一、前言
在之前的学习中,我相信您已经学会了一些优化技巧,比如分布式锁、线程池优化、请求排队、服务实例扩容和消息解耦等等。现在,我要给您介绍最后一篇业务优化的内容了。这个优化方法是通过定时统计问题的请求频率,然后将一些经常被请求的问题缓存起来,以提高系统的响应速度。
二、术语
2.1、 任务调度框架(Task Scheduling Framework)
是一种用于管理和执行任务的软件工具或平台。它提供了一种结构和机制,使用户能够以自动化的方式安排、调度和执行任务,以满足特定的需求和要求。
2.2、分布式任务调度框架(Distributed Task Scheduling Framework)
是一种用于管理和调度分布式环境中任务的软件工具或平台。它专注于在分布式系统中协调和执行任务,以提高整体性能、可伸缩性和容错性。
分布式任务调度框架通常用于处理大规模任务和作业,并利用集群、云计算或容器化环境中的多个计算节点来并行执行任务。它们提供了一种分布式任务调度器,可以协调和分配任务到可用的计算节点,并监控任务的执行状态和进度。
2.3、XXL-JOB
是一个开源的分布式任务调度平台,用于解决大规模任务调度和分布式定时任务管理的需求。它提供了一个可视化的任务调度中心,可以集中管理和调度各种类型的任务,包括定时任务、流程任务和API任务等。
2.4、Milvus
是一个开源的向量数据库引擎,专门用于存储和处理大规模高维向量数据。它提供了高效的向量索引和相似性搜索功能,使用户能够快速地进行向量数据的存储、查询和分析。
Milvus的设计目标是为了满足现代应用中对大规模向量数据的需求,例如人脸识别、图像搜索、推荐系统等。它采用了向量空间模型和多种索引算法,包括倒排索引、近似最近邻(Approximate Nearest Neighbor,ANN)等,以支持高效的相似性搜索。
Milvus提供了易于使用的编程接口和丰富的功能,使用户可以方便地插入、查询和分析向量数据。它支持多种数据类型的向量,包括浮点型、整型等,也支持多种距离度量方法,如欧氏距离、余弦相似度等。
Milvus还提供了分布式部署和横向扩展的能力,可以在多台机器上构建高可用性和高性能的向量数据库集群。它支持数据的分片和负载均衡,可以处理大规模数据集和高并发查询。
三、前置条件
3.1、已经根据前面的"开源模型应用落地"的学习搭建起完整AI流程
1) 如何部署AI服务
2) 如何使用向量数据库
3) 如何使用RocketMQ
......
本篇将通过定时任务周期性的统计问题请求的频次,并从向量数据库中,将热点问题同步至Redis,实现缓存前置,提升访问性能。
四、技术实现
4.1、新增定时任务处理类
java
import cn.hutool.core.map.MapUtil;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.redisson.api.RMap;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.scheduling.annotation.Scheduled;
import org.springframework.stereotype.Component;
import java.util.Map;
@Slf4j
@Component
public class HotTopicStatistics {
private static final Long DEFAULT_HOTSPOT_THRESHOLD = 10L;
@Autowired
private RedisUtils redisUtils;
@Autowired
private ContentCacheUtils contentCacheUtils;
@Scheduled(cron = "*/30 * * * * ?")
