前言
本日跟大家聊聊日常开辟中，怎样淘汰bug？本文将从数据库、代码层面、缓存使用篇3个大方向，总结出一共50多个留意点，助大家成为开辟质量之星。
1. 数据库篇
慢查询
数据库篇的话，哪些地方容易导致bug出现呢？我总结了7个方面：慢查询、数据库字段留意点、事务失效的场景、死锁、主从延迟、新老数据兼容、一些SQL经典留意点。
1.1 慢查询
慢查询.gif
1.1.1 是否命中索引
提起慢查询，我们马上就会想到加索引。如果一条SQL没加索引，或者没有命中索引的话，就会产生慢查询。
索引哪些情况会失效？
- 查询条件包含or，可能导致索引失效
- 怎样字段类型是字符串，where时一定用引号括起来，否则索引失效
- like通配符可能导致索引失效。
- 联合索引，查询时的条件列不是联合索引中的第一个列，索引失效。
- 在索引列上使用mysql的内置函数，索引失效。
- 对索引列运算（如，+、-、*、/），索引失效。
- 索引字段上使用（！= 或者 < >，not in）时，可能会导致索引失效。
- 索引字段上使用is null， is not null，可能导致索引失效。
- 左毗连查询或者右毗连查询查询关联的字段编码格式不一样，可能导致索引失效。
- mysql估计使用全表扫描要比使用索引快,则不使用索引。
1.1.2 数据量大，考虑分库分表
单表数据量太大，就会影响SQL执行性能。我们知道索引数据结构一般是B+树，一棵高度为3的B+树，大概可以存储两千万的数据。凌驾这个数的话，B+树要变高，查询性能会下降。
因此，数据量大的时候，建议分库分表。分库分表的中心件有mycat、sharding-jdbc
1.1.3 不合理的SQL
日常开辟中，笔者见过很多不合理的SQL：好比一个SQL居然用了6个表毗连,连表太多会影响查询性能；再好比一个表，居然加了10个索引等等。索引是会降低了插入和更新SQL性能，以是索引一般不建议太多，一般不能凌驾五个。
1.2 数据库字段留意点
数据库字段这块内容，很容易出bug。好比，你测试环境修改了表结构，加了某个字段，忘记把脚本带到生产环境，那发版肯定有问题了。
1.2.1 字段是否会超长
假设你的数据库字段是：
`name` varchar(255) DEFAULT NOT NULL如果哀求参数来了变量name，字段长度是300，那插入表的时候就报错了。以是需要校验参数，防止字段超长。
1.2.2 字段为空，是否会导致空指针等
我们计划数据库表字段的时候,只管把字段设置为not null。
- 如果是整形，我们一般使用0或者-1作为默认值。
- 如果字符串，默认空字符串
如果数据库字段设置为NULL值，容易导致程序空指针；如果数据库字段设置为NULL值，需要留意count(详细列) 的使用，会有坑。
1.2.3 字段缺失
我们的日常开辟任务，如果在测试环境，对表进行修改，好比添加了一个新字段，必须要把SQL脚本带到生产环境，否则字段缺失，发版就有问题啦。
1.2.4 字段类型是否支持心情
如果一个表字段需要支持心情存储，使用utf8mb4。
1.2.5 谨慎使用text、blob字段
如果你要用一个字段存储文件，考虑存储文件的路径，而不是保存整个文件下去。使用text时，涉及查询条件时，留意创建前缀索引。
1.3 事务失效的场景
1.3.1 @Transactional 在非public修饰的方法上失效
@Transactional注解，加在非public修饰的方法上，事务是不会生效的。spring事务是借鉴了AOP的思想，也是通过动态署理来实现的。spring事务自己在调用动态署理之前，已经对非public方法过滤了，以是非public方法，事务不生效。
1.3.2 当地方法直接调用
以下这个场景，@Transactional事务也是无效的
public class TransactionTest{ public void A(){ //插入一条数据 //调用方法B (当地的类调用，事务失效了) B(); } @Transactional public void B(){ //插入数据 }}1.3.3 异常被try...catch吃了，导致事务失效。
@Transactionalpublic void method(){ try{ //插入一条数据 insertA(); //更改一条数据 updateB(); }catch(Exception e){ logger.error("异常被捕获了，那你的事务就失效咯",e); }}1.3.4 rollbackFor属性设置错误
Spring默认抛出了未检查unchecked异常（继续自RuntimeException 的异常）或者Error才回滚事务；其他异常不会触发回滚事务。如果在事务中抛出其他类型的异常，就需要指定rollbackFor属性。
1.3.5 底层数据库引擎不支持事务
