别再用 System.currentTimeMillis() 统计耗时了，太 Low，StopWatch 好用到爆！

docs/nice-article/weixin/biezysystemcurrenttimemillistjhsltlowstopwatchhydb.md

+---
+title: 别再用 System.currentTimeMillis() 统计耗时了，太 Low，StopWatch 好用到爆！
+shortTitle: 别再用 System.currentTimeMillis() 统计耗时了，太 Low，StopWatch 好用到爆！
+description: 真香！！
+author: 栈长
+category:
+  - 微信公众号
+head:
+  - - meta
+    - name: description
+      content: 真香！！
+---
+
+## 背景
+
+你还在用 System.currentTimeMillis... 统计耗时？
+
+比如下面这段代码：
+
+```
+/**
 * @author: 栈长
 * @from: Java技术栈
 */
@Test
public void jdkWasteTime() throws InterruptedException {
    long start = System.currentTimeMillis();
    Thread.sleep(3000);
    System.out.printf("耗时：%dms.", System.currentTimeMillis() - start);
}
+```
+
+System.currentTimeMillis...这种方式统计耗时确实是用的最多的，因为它不用引入其他的 JAR 包，JDK 就能搞定，但是它用起来有几个不方便的地方：
+
+1）需要定义初始时间值，再用当前时间进行手工计算；
+
+2）统计多个任务的耗时比较麻烦，如果 start 赋值搞错可能还会出现逻辑问题；
+
+有没有其他的更好的替代方案呢？答案是肯定的：**StopWatch**！
+
+## StopWatch
+
+StopWatch 是一个统计耗时的工具类：
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-biezysystemcurrenttimemillistjhsltlowstopwatchhydb-71db7631-47a7-4349-9c1c-d6ce42390636.jpg)
+
+常用的 StopWatch 工具类有以下两种：
+
+*   commons-lang3（Apache 提供的通用工具包）
+*   spring-core（Spring 核心包）
+
+虽然两个工具类的名称是一样的，但是用法大不相同，本文栈长就给大家分别演示下。
+
+### commons-lang3 提供的 StopWatch
+
+#### 引入依赖
+
+commons-lang3 是 Apache 开源的通用工具包，需要额外引入 Maven 依赖：
+
+```
+<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-lang3</artifactId>
    <version>${commons-lang3.version}</version>
</dependency>
+```
+
+#### 简单示例
+
+创建一个 StopWatch 实例有以下 3 种方法：
+
+1） 使用 new 关键字
+
+```
+StopWatch sw = new StopWatch();
+```
+
+2）使用 create 工厂方法
+
+```
+StopWatch sw = StopWatch.create();
+```
+
+3）使用 createStarted 方法
+
+```
+StopWatch sw = StopWatch.createStarted();
+```
+
+这个方法不但会创建一个实例，同时还会启动计时。
+
+**来看一个简单的例子：**
+
+```
+// 创建一个 StopWatch 实例并开始计时
StopWatch sw = StopWatch.createStarted();

// 休眠1秒
Thread.sleep(1000);

// 1002ms
System.out.printf("耗时：%dms.\n", sw.getTime()); 
+```
+
+#### 更多用法
+
+接之前的示例继续演示。
+
+**暂停计时：**
+
+```
+// 暂停计时
sw.suspend();

Thread.sleep(1000);

// 1000ms
System.out.printf("暂停耗时：%dms.\n", sw.getTime()); 
+```
+
+因为暂停了，所以还是 1000ms，暂停后中间休眠的 1000 ms 不会被统计。
+
+**恢复计时：**
+
+```
+// 恢复计时
sw.resume();

Thread.sleep(1000);

// 2001ms
System.out.printf("恢复耗时：%dms.\n", sw.getTime()); 
+```
+
+因为恢复了，结果是 2001 ms，恢复后中间休眠的 1000 ms 被统计了。
+
+**停止计时：**
+
+```
+Thread.sleep(1000);

// 停止计时
sw.stop();

Thread.sleep(1000);

// 3009ms
System.out.printf("总耗时：%dms.\n", sw.getTime()); 
+```
+
+停止计时前休眠了 1000ms，所以结果是 3009ms，停止计时后就不能再使用暂停、恢复功能了。
+
+**重置计时：**
+
+```
+// 重置计时
sw.reset();

// 开始计时
sw.start();

Thread.sleep(1000);

// 1000ms
System.out.printf("重置耗时：%dms.\n", sw.getTime()); 
+```
+
+因为重置计时了，所以重新开始计时后又变成了 1000ms。
+
+### Spring 提供的 StopWatch
+
+来看一个简单的例子：
+
+```
+// 创建一个 StopWatch 实例
StopWatch sw = StopWatch("Java技术栈：测试耗时");

// 开始计时
sw.start("任务1");

// 休眠1秒
Thread.sleep(1000);

// 停止计时
sw.stop();

// 1002ms
System.out.printf("任务1耗时：%d%s.\n", sw.getLastTaskTimeMillis(), "ms");
+```
+
+Spring 创建实例的方法就是 new，开始计时，以及获取时间需要手动 start、stop。
+
+继续再新增 2 个任务：
+
+```
+Thread.sleep(1000);

sw.start("任务2");
Thread.sleep(1100);
sw.stop();