public void statistics() {
RMap<String, String> rmap = redisUtils.hincget("CONTENT_COUNTER");
if (MapUtil.isNotEmpty(rmap)) {
for (Map.Entry<String, String> entry : rmap.entrySet()) {
String keyword = entry.getKey();
Long count = Long.parseLong(entry.getValue());
// 计数器统计数值 > 热度阈值
if(count.compareTo(DEFAULT_HOTSPOT_THRESHOLD) > 0){
// 从向量数据库中拉取数据
log.info("从向量数据库中拉取数据");
String cacheContent = contentCacheUtils.cacheFromMilvus(keyword);
if(StringUtils.isNotEmpty(cacheContent) && StringUtils.isNotBlank(cacheContent)){
log.info("将热点内容缓存至redis中,过期时间设置为3600秒,内容为:{}",cacheContent);
// 将热点内容缓存至redis中,过期时间设置为3600秒
redisUtils.buckSet(keyword,cacheContent,60*60);
}
}
}
}
}
}
4.2、新增内容缓存公共类
java
import cn.hutool.core.collection.CollUtil;
import cn.hutool.core.convert.Convert;
import cn.hutool.core.lang.Console;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
@Slf4j
@Component
public class ContentCacheUtils {
private static final int DIM = 256;
@Autowired
private AIChatUtils aiChatUtils;
@Autowired
private MilvusUtils milvusUtils;
public String cacheFromMilvus(String keyWord){
if (StringUtils.isEmpty(keyWord) || StringUtils.isBlank(keyWord)){
return null;
}
float[] vector = aiChatUtils.getVector("", keyWord);
double[] double_arr = milvusUtils.pretreatment(vector, DIM);
Float[] float_arr = Convert.toFloatArray(double_arr);
List<Float> vectorList = CollUtil.list(false, float_arr);
List search_vectors = new ArrayList(1);
// 打印日志
Console.log(search_vectors);
search_vectors.add(vectorList);
Map<String, String> resultMap = milvusUtils.search_data_vector("tb_content", "keyword",
search_vectors, null, 1, CollUtil.list(false, "content"));
String status = resultMap.get("status");
String cacheContent = null;
if (StringUtils.equals(status, "0")) {
cacheContent = resultMap.get("content");
}
return cacheContent;
}
}
4.3、修改Redis公共类
增加以下方法
java
public RMap<String, String> hincget(String key){
RMap<String, String> rmap = null;
if (StringUtils.isNotEmpty(key) && StringUtils.isNoneBlank(key) ) {
rmap = redissonClient.getMap(key);
}
return rmap;
}
public void buckSet(String key, String value,long second) {
if (StringUtils.isNotEmpty(key) && StringUtils.isNoneBlank(key) && StringUtils.isNotEmpty(value) && StringUtils.isNoneBlank(value)) {
RBucket<String> bucket = redissonClient.getBucket(key);
bucket.set(value,second, TimeUnit.SECONDS);
}
}
4.4、修改业务处理类
使用上面内容缓存公共类替换早前未封装的代码
五、测试
5.1、启动Redis
启动windows版本的redis服务,redis-server.exe redis.windows.conf
5.2、将CONTENT_COUNTER的值设置为11
下面使用Redis Desktop Manager工具编辑CONTENT_COUNTER的值
5.3、启动Milvus Server,并初始化数据
5.4、启动SpringBoot项目
(一)运行Application
(二)Redis当前只有一个Key,热点内容未缓存
(三)定时任务触发
(四)Redis缓存热点内容
六、附带说明
6.1、Spring Boot开启定时任务
启用类增加@EnableScheduling注解
需要将具体任务类加入到Spring管理,例如:增加@Component注解
6.2、实际项目中,应用使用分布式任务调度平台去替换本示例中SpringBoot内置的任务调度功能
6.3、Milvus Server启动超时
直接编辑milvus下面的__init__.py文件,将timeout设置大一些
6.4、本章BusinessHandler完整代码
java
import cn.hutool.core.collection.CollUtil;
import cn.hutool.core.convert.Convert;
import cn.hutool.core.lang.Console;
import com.alibaba.fastjson.JSON;
import io.netty.channel.ChannelHandler;
import lombok.extern.slf4j.Slf4j;
import io.netty.channel.ChannelHandlerContext;
import io.netty.handler.codec.http.websocketx.TextWebSocketFrame;
import org.apache.commons.lang3.StringUtils;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.concurrent.TimeUnit;