MyISAM存储引擎不支持事务，InnoDb就支持事务
1.3.6 spring事务和业务逻辑代码必须在一个线程中
业务代码要和spring事务的源码在同一个线程中，才会受spring事务的控制。好比下面代码，方法mothed的子线程，内部执行的事务操作，将不受mothed方法上spring事务的控制，这一点大家要留意。这是由于spring事务实现中使用了ThreadLocal，实现同一个线程中数据共享。
@Transactionalpublic void mothed() { new Thread() { 事务操作 }.start();}1.4 死锁
死锁是指两个或多个事务在同一资源上相互占用，并哀求锁定对方的资源，从而导致恶性循环的征象。
MySQL内部有一套死锁检测机制，一旦发生死锁会立即回滚一个事务，让另一个事务执行下去。但死锁有资源的利用率降低、进程得不到正确结果等危害。
1.4.1 9种情况的SQL加锁分析
要制止死锁，需要学会分析：一条SQL的加锁是怎样进行的?一条SQL加锁，可以分9种情况进行探讨：
- 组合一：id列是主键，RC隔离级别
- 组合二：id列是二级唯一索引，RC隔离级别
- 组合三：id列是二级非唯一索引，RC隔离级别
- 组合四：id列上没有索引，RC隔离级别
- 组合五：id列是主键，RR隔离级别
- 组合六：id列是二级唯一索引，RR隔离级别
- 组合七：id列是二级非唯一索引，RR隔离级别
- 组合八：id列上没有索引，RR隔离级别
- 组合九：Serializable隔离级别
1.4.2 怎样分析解决死锁？
分析解决死锁的步骤如下：
- 模仿死锁场景
- show engine innodb status;查看死锁日志
- 找出死锁SQL
- SQL加锁分析，这个可以去官网看哈
- 分析死锁日志（持有什么锁，等待什么锁）
- 熟悉锁模式兼容矩阵，InnoDB存储引擎中锁的兼容性矩阵。
有兴趣的小伙伴，可以看下我之前写的这篇文章：手把手教你分析Mysql死锁问题
1.5 主从延迟问题考虑
先插入，接着就去查询,这类代码逻辑比较常见，这可能会有问题的。一般数据库都是有主库，从库的。写入的话是写主库，读一般是读从库。如果发生主从延迟，，很可能出现你插入成功了，但是查询不到的情况。
1.5.1 要求强一致性，考虑读主库
如果是重要业务，要求强一致性，考虑直接读主库
1.5.2 不要求强一致性，读从库
如果是一般业务，可以担当短暂的数据不一致的话，优先考虑读从库。由于从库可以分担主库的读写压力，进步系统吞吐。
1.6 新老数据兼容
1.6.1 新加的字段，考虑存量数据的默认值
我们日常开辟中，随着业务需求变更，常常需要给某个数据库表添加个字段。好比在某个APP配置表，需要添加个场景号字段，如scene_type,它的枚举值是 01、02、03，那我们就要跟业务对齐，新添加的字段，老数据是什么默认值，是为空照旧默认01，如果是为NULL的话，程序代码就要做好空指针处置惩罚。
1.6.2 如果新业务用老的字段，考虑老数据的值是否有坑
如果我们开辟中，需要沿用数据库表的老字段，而且有存量数据，那就需要考虑老存量数据库的值是否有坑。好比我们表有个user_role_code 的字段，老的数据中，它枚举值是 01：超级管理员 02：管理员 03：一般用户。假设业务需求是一般用户拆分为03查询用户和04操作用户，那我们在开辟中，就要考虑老数据值的问题啦。
1.7 一些SQL的经典留意点
1.7.1 limit大分页问题
limit大分页是一个非常经典的SQL问题，我们一般有这3种对应的解决方案
方案一： 如果id是一连的，可以如许，返回上次查询的最大记载(偏移量)，再往下limit
select id,name from employee where id>1000000 limit 10.方案二: 在业务答应的情况下限制页数：
建议跟业务讨论，有没有必要查这么后的分页啦。由于绝大多数用户都不会往后翻太多页。谷歌搜索页也是限制了页数，因此不存在limit大分页问题。
方案三： 利用延迟关联或者子查询优化超多分页场景。（先快速定位需要获取的id段，然后再关联）
SELECT a.* FROM employee a, (select id from employee where 条件 LIMIT 1000000,10 ) b where a.id=b.id1.7.2 修改、查询数据量多时，考虑分批进行。
我们更新或者查询数据库数据时，只管制止循环去操作数据库，可以考虑分批进行。好比你要插入10万数据的话，可以一次插入500条，执行200次。
正例：
remoteBatchQuery(param);反例：
for(int i=0;i |
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
显身卡