// 1100ms.
System.out.printf("任务2耗时：%d%s.\n", sw.getLastTaskTimeMillis(), "ms");

sw.start("任务3");
Thread.sleep(1200);
sw.stop();

// 1203ms.
System.out.printf("任务3耗时：%d%s.\n", sw.getLastTaskTimeMillis(), "ms");

// 3.309373456s.
System.out.printf("任务数量：%s，总耗时：%ss.\n", sw.getTaskCount(), sw.getTotalTimeSeconds());
+```
+
+Spring 一个重要的亮点是支持格式化打印结果：
+
+```
+System.out.println(sw.prettyPrint());
+```
+
+来看最后的输出结果：
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-biezysystemcurrenttimemillistjhsltlowstopwatchhydb-9584ef69-33ea-4ec4-bd4d-5c6b34c8039a.jpg)
+
+## 实现原理
+
+分别来看下 commons-lang3 和 Spring 的核心源码：
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-biezysystemcurrenttimemillistjhsltlowstopwatchhydb-048a7d6b-df2f-4d67-bd62-5ac20311a4f6.jpg)
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-biezysystemcurrenttimemillistjhsltlowstopwatchhydb-16378e71-7f8f-452a-851d-81e5efd1c355.jpg)
+
+其实也都是利用了 JDK 中的 System 系统类去实现的，做了一系列封装而已。
+
+## 总结
+
+commons-lang3 工具包和 Spring 框架中的 StopWatch 都能轻松完成多个任务的计时以及总耗时，再也不要用手工计算耗时的方式了，手动计算如果 start 赋值错误可能还会出错。
+
+当然，以上两个 StopWatch 的功能也远不止栈长介绍的，栈长介绍的这些已经够用了，更多的可以深入研究。
+
+**总结一下这两种计时工具类优缺点：**
+
+1）commons-lang3 中的 StopWatch 的用法比 Spring 中的要更简单一些；
+
+2）commons-lang3 中的 StopWatch 功能比 Spring 中的要更灵活、更强大一些，支持暂停、恢复、重置等功能；
+
+3）Spring 提供每个子任务名称，以及按格式化打印结果功能，针对多任务统计时更好一点；
+
+综上所述，个人推荐使用 commons-lang3 工具包中的，更灵活、更强大，如果不想额外引入包，也可以考虑 Spring 中的，根据自己的系统需求定。
+
+**所以，别再用 System.currentTimeMillis... 统计耗时了，太 low，赶紧分享转发下吧，规范起来！**
+
+* * *
+
+**微信8.0将好友放开到了一万，小伙伴可以加我大号了，先到先得，再满就真没了**
+
+**扫描下方二维码即可加我微信啦，`2022，抱团取暖，一起牛逼。`**
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-biezysystemcurrenttimemillistjhsltlowstopwatchhydb-4343b516-4747-4e12-be7f-8719a372dfc7.jpg)
+
+## 推荐阅读
+
+*   [Grafana 9 正式发布，更易用，更酷炫了！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500998&idx=1&sn=58d1222ef56fa3bef2abeb832c3a3c32&scene=21#wechat_redirect)
+*   [如何优雅的写 Controller 层代码？](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500925&idx=1&sn=0a937f3b4281987b3633666421bf275b&scene=21#wechat_redirect)
+*   [Mall电商实战项目全面升级！支持最新版SpringBoot，干掉循环依赖...](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500820&idx=1&sn=9895bd4c39b90d45eb2a10efedb236ac&scene=21#wechat_redirect)
+*   [阿里出品！SpringBoot应用自动化部署神器，IDEA版Jenkins？](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500584&idx=1&sn=14ab8fa74ed8391a5cb91449f699123a&scene=21#wechat_redirect)
+*   [再见命令行！一键部署应用到远程服务器，IDEA官方Docker插件真香！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500482&idx=1&sn=713a30c88cea125f4768e6a0df939600&scene=21#wechat_redirect)
+*   [还在从零开始搭建项目？这款升级版快速开发脚手架值得一试！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500084&idx=1&sn=5bd4e684af3cfede8f332c423a478abf&scene=21#wechat_redirect)
+*   [重磅更新！Mall实战教程全面升级，瞬间高大上了！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247499376&idx=1&sn=3ed28795cdd35fbaa3506e74a56703b0&scene=21#wechat_redirect)
+*   [40K+Star！Mall电商实战项目开源回忆录！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247486684&idx=1&sn=807fd808adac8019eb2095ba088efe54&scene=21#wechat_redirect)
+
+
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-biezysystemcurrenttimemillistjhsltlowstopwatchhydb-eba82a19-3f81-4707-a327-8901d03a9c49.jpg)
+
+>转载链接：[https://mp.weixin.qq.com/s/lo9vq-YToQF-u76b_fabvg](https://mp.weixin.qq.com/s/lo9vq-YToQF-u76b_fabvg)，出处：macrozheng，整理：沉默王二

