¸šåŠ¡å¦‚è¯„è®ºã€�æ�’行榜å…�许秒级延迟。写æ“�作 / 强一致读普通读æ“�作普通读æ“�作Binlog 异步å¤�制Binlog 异步å¤�制应用æœ�务数æ�®åº“中间件 / ProxyMaster 主库Slave ä»�库 1Slave ä»�库 2â…¤. 策略五分库分表Sharding的最å��防线当å�•è¡¨æ•°æ�®é‡�超过 2000 万行或者å�•åº“ç£�盘/写入达到瓶颈必须进行切分。

1 切分策略�直分库按业务拆分如用户库�订�库�商�库。解决��数瓶颈。水平分表按user_id或order_id�模拆分。解决�表数��瓶颈。

2 æ ¸å¿ƒéš¾ç‚¹åŸºå› æ³•Gene Method解决多维查询如æ�œä½ 按user_id分表用户查自己的订å�•å¾ˆå¿«ä½†å•†å®¶è¦�查“哪些用户买了我的商å“�â€�æ€�么åŠ�这就涉å�Šåˆ°äº†**分片键Sharding Key**çš„é€‰æ‹©éš¾é¢˜ã€‚é«˜çº§æŠ€å·§åŸºå› æ³•ç”Ÿæˆ�order_id时将user_id的最å��å‡ ä½�åŸºå› åµŒå…¥åˆ°order_idä¸­ã€‚è¿™æ ·æ— è®ºé€šè¿‡order_id还是user_id查询都能路由到å�Œä¸€ä¸ªåˆ†ç‰‡ã€‚â…¥. 策略六缓存一致性Cache Consistency的终æ��方案DB 扛ä¸�ä½�了我们引入 Redis。但**“缓存和数æ�®åº“è°�先更新â€�**是永æ�’的争论。

1 淘汰方案 vs 更新方案â�Œå…ˆæ›´æ–° DBå†�更新缓存并å�‘下å�¯èƒ½å¯¼è‡´è„�æ•°æ�®ã€‚â�Œå…ˆåˆ 除缓存å†�æ›´æ–° DB如æ�œæ›´æ–° DB 还没完æˆ�读请求å�ˆæŠŠæ—§æ•°æ�®åŠ è½½å›�缓存导致è„�æ•°æ�®ã€‚✅Cache Aside Patternæ—�路缓存先更新 DBå†�åˆ é™¤ç¼“å­˜ã€‚

2 进阶Canal Binlog 异步å�Œæ­¥åœ¨é«˜å¹¶å�‘下为了彻底解耦我们ä¸�å†�在业务代ç �里æ“�作缓存而是监å�¬ MySQL çš„ Binlog。

Commit

Generate

Parse

Publish

Subscribe

Set/Del业务应用MySQLBinlog 日志Canal 中间件消�队列 Kafka缓存�步�务Redis 缓存Ⅶ. 策略七异步缓冲Async Buffering削峰填谷如�� Redis 都扛���间的写入�力如秒�扣库存或者数�库写入太慢就需�用 MQ �缓冲区。

1 ��逻辑写内存/写 MQ用户的写请求�记录到 MQ ��返�“处�中�。批��库消费端通过Batch Insert将 100 �数��并为 1 � SQL 写入 DB。

2 性能对比分æ��ä¼˜åŒ–é˜¶æ®µæ ¸å¿ƒæŠ€æœ¯ç‚¹é€‚ç”¨ QPS (ä¼°ç®—)瓶颈L1å�Ÿå§‹ SQL 500全表扫æ��IO 阻å¡�L2索引优化 SQL 调优500 - 2,000é”�ç«�争å›�表L3è¿�æ�¥æ± 调优 读写分离2,000 - 10,000主库写入瓶颈主ä»�延迟L4分库分表 (Sharding)10,000 - 50,000分布å¼�事务跨库 JoinL5缓存 MQ 异步削峰 100,000缓存一致性系统å¤�æ�‚度Ⅷ. æ�¶æ�„师ç»�验总结数æ�®åº“优化ä»�æ�¥ä¸�是一蹴而就的而是一个**“空间æ�¢æ—¶é—´ã€�å¤�æ�‚度æ�¢æ€§èƒ½â€�**的过程。代ç �先行90% 的性能问题是在代ç �层解决的好的索引ã€�好的 SQL。别一上æ�¥å°±æ��分库分表。监æ�§ä¸ºç�‹æ²¡æœ‰ Slow Query Log å’Œ Prometheus 监æ�§ä¼˜åŒ–就是ç��猜。敬ç•�è¿�æ�¥æ•°æ�®åº“è¿�æ�¥æ˜¯æ˜‚贵的资æº�用完å�³è¿˜å�ˆç�†é…�ç½®æ± å¤§å°�。数æ�®é—­ç�¯å¼•å…¥ç¼“存和 MQ å��一定è¦�考虑“数æ�®æœ€ç»ˆä¸€è‡´æ€§â€�的兜底方案如定期对账。

日本大片又好看手机ppt免费下载-日本大片又好看手机ppt免费下载应用