前言：最近做关于优惠券的开发，但是发现优惠券量大了之后，性能完全跟不上，库中存200万条优惠券，发一张券竟然需要5分钟之久，然后我就着手优化，最终到发一张券只需要15毫秒左右，现在把整个思路以及代码贴出来，供大家一起讨论和学习。
简介
主要实现优惠券促销活动，首先创建活动，然后创建券组，采用预处理的方式提前进行制券，在第一版本主要实现，功能的基本业务。然后在分支实现，大数量和高并发问题。
分支1.1
1：解决优惠券编码重复问题，原先采用的是获取数据库所有的券，然后去比对是否重复，如果库数据量达百万的时候就会出现非常缓慢，而且会 出现经常制券失败等，所以此版本舍弃原先采用随机数的模式，通过推特的雪花算法来避免唯一，但是依然保留优惠券前缀和后缀。
2：由原来的异步采用线程修改为线程池，以为高并发时候存在大量的线程占内存空间。
3：由原来制券采用for循环模式修改为批量制券，而且采用分配插入优惠券，一批次目前定为5000.
4：加入消息队列（采用rabbitMQ）对于某一批次添加失败，把失败的放入对列中，通过队列进行补救，已到达高可用。避免大批量优惠券来回重新导入 消息队列对于异常信息拒绝解决并重返消息队列中，配置2个消费者以避免其中一个服务异常，消息处理出现死循环
分支1.2
1：加入操作日志
目的：跟踪热点数据，查询日志快速跟踪应用程序中的慢查询或慢操作，为后面的优化奠定基础
2：加入异常日志
目的：快速的获取线程的异常问题，通过日志中的数据能快速修改
3：采用技术 通过aop和rabbitmq中间件来做，这样减少由于日志问题给程序带来的效率问题
未做优化效率统计
采用数据库mysql
数据：添加25个有效活动，每个活动下分别有2个券组，每个券组下制券是5万张。优惠券表中250万条记录
业务：一个会员消费同时满足这25个活动要送50张优惠券。
统计：整个发券过程经过10次统计得出大约消耗是306s，其中每次获取优惠券耗时6s。如果多次循环必然带来性能的瓶颈
更新优惠券状态大约耗时是0.5s，从上我们可以看出我们的性能问题主要出在获取优惠券上。所以才1.3版本主要通过程序来解决这个问题
分支1.3
目的：通过程序代码和优化数据库来提高性能
具体方案：
1：以前获取券组下所有的优惠券现在修改为每次只获取100条(经测试统计得出发送50张券消耗时间是106s，每次获取优惠券大约耗时是2s多，整体性能提升近3倍)
2：优化sql，加入组合索引（统计得出发送50张优惠券消耗总时间是2.5s，每次获取优惠券大约耗时是0.015s，整体的性能提升了近42倍）
3：加入本地缓存（如果一次性获取的优惠券先放入map中,那么下次如果还有就不需要从库中获取优惠券。统计发现：10件商品，每件商品发50张优惠券
不加本地缓存效率耗时是7.5s，加入本地缓存后耗时约5.5s，整体性能提升了2s）
效果分析：
4：对于发券采用批量更新来替代for循环(由上面的约5.5s性能提升为大约4.8s)
分支1.4
目的：通过异步和消息队列来进行发券
具体方案：
1：通过异步进行发券，这样可以提高cpu的利用率，同时通过消息队列来保证稳定性，避免出现异常导致返回前端发券成功，但是异步制券时候出现异常在发500张优惠券的时候效率大约提升了0.5s
2：对代码进行一次重构
原则：把大方法修改小方法，每个小方法处理一个业务，比如获取活动，那么这个方法的职责就是获取活动，同时每个小方法尽量有返回值，这样可以增加代码的可读性
分支1.5
1：采用redis做缓存，取当天有效的活动，活动下券组，券组下500张券存入缓存中。
2：加入定时任务，在每天12点时候更新缓存（这个时间可以通过热点数据来监控）
3：统计结果发现：
加入缓存后发送500张优惠券耗时只有2.7s，比之前的4.8s快了2.1s，大大的提升了性能
总结：代码我就不贴，大家可以自己去看。感兴趣的朋友可以在这个基础继续研发学习。在版本1.6可能加入分库分表，目前想采用的是当当的sharding-jdbc