docs/nice-article/weixin/quanwxsipgzdyszgkyksxytjdl.md

+---
+title: 全网显示 IP 归属地，用上这个开源库，实现也太简单了！
+shortTitle: 全网显示 IP 归属地，用上这个开源库，实现也太简单了！
+description: 用上开源库，给自己的网站加上IP属地！
+author: 陌溪
+category:
+  - 微信公众号
+head:
+  - - meta
+    - name: description
+      content: 用上开源库，给自己的网站加上IP属地！
+---
+
+细心的小伙伴可能会发现，最近蘑菇新上线了 **IP** 属地的功能，小伙伴在发表动态、发表评论以及聊天的时候，都会显示自己的 **IP** 属地信息
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-60ba9e45-080c-4dca-922e-cccfd3071587.jpg)
+
+动态显示IP属地
+
+在蘑菇群聊中，也可以展示 IP 属地，下面是小伙伴们在交流群中显示的
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-7fefb9a6-d55d-4764-8197-bd007395d6db.jpg)
+
+下面，我就来讲讲，**Java** 中是如何获取 **IP** 属地的，主要分为以下几步
+
+*   通过 HttpServletRequest 对象，获取用户的 **IP** 地址
+*   通过 IP 地址，获取对应的省份、城市
+
+首先需要写一个 **IP** 获取的工具类，因为每一次用户的 **Request** 请求，都会携带上请求的 **IP** 地址放到请求头中。
+
+```
+public class IpUtil {
    public static String getIpAddr(ServerHttpRequest request) {
        HttpHeaders headers = request.getHeaders();
        String ipAddress = headers.getFirst("X-Forwarded-For");
        if (ipAddress == null || ipAddress.length() == 0 || "unknown".equalsIgnoreCase(ipAddress)) {
            ipAddress = headers.getFirst("Proxy-Client-IP");
        }
        if (ipAddress == null || ipAddress.length() == 0 || "unknown".equalsIgnoreCase(ipAddress)) {
            ipAddress = headers.getFirst("WL-Proxy-Client-IP");
        }
        if (ipAddress == null || ipAddress.length() == 0 || "unknown".equalsIgnoreCase(ipAddress)) {
            ipAddress = request.getRemoteAddress().getAddress().getHostAddress();
            if (ipAddress.equals("127.0.0.1") || ipAddress.equals("0:0:0:0:0:0:0:1")) {
                // 根据网卡取本机配置的IP
                try {
                    InetAddress inet = InetAddress.getLocalHost();
                    ipAddress = inet.getHostAddress();
                } catch (UnknownHostException e) {
                    log.error("根据网卡获取本机配置的IP异常", e);
                }

            }
        }

        // 对于通过多个代理的情况，第一个IP为客户端真实IP，多个IP按照','分割
        if (ipAddress != null && ipAddress.indexOf(",") > 0) {
            ipAddress = ipAddress.split(",")[0];
        }

        return ipAddress;
    }
}
+```
+
+这里有三个名词，分别是
+
+*   **X-Forwarded-For**：**一个 HTTP** 扩展头部，主要是为了让 **Web** 服务器获取访问用户的真实 **IP** 地址。每个 **IP** 地址，每个值通过逗号+空格分开，最左边是最原始客户端的 **IP** 地址，中间如果有多层代理，每⼀层代理会将连接它的客户端 **IP** 追加在 **X-Forwarded-For** 右边。
+*   **X-Real-IP**：一般只记录真实发出请求的客户端IP
+*   **Proxy-Client-IP**：这个一般是经过 **Apache http** 服务器的请求才会有，用 **Apache http** 做代理时一般会加上 **Proxy-Client-IP** 请求头
+*   **WL-Proxy-Client-IP**：也是通过 Apache http 服务器，在 **weblogic** 插件加上的头。
+
+在我们获取到用户的 **IP** 地址后，那么就可以获取对应的 **ip** 信息了
+
+蘑菇最开始使用的是淘宝 **IP** 库
+
+> 地址：https://ip.taobao.com/
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-d1796439-3c8b-4fb5-bf21-ff0057a21d92.jpg)
+
+接入方式也比较简单，就是通过封装一个 **http** 请求，传入用户的 **ip** 作为参数，就可以返回 **ip** 对应的国家，省，城市 信息
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-f4108a0c-8cf3-400d-a108-f126faded625.jpg)
+
+原来的请求方式如下
+
+```
+/**
 * 获取IP地址来源
 *
 * @param content        请求的参数 格式为：name=xxx&pwd=xxx
 * @param encodingString 服务器端请求编码。如GBK,UTF-8等
 * @return
 * @throws UnsupportedEncodingException
 */
public static String getAddresses(String content, String encodingString) {
    String ip = content.substring(3);
    if (!Util.isIpAddress(ip)) {
        log.info("IP地址为空");
        return null;
    }
    // 淘宝IP宕机，目前使用Ip2region：https://github.com/lionsoul2014/ip2region
    String cityInfo = getCityInfo(ip);
    log.info("返回的IP信息：{}", cityInfo);