/**
* @Description: 处理消息的handler
*/
@Slf4j
@ChannelHandler.Sharable
@Component
public class BusinessHandler extends AbstractBusinessLogicHandler<TextWebSocketFrame> {
public static final String LINE_UP_QUEUE_NAME = "AI-REQ-QUEUE";
private static final String LINE_UP_LOCK_NAME = "AI-REQ-LOCK";
private static final int MAX_QUEUE_SIZE = 100;
// @Autowired
// private TaskUtils taskExecuteUtils;
// @Autowired
// private AIChatUtils aiChatUtils;
// @Autowired
// private MilvusUtils milvusUtils;
@Autowired
private RedisUtils redisUtils;
@Autowired
private RedissonClient redissonClient;
@Autowired
private NettyConfig nettyConfig;
@Autowired
private RocketMQProducer rocketMQProducer;
@Autowired
private ContentCacheUtils contentCacheUtils;
@Override
public void handlerAdded(ChannelHandlerContext ctx) throws Exception {
String channelId = ctx.channel().id().asShortText();
log.info("add client,channelId:{}", channelId);
}
@Override
public void handlerRemoved(ChannelHandlerContext ctx) throws Exception {
String channelId = ctx.channel().id().asShortText();
log.info("remove client,channelId:{}", channelId);
}
@Override
protected void channelRead0(ChannelHandlerContext channelHandlerContext, TextWebSocketFrame textWebSocketFrame)
throws Exception {
// 获取客户端传输过来的消息
String content = textWebSocketFrame.text();
// 兼容在线测试
if (StringUtils.equals(content, "PING")) {
buildResponse(channelHandlerContext, ApiRespMessage.builder().code(String.valueOf(StatusCode.SUCCESS.getCode()))
.respTime(String.valueOf(System.currentTimeMillis()))
.msgType(String.valueOf(MsgType.HEARTBEAT.getCode()))
.contents("心跳测试,很高兴收到你的心跳包")
.build());
return;
}
log.info("接收到客户端发送的信息: {}", content);
Long userIdForReq;
String msgType = "";
String contents = "";
try {
ApiReqMessage apiReqMessage = JSON.parseObject(content, ApiReqMessage.class);
msgType = apiReqMessage.getMsgType();
contents = apiReqMessage.getContents();
userIdForReq = apiReqMessage.getUserId();
// 用户身份标识校验
if (null == userIdForReq || (long) userIdForReq <= 10000) {
ApiRespMessage apiRespMessage = ApiRespMessage.builder().code(String.valueOf(StatusCode.SYSTEM_ERROR.getCode()))
.respTime(String.valueOf(System.currentTimeMillis()))
.contents("用户身份标识有误!")
.msgType(String.valueOf(MsgType.SYSTEM.getCode()))
.build();
buildResponseAndClose(channelHandlerContext, apiRespMessage);
return;
}
if (StringUtils.equals(msgType, String.valueOf(MsgType.CHAT.getCode()))) {
// 对用户输入的内容进行自定义违规词检测
// 对用户输入的内容进行第三方在线违规词检测
// 对用户输入的内容进行组装成Prompt
// 对Prompt根据业务进行增强(完善prompt的内容)
// 对history进行裁剪或总结(检测history是否操作模型支持的上下文长度,例如qwen-7b支持的上下文长度为8192)
// ...
// 通过线程池来处理
// String messageId = apiReqMessage.getMessageId();
// List<ChatContext> history = apiReqMessage.getHistory();
// AITaskReqMessage aiTaskReqMessage = AITaskReqMessage.builder().messageId(messageId).userId(userIdForReq).contents(contents).history(history).build();
// taskExecuteUtils.execute(aiTaskReqMessage);
// 违规词检测
log.info("contents: {}",contents);
if (WordDetection.contains_illegal_word(contents)) {
log.warn("the content sent contains illegal words");
ApiRespMessage apiRespMessage = ApiRespMessage.builder().code(String.valueOf(StatusCode.ILLEGAL_WORDS_FAILURE_731.getCode()))
.respTime(String.valueOf(System.currentTimeMillis()))
.contents("内容不合规!")
