一、性能诊断体系

基于全链路监控的性能瓶颈定位：

1.1 性能指标矩阵

1.2 全链路追踪示例

合同查询请求的调用链分析：

关键路径分析：

1. 1. N+1查询问题：获取合同列表后循环查询签署状态

2. 2. 缓存穿透：不存在的合同ID导致频繁查库

3. 3. 大文件下载：PDF合同未启用分块传输

二、数据库优化

针对合同业务特征的SQL与存储优化：

2.1 MySQL优化策略

2.2 慢SQL优化案例

优化前（执行时间1.2s）：

SELECT * FROM contracts c 
LEFT JOIN sign_records s ON c.id = s.contract_id
WHERE c.user_id = 12345 
AND c.status IN ('PENDING','SIGNED')
ORDER BY c.create_time DESC
LIMIT 1000;

优化后（执行时间85ms）：

-- 步骤1：使用覆盖索引获取ID
SELECT id FROM contracts 
WHERE user_id = 12345 
AND status IN ('PENDING','SIGNED')
ORDER BY create_time DESC
LIMIT 1000;

-- 步骤2：批量获取详情（应用层缓存sign_records）
SELECT * FROM contracts WHERE id IN (?,?,...);
SELECT * FROM sign_records WHERE contract_id IN (?,?,...);

执行计划对比：

三、缓存架构设计

多级缓存体系应对高并发查询：

3.1 缓存策略矩阵

3.2 热点缓存方案

Redis集群+本地缓存的二级架构：

public class ContractCacheService {
    // 本地缓存（Caffeine）
    private final Cache<String, Contract> localCache = Caffeine.newBuilder()
        .maximumSize(10_000)
        .expireAfterWrite(30, TimeUnit.SECONDS)
        .build();

    // 获取合同（防止缓存穿透）
    public Contract getContract(String contractId) {
        // 1. 查本地缓存
        Contract contract = localCache.getIfPresent(contractId);
        if (contract != null) return contract;

        // 2. 查Redis（Lua脚本原子操作）
        String script = "if redis.call('exists',KEYS[1])==1 then " +
                       "return redis.call('get',KEYS[1]) " +
                       "else " +
                       "redis.call('setex',KEYS[1],ARGV[2],ARGV[1]) " +
                       "return ARGV[1] end";
        String result = redisTemplate.execute(
            script, 
            Collections.singletonList("contract:" + contractId),
            "NULL", "300");

        // 3. 空值缓存处理
        if ("NULL".equals(result)) {
            localCache.put(contractId, Contract.EMPTY);
            return Contract.EMPTY;
        }

        // 4. 反序列化数据
        contract = deserialize(result);
        localCache.put(contractId, contract);
        return contract;
    }
}

缓存预热策略：

# 定时任务预热热点合同
@Scheduled(cron = "0 0 8 * * ?") 
public void preloadHotContracts() {
    // 查询昨日热点合同
    List<String> hotContracts = contractMapper.selectHotContracts();
    
    // 批量加载到Redis
    redisTemplate.executePipelined(connection -> {
        hotContracts.forEach(id -> {
            Contract contract = contractMapper.selectById(id);
            connection.setEx(
                ("contract:" + id).getBytes(),
                86400,
                serialize(contract)
            );
        });
        return null;
    });
}

四、JVM层优化

针对合同处理场景的JVM参数调优：

4.1 JVM配置对比

4.2 签署服务JVM参数

生产环境配置：

# 基础配置
-Xms4g -Xmx4g 
-XX:MetaspaceSize=256m 
-XX:MaxMetaspaceSize=256m 
-Xss512k

# G1垃圾回收器
-XX:+UseG1GC 
-XX:MaxGCPauseMillis=200 
-XX:InitiatingHeapOccupancyPercent=45

# 内存溢出时dump
-XX:+HeapDumpOnOutOfMemoryError 
-XX:HeapDumpPath=/logs/heap.hprof

# 监控配置
-XX:+PrintGCDetails 
-XX:+PrintGCDateStamps 
-Xloggc:/logs/gc.log

GC日志分析工具：

1. 1. gceasy.io - 在线分析GC日志

2. 2. GCViewer - 离线分析工具

3. 3. jstat -gcutil [pid] - 实时监控

五、前端性能提升

合同管理Console的加载速度优化：

5.1 优化措施

5.2 合同列表优化

虚拟滚动实现：

import { FixedSizeList as List } from 'react-window';

const ContractList = ({ contracts }) => (
  <List
    height={600}
    itemCount={contracts.length}
    itemSize={80}
    width="100%"
  >
    {({ index, style }) => (
      <div style={style}>
        <ContractItem data={contracts[index]} />
      </div>
    )}
  </List>
);

// 优化前后的渲染性能对比
+---------------------+------------+-----------+
|      指标          | 优化前     | 优化后    |
+---------------------+------------+-----------+
| 万条数据渲染时间   | 4200ms     | 60ms      |
| 内存占用           | 1.2GB      | 85MB      |
| 滚动FPS            | 12         | 60        |
+---------------------+------------+-----------+

Webpack分包配置：

// vue.config.js
module.exports = {
  chainWebpack: config => {
    config.optimization.splitChunks({
      chunks: 'all',
      maxSize: 244 * 1024,
      cacheGroups: {
        pdfWorker: {
          test: /[\\/]node_modules[\\/]pdfjs-dist[\\/]/,
          name: 'pdf-worker',
          priority: 10
        }
      }
    });
  }
};