    // TODO 淘宝接口目前已经宕机，因此暂时注释下面代码
    try {
        // 这里调用pconline的接口
        String urlStr = "http://ip.taobao.com/service/getIpInfo.php";
        // 从http://whois.pconline.com.cn取得IP所在的省市区信息
        String returnStr = getResult(urlStr, content, encodingString);
        if (returnStr != null) {
            // 处理返回的省市区信息
            log.info("调用IP解析接口返回的内容:" + returnStr);
            String[] temp = returnStr.split(",");
            //无效IP，局域网测试
            if (temp.length < 3) {
                return "0";
            }
            // 国家
            String country = "";
            // 区域
            String area = "";
            // 省
            String region = "";
            // 市
            String city = "";
            // 县
            String county = "";
            // 运营商
            String isp = "";
            Map<String, Object> map = JsonUtils.jsonToMap(returnStr);

            if (map.get("code") != null) {
                Map<String, String> data = (Map<String, String>) map.get("data");
                country = data.get("country");
                area = data.get("area");
                region = data.get("region");
                city = data.get("city");
                county = data.get("area");
                isp = data.get("isp");
            }

            log.info("获取IP地址对应的地址" + country + "=" + area + "=" + region + "=" + city + "=" + county + "=" + isp);
            StringBuffer result = new StringBuffer();
            result.append(country);
            result.append("|");
            result.append(region);
            result.append("|");
            result.append(city);
            result.append("|");
            result.append(isp);
            return result.toString();
        }
    } catch (Exception e) {
        log.error(e.getMessage());
        return null;
    }
    return null;
}
+```
+
+但是，之前接入淘宝 **IP** 库的时候，也经常会遇到服务不可用的情况，并且由于限制了 **QPS** 为 **1**，所以如果访问量大的话，就没办法获取了。
+
+而到现在的话倒好了，这个接口也不对外提供服务了，直接下线了，不让调用了。
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-698d6eaa-3ca1-4a76-9ba3-7cfd6624b675.jpg)
+
+后面，陌溪在 **Github** 冲浪的时候，发现了 **Ip2region** 项目。
+
+一个准确率 **99.9%** 的离线 **IP** 地址定位库，**0.0x** 毫秒级查询，**ip2region.db** 数据库只有数 **MB**，提供了 java,php,c,python,nodejs,golang,c# 等查询绑定和**Binary**，**B树**，内存三种查询算法。
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-45292cab-6e8b-465a-8ab4-4ad9e99d32f0.jpg)
+
+数据聚合了一些知名 **ip** 到地名查询提供商的数据，这些是他们官方的的准确率，经测试着实比经典的纯真 **IP** 定位准确一些。**ip2region** 的数据聚合自以下服务商的开放 **API** 或者数据。
+
+*   80%, 淘宝IP地址库, http://ip.taobao.com/
+*   ≈10%, GeoIP, https://geoip.com/
+*   ≈2%, 纯真IP库, http://www.cz88.net/
+
+> **备注**：如果上述开放API或者数据都不给开放数据时ip2region将停止数据的更新服务。
+
+每条 **ip** 数据段都固定了格式：
+
+```
+_城市Id|国家|区域|省份|城市|ISP_
+```
+
+只有中国的数据精确到了城市，其他国家有部分数据只能定位到国家，后前的选项全部是 **0**，已经包含了全部你能查到的大大小小的国家
+
+生成的数据库文件 **ip2region.db** 只有几 **MB**，最小的版本只有 **1.5MB**，随着数据的详细度增加数据库的大小也慢慢增大，目前还没超过 **8MB**。
+
+## 内置的三种查询算法
+
+全部的查询客户端单次查询都在 **0.x** 毫秒级别，内置了三种查询算法
+
+*   **memory** 算法：整个数据库全部载入内存，单次查询都在0.1x毫秒内，C语言的客户端单次查询在0.00x毫秒级别。
+*   **binary** 算法：基于二分查找，基于ip2region.db文件，不需要载入内存，单次查询在0.x毫秒级别。
+*   **b-tree** 算法：基于btree算法，基于ip2region.db文件，不需要载入内存，单词查询在0.x毫秒级别，比binary算法更快。
+
+## ip2region安装
+
+下面，就让我们给项目引入 **ip2region**，进行 **ip** 信息转换吧
+
+首先引入 **maven** 依赖
+
+```
+<dependency>
    <groupId>org.lionsoul</groupId>
    <artifactId>ip2region</artifactId>
    <version>1.7.2</version>
</dependency>
+```
+
+然后编写一个工具类 **IpUtils** ，首先需要加载 **ip2region.db** 文件
+
+```
+static {
    dbPath = createFtlFileByFtlArray() + "ip2region.db";
    try {
        config = new DbConfig();
    } catch (DbMakerConfigException e) {
        e.printStackTrace();
    }
    try {
        searcher = new DbSearcher(config, dbPath);
    } catch (FileNotFoundException e) {
        e.printStackTrace();
    }
}
+```
+
+在加载的时候，需要下载仓库中的 **ip2region.db** 文件，然后放到 **resource** 目录下
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-0e8d29e4-8374-461b-b5cb-2f7be9891b8f.jpg)
+
+然后，通过内置的三种算法，分别转换用户 **ip** 地址
+
+```
+    public static String getCityInfo(String ip) {

        if (StringUtils.isEmpty(dbPath)) {
            log.error("Error: Invalid ip2region.db file");
            return null;
        }
        if(config == null || searcher == null){
            log.error("Error: DbSearcher or DbConfig is null");
            return null;
        }

        //查询算法
        //B-tree, B树搜索（更快）
        int algorithm = DbSearcher.BTREE_ALGORITHM;