.msgType(String.valueOf(MsgType.SYSTEM.getCode()))
.build();
buildResponseAndClose(channelHandlerContext, apiRespMessage);
return;
}
String[] filterWords = new String[]{"一", "语文", "老师"};
List<String> keyWordsList = KeyWordsUtils.extractKeywords(contents, Arrays.asList(filterWords));
String keyWord = CollUtil.join(keyWordsList, "");
log.info("keyWord: {}", keyWord);
String cacheContent = redisUtils.buckGet(keyWord);
// 返回redis中的缓存数据
if (StringUtils.isNotEmpty(cacheContent) && StringUtils.isNoneBlank(cacheContent)) {
buildResponse(channelHandlerContext, ApiRespMessage.builder().code(String.valueOf(StatusCode.SUCCESS.getCode()))
.respTime(String.valueOf(System.currentTimeMillis()))
.msgType(String.valueOf(MsgType.CHAT.getCode()))
.contents(cacheContent)
.build());
return;
} else {
// 从milvus中检索数据
cacheContent = contentCacheUtils.cacheFromMilvus(keyWord);
if (StringUtils.isNotEmpty(cacheContent) && StringUtils.isNoneBlank(cacheContent)) {
buildResponse(channelHandlerContext, ApiRespMessage.builder().code(String.valueOf(StatusCode.SUCCESS.getCode()))
.respTime(String.valueOf(System.currentTimeMillis()))
.msgType(String.valueOf(MsgType.CHAT.getCode()))
.contents(cacheContent)
.build());
return;
}
//投递消息
String msg = "{\"msg\":\""+keyWord+"\"}";
rocketMQProducer.send("ai-topic",msg);
}
// 通过队列来缓冲
boolean flag = true;
RLock lock = redissonClient.getLock(LINE_UP_LOCK_NAME);
String queueName = LINE_UP_QUEUE_NAME + "-" + nettyConfig.getNode();
//尝试获取锁,最多等待3秒,锁的自动释放时间为10秒
if (lock.tryLock(3, 10, TimeUnit.SECONDS)) {
try {
if (redisUtils.queueSize(queueName) < MAX_QUEUE_SIZE) {
redisUtils.queueAdd(queueName, content);
log.info("当前线程为:{}, 添加请求至redis队列", Thread.currentThread().getName());
} else {
flag = false;
}
} catch (Throwable e) {
log.error("系统处理异常", e);
} finally {
lock.unlock();
}
} else {
flag = false;
}
if (!flag) {
buildResponse(channelHandlerContext, ApiRespMessage.builder().code(String.valueOf(StatusCode.SUCCESS.getCode()))
.respTime(String.valueOf(System.currentTimeMillis()))
.msgType(String.valueOf(MsgType.SYSTEM.getCode()))
.contents("当前排队人数较多,请稍后再重试!")
.build());
}
} else if (StringUtils.equals(msgType, String.valueOf(MsgType.INIT.getCode()))) {
//一、业务黑名单检测(多次违规,永久锁定)
//二、账户锁定检测(临时锁定)
//三、多设备登录检测
//四、剩余对话次数检测
//检测通过,绑定用户与channel之间关系
addChannel(channelHandlerContext, userIdForReq);
String respMessage = "用户标识: " + userIdForReq + " 登录成功";
buildResponse(channelHandlerContext, ApiRespMessage.builder().code(String.valueOf(StatusCode.SUCCESS.getCode()))
.respTime(String.valueOf(System.currentTimeMillis()))
.msgType(String.valueOf(MsgType.INIT.getCode()))
.contents(respMessage)
.build());
} else if (StringUtils.equals(msgType, String.valueOf(MsgType.HEARTBEAT.getCode()))) {
buildResponse(channelHandlerContext, ApiRespMessage.builder().code(String.valueOf(StatusCode.SUCCESS.getCode()))
.respTime(String.valueOf(System.currentTimeMillis()))
.msgType(String.valueOf(MsgType.HEARTBEAT.getCode()))
.contents("心跳测试,很高兴收到你的心跳包")
.build());
} else {
log.info("用户标识: {}, 消息类型有误,不支持类型: {}", userIdForReq, msgType);
}
} catch (Exception e) {
log