        //Binary,使用二分搜索
        //DbSearcher.BINARY_ALGORITHM

        //Memory,加载内存（最快）
        //DbSearcher.MEMORY_ALGORITYM
        try {
            // 使用静态代码块，减少文件读取操作
//            DbConfig config = new DbConfig();
//            DbSearcher searcher = new DbSearcher(config, dbPath);

            //define the method
            Method method = null;
            switch (algorithm) {
                case DbSearcher.BTREE_ALGORITHM:
                    method = searcher.getClass().getMethod("btreeSearch", String.class);
                    break;
                case DbSearcher.BINARY_ALGORITHM:
                    method = searcher.getClass().getMethod("binarySearch", String.class);
                    break;
                case DbSearcher.MEMORY_ALGORITYM:
                    method = searcher.getClass().getMethod("memorySearch", String.class);
                    break;
                default:
            }

            DataBlock dataBlock = null;
            if (Util.isIpAddress(ip) == false) {
                System.out.println("Error: Invalid ip address");
            }

            dataBlock = (DataBlock) method.invoke(searcher, ip);
            String ipInfo = dataBlock.getRegion();
            if (!StringUtils.isEmpty(ipInfo)) {
                ipInfo = ipInfo.replace("|0", "");
                ipInfo = ipInfo.replace("0|", "");
            }
            return ipInfo;

        } catch (Exception e) {
            e.printStackTrace();
        }

        return null;
    }
+```
+
+下面，我们编写 **main** 函数进行测试，发现可以正常的解析出 **ip** 信息
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-c7dabe2e-93e5-4c18-bf42-dcb44d6a2bb3.jpg)
+
+由于 ip 属地在国内的话，只会展示省份，而国外的话，只会展示国家。所以我们还需要对这个方法进行一下封装，得到获取 IP 属地的信息。
+
+```
+/**
 * 获取IP属地
 * @param ip
 * @return
 */
public static String getIpPossession(String ip) {
    String cityInfo = getCityInfo(ip);
    if (!StringUtils.isEmpty(cityInfo)) {
        cityInfo = cityInfo.replace("|", " ");
        String[] cityList = cityInfo.split(" ");
        if (cityList.length > 0) {
            // 国内的显示到具体的省
            if ("中国".equals(cityList[0])) {
                if (cityList.length > 1) {
                    return cityList[1];
                }
            }
            // 国外显示到国家
            return cityList[0];
        }
    }
    return "未知";
}
+```
+
+下面，我们在找一个 国外的 **IP** 测试一下效果。可以看到已经能够正常的显示 **IP** 属地信息了~
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-677306bd-bac7-4d43-99d2-324f7f01b265.jpg)
+
+到这里如果获取用户的 IP 属地已经完成啦，如果想要了解关于更多 **ip2region** 的功能，欢迎访问其 **Github** 地址进行学习。
+
+## 项目地址
+
+https://github.com/lionsoul2014/ip2region
+
+* * *
+
+**微信8.0将好友放开到了一万，小伙伴可以加我大号了，先到先得，再满就真没了**
+
+**扫描下方二维码即可加我微信啦，`2022，抱团取暖，一起牛逼。`**
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-7dd82667-7566-4c78-9aff-da27d172b7ab.jpg)
+
+## 推荐阅读
+
+*   [新来个技术总监，把DDD落地的那叫一个高级，服气！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247501082&idx=1&sn=c2ad0e4ba438dab00f89660d942707d3&scene=21#wechat_redirect)
+*   [还在用命令行看日志？快用Kibana吧，可视化日志分析YYDS！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247501074&idx=1&sn=629db39555b3d344f928b87abecbba69&scene=21#wechat_redirect)
+*   [Grafana 9 正式发布，更易用，更酷炫了！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500998&idx=1&sn=58d1222ef56fa3bef2abeb832c3a3c32&scene=21#wechat_redirect)
+*   [Mall电商实战项目全面升级！支持最新版SpringBoot，干掉循环依赖...](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500820&idx=1&sn=9895bd4c39b90d45eb2a10efedb236ac&scene=21#wechat_redirect)
+*   [阿里出品！SpringBoot应用自动化部署神器，IDEA版Jenkins？](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500584&idx=1&sn=14ab8fa74ed8391a5cb91449f699123a&scene=21#wechat_redirect)
+*   [再见命令行！一键部署应用到远程服务器，IDEA官方Docker插件真香！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500482&idx=1&sn=713a30c88cea125f4768e6a0df939600&scene=21#wechat_redirect)
+*   [重磅更新！Mall实战教程全面升级，瞬间高大上了！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247499376&idx=1&sn=3ed28795cdd35fbaa3506e74a56703b0&scene=21#wechat_redirect)
+*   [40K+Star！Mall电商实战项目开源回忆录！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247486684&idx=1&sn=807fd808adac8019eb2095ba088efe54&scene=21#wechat_redirect)
+
+
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-quanwxsipgzdyszgkyksxytjdl-ca4d4747-df0a-434e-9512-4fba2dcb272a.jpg)
+
+>转载链接：[https://mp.weixin.qq.com/s/tQ-4ClnfCucUREF-_ynQ2g](https://mp.weixin.qq.com/s/tQ-4ClnfCucUREF-_ynQ2g)，出处：macrozheng，整理：沉默王二

docs/nice-article/weixin/yicxzdjkxnyhcsdmsjylzsz.md

+---
+title: 一次显著的接口性能优化，从20s到500ms，就用了这三招！
+shortTitle: 一次显著的接口性能优化，从20s到500ms，就用了这三招！
+description: 接口性能问题，对于从事后端开发的同学来说，是一个绕不开的话题。
+author: 苏三呀
+category:
+  - 微信公众号
+head:
+  - - meta
+    - name: description
+      content: 接口性能问题，对于从事后端开发的同学来说，是一个绕不开的话题。
+---
+
+## 前言
+
+接口性能问题，对于从事后端开发的同学来说，是一个绕不开的话题。想要优化一个接口的性能，需要从多个方面着手。
+
+其实，我之前也写过一篇接口性能优化相关的文章《[聊聊接口性能优化的11个小技巧](https://mp.weixin.qq.com/s?__biz=MzkwNjMwMTgzMQ==&mid=2247490731&idx=1&sn=29ed0295c7990157a3a56ba33cf7f8be&chksm=c0ebc443f79c4d55a2bac81744992c96f97737e5d0717ec99231f4d08f57a7f0220eafdac9c9&token=660773166&lang=zh_CN&scene=21#wechat_redirect)》，发表之后在全网广受好评，感兴趣的小伙们可以仔细看看。
+
+本文将会接着接口性能优化这个话题，从实战的角度出发，聊聊我是如何优化一个慢查询接口的。
+
+上周我优化了一下线上的批量评分查询接口，将接口性能从最初的`20s`，优化到目前的`500ms`以内。
+
+总体来说，用三招就搞定了。
+
+到底经历了什么？
+
+## 1\. 案发现场
+
+我们每天早上上班前，都会收到一封线上慢查询接口汇总邮件，邮件中会展示`接口地址`、`调用次数`、`最大耗时`、`平均耗时`和`traceId`等信息。
+
+我看到其中有一个批量评分查询接口，最大耗时达到了`20s`，平均耗时也有`2s`。
+
+用`skywalking`查看该接口的调用信息，发现绝大数情况下，该接口响应还是比较快的，大部分情况都是500ms左右就能返回，但也有少部分超过了20s的请求。
+
+这个现象就非常奇怪了。
+
+莫非跟数据有关？
+
+比如：要查某一个组织的数据，是非常快的。但如果要查平台，即组织的根节点，这种情况下，需要查询的数据量非常大，接口响应就可能会非常慢。
+
+但事实证明不是这个原因。
+
+很快有个同事给出了答案。
+
+他们在结算单列表页面中，批量请求了这个接口，但他传参的数据量非常大。
+
+怎么回事呢？
+
+当初说的需求是这个接口给分页的列表页面调用，每页大小有：10、20、30、50、100，用户可以选择。
+
+换句话说，调用批量评价查询接口，一次性最多可以查询100条记录。
+
+但实际情况是：结算单列表页面还包含了很多订单。基本上每一个结算单，都有多个订单。调用批量评价查询接口时，需要把结算单和订单的数据合并到一起。
+
+这样导致的结果是：调用批量评价查询接口时，一次性传入的参数非常多，入参list中包含几百、甚至几千条数据都有可能。
+
+## 2\. 现状
+
+如果一次性传入几百或者几千个id，批量查询数据还好，可以走主键索引，查询效率也不至于太差。
+
+但那个批量评分查询接口，逻辑不简单。
+
+伪代码如下：
+
+```
+public List<ScoreEntity> query(List<SearchEntity> list) {
    //结果
    List<ScoreEntity> result = Lists.newArrayList();
    //获取组织id
    List<Long> orgIds = list.stream().map(SearchEntity::getOrgId).collect(Collectors.toList());
    //通过regin调用远程接口获取组织信息
    List<OrgEntity> orgList = feginClient.getOrgByIds(orgIds);
    
    for(SearchEntity entity : list) {
        //通过组织id找组织code
        String orgCode = findOrgCode(orgList, entity.getOrgId());
    
        //通过组合条件查询评价
        ScoreSearchEntity scoreSearchEntity = new ScoreSearchEntity();
        scoreSearchEntity.setOrgCode(orgCode);
        scoreSearchEntity.setCategoryId(entity.getCategoryId());
        scoreSearchEntity.setBusinessId(entity.getBusinessId());
        scoreSearchEntity.setBusinessType(entity.getBusinessType());
        List<ScoreEntity> resultList = scoreMapper.queryScore(scoreSearchEntity);
        
        if(CollectionUtils.isNotEmpty(resultList)) {
            ScoreEntity scoreEntity = resultList.get(0);
            result.add(scoreEntity);
        }
    }
    return result;
}
+```
+
+其实在真实场景中，代码比这个复杂很多，这里为了给大家演示，简化了一下。
+
+最关键的地方有两点：
+
+1.  在接口中远程调用了另外一个接口
+2.  需要在for循环中查询数据
+
+其中的第1点，即：在接口中远程调用了另外一个接口，这个代码是必须的。
+
+因为如果在`评价表`中冗余一个组织code字段，万一哪天`组织表`中的组织code有修改，不得不通过某种机制，通知我们同步修改评价表的组织code，不然就会出现数据不一致的问题。
+
+很显然，如果要这样调整的话，业务流程上要改了，代码改动有点大。
+
+所以，还是先保持在接口中远程调用吧。
+
+这样看来，可以优化的地方只能在：for循环中查询数据。
+
+## 3\. 第一次优化
+
+由于需要在for循环中，每条记录都要根据不同的条件，查询出想要的数据。
+
+由于业务系统调用这个接口时，没有传`id`，不好在`where`条件中用`id in (...)`，这方式批量查询数据。
+
+其实，有一种办法不用循环查询，一条sql就能搞定需求：使用`or`关键字拼接，例如：(org\_code='001' and category\_id=123 and business\_id=111 and business\_type=1) `or` (org\_code='002' and category\_id=123 and business\_id=112 and business\_type=2) `or` (org\_code='003' and category\_id=124 and business\_id=117 and business\_type=1)...
+
+这种方式会导致sql语句会非常长，性能也会很差。
+
+其实还有一种写法：
+
+```
+where (a,b) in ((1,2),(1,3)...)
+```
+
+不过这种sql，如果一次性查询的数据量太多的话，性能也不太好。
+
+居然没法改成批量查询，就只能优化单条查询sql的执行效率了。
+
+首先从`索引`入手，因为改造成本最低。
+
+> 第一次优化是`优化索引`。
+
+评价表之前建立一个business\_id字段的`普通索引`，但是从目前来看效率不太理想。
+
+由于我果断加了`联合索引`：
+
+```
+alter table user_score add index  `un_org_category_business` (`org_code`,`category_id`,`business_id`,`business_type`) USING BTREE;
+```
+
+该联合索引由：`org_code`、`category_id`、`business_id`和`business_type`四个字段组成。
+
+经过这次优化，效果立竿见影。
+
+批量评价查询接口最大耗时，从最初的`20s`，缩短到了`5s`左右。
+
+## 4\. 第二次优化
+
+由于需要在for循环中，每条记录都要根据不同的条件，查询出想要的数据。
+
+只在一个线程中查询数据，显然太慢。
+
+那么，为何不能改成多线程调用？
+
+> 第二次优化，查询数据库由`单线程`改成`多线程`。
+
+但由于该接口是要将查询出的所有数据，都返回回去的，所以要获取查询结果。
+
+使用多线程调用，并且要获取返回值，这种场景使用java8中的`CompleteFuture`非常合适。
+
+代码调整为：
+
+```
+CompletableFuture[] futureArray = dataList.stream()
     .map(data -> CompletableFuture
          .supplyAsync(() -> query(data), asyncExecutor)
          .whenComplete((result, th) -> {
       })).toArray(CompletableFuture[]::new);
CompletableFuture.allOf(futureArray).join();
+```
+
+`CompleteFuture`的本质是创建`线程`执行，为了避免产生太多的线程，所以使用`线程池`是非常有必要的。
+
+优先推荐使用`ThreadPoolExecutor`类，我们自定义线程池。
+
+具体代码如下：
+
+```
+ExecutorService threadPool = new ThreadPoolExecutor(
    8, //corePoolSize线程池中核心线程数
    10, //maximumPoolSize 线程池中最大线程数
    60, //线程池中线程的最大空闲时间，超过这个时间空闲线程将被回收
    TimeUnit.SECONDS,//时间单位
    new ArrayBlockingQueue(500), //队列
    new ThreadPoolExecutor.CallerRunsPolicy()); //拒绝策略
+```
+
+也可以使用`ThreadPoolTaskExecutor`类创建线程池：
+
+```
+@Configuration
public class ThreadPoolConfig {

    /**
     * 核心线程数量，默认1
     */
    private int corePoolSize = 8;

    /**
     * 最大线程数量，默认Integer.MAX_VALUE;
     */
    private int maxPoolSize = 10;

    /**
     * 空闲线程存活时间
     */
    private int keepAliveSeconds = 60;

    /**
     * 线程阻塞队列容量,默认Integer.MAX_VALUE
     */
    private int queueCapacity = 1;

    /**
     * 是否允许核心线程超时
     */
    private boolean allowCoreThreadTimeOut = false;


    @Bean("asyncExecutor")
    public Executor asyncExecutor() {
        ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
        executor.setCorePoolSize(corePoolSize);
        executor.setMaxPoolSize(maxPoolSize);
        executor.setQueueCapacity(queueCapacity);
        executor.setKeepAliveSeconds(keepAliveSeconds);
        executor.setAllowCoreThreadTimeOut(allowCoreThreadTimeOut);
        // 设置拒绝策略，直接在execute方法的调用线程中运行被拒绝的任务
        executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
        // 执行初始化
        executor.initialize();
        return executor;
    }
}
+```
+
+经过这次优化，接口性能也提升了5倍。
+
+从`5s`左右，缩短到`1s`左右。
+
+但整体效果还不太理想。
+
+## 5\. 第三次优化
+
+经过前面的两次优化，批量查询评价接口性能有一些提升，但耗时还是大于1s。
+
+出现这个问题的根本原因是：`一次性查询的数据太多`。
+
+那么，我们为什么不限制一下，每次查询的记录条数呢？
+
+> 第三次优化，限制一次性查询的记录条数。其实之前也做了限制，不过最大是2000条记录，从目前看效果不好。
+
+限制该接口一次只能查`200`条记录，如果超过`200`条则会报错提示。
+
+如果直接对该接口做限制，则可能会导致业务系统出现异常。
+
+为了避免这种情况的发生，必须跟业务系统团队一起讨论一下优化方案。
+
+主要有下面两个方案：
+
+### 5.1 前端做分页
+
+在结算单列表页中，每个结算单默认只展示1个订单，多余的分页查询。
+
+这样的话，如果按照每页最大100条记录计算的话，结算单和订单最多一次只能查询200条记录。
+
+这就需要业务系统的前端做`分页功能`，同时后端接口要调整支持`分页查询`。
+
+但目前现状是前端没有多余开发资源。
+
+由于人手不足的原因，这套方案目前只能暂时搁置。
+
+### 5.2 分批调用接口
+
+业务系统后端之前是`一次性`调用评价查询接口，现在改成`分批`调用。
+
+比如：之前查询500条记录，业务系统只调用一次查询接口。
+
+现在改成业务系统每次只查100条记录，分5批调用，总共也是查询500条记录。
+
+这样不是变慢了吗？
+
+答：如果那5批调用评价查询接口的操作，是在for循环中单线程顺序的，整体耗时当然可能会变慢。
+
+但业务系统也可以改成`多线程`调用，只需最终汇总结果即可。
+
+此时，有人可能会问题：在评价查询接口的服务器多线程调用，跟在其他业务系统中多线程调用不是一回事？
+
+还不如把批量评价查询接口的服务器中，`线程池`的`最大线程数`调大一点？
+
+显然你忽略了一件事：线上应用一般不会被部署成单点。绝大多数情况下，为了避免因为服务器挂了，造成单点故障，基本会部署至少2个节点。这样即使一个节点挂了，整个应用也能正常访问。
+
+> 当然也可能会出现这种情况：假如挂了一个节点，另外一个节点可能因为访问的流量太大了，扛不住压力，也可能因此挂掉。
+
+换句话说，通过业务系统中的多线程调用接口，可以将访问接口的流量负载均衡到不同的节点上。
+
+他们也用8个线程，将数据分批，每批100条记录，最后将结果汇总。
+
+经过这次优化，接口性能再次提升了1倍。
+
+从`1s`左右，缩短到小于`500ms`。
+
+温馨提醒一下，无论是在批量查询评价接口查询数据库，还是在业务系统中调用批量查询评价接口，使用多线程调用，都只是一个临时方案，并不完美。
+
+这样做的原因主要是为了先快速解决问题，因为这种方案改动是最小的。
+
+要从根本上解决问题，需要重新设计这一套功能，需要修改表结构，甚至可能需要修改业务流程。但由于牵涉到多条业务线，多个业务系统，只能排期慢慢做了。
+
+* * *
+
+**微信8.0将好友放开到了一万，小伙伴可以加我大号了，先到先得，再满就真没了**
+
+**扫描下方二维码即可加我微信啦，`2022，抱团取暖，一起牛逼。`**
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-yicxzdjkxnyhcsdmsjylzsz-e5ad6bcd-46d8-4911-8390-f988d742ece7.jpg)
+
+## 推荐阅读
+
+*   [新来个技术总监，把 RabbitMQ 讲的那叫一个透彻，佩服！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247501313&idx=1&sn=4dc42f4e2662a5637ebbab646d699150&scene=21#wechat_redirect)
+*   [支持Nacos 2.1.0！这套Spring Cloud Gateway+Oauth2终极权限解决方案升级了！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247501304&idx=1&sn=c9a17d313ad432081982132b2c1e79cc&scene=21#wechat_redirect)
+*   [JetBrains正式宣布：产品涨价！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247501215&idx=1&sn=cd5e281cde81c8873b4bd19979d40191&scene=21#wechat_redirect)
+*   [当开发同事辞职，接手到垃圾代码怎么办?](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247501139&idx=1&sn=21d24ce2dff862350eadfd876a3ea585&scene=21#wechat_redirect)
+*   [还在用命令行看日志？快用Kibana吧，可视化日志分析YYDS！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247501074&idx=1&sn=629db39555b3d344f928b87abecbba69&scene=21#wechat_redirect)
+*   [Mall电商实战项目全面升级！支持最新版SpringBoot，干掉循环依赖...](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247500820&idx=1&sn=9895bd4c39b90d45eb2a10efedb236ac&scene=21#wechat_redirect)
+*   [重磅更新！Mall实战教程全面升级，瞬间高大上了！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247499376&idx=1&sn=3ed28795cdd35fbaa3506e74a56703b0&scene=21#wechat_redirect)
+*   [40K+Star！Mall电商实战项目开源回忆录！](https://mp.weixin.qq.com/s?__biz=MzU1Nzg4NjgyMw==&mid=2247486684&idx=1&sn=807fd808adac8019eb2095ba088efe54&scene=21#wechat_redirect)
+
+
+
+![](http://cdn.tobebetterjavaer.com/tobebetterjavaer/images/nice-article/weixin-yicxzdjkxnyhcsdmsjylzsz-ffb0ad5d-a393-4a43-b594-74374c54f601.jpg)
+
+>转载链接：[https://mp.weixin.qq.com/s/fPgFzGloyUTzSHkXa43M9w](https://mp.weixin.qq.com/s/fPgFzGloyUTzSHkXa43M9w)，出处：macrozheng，整理：沉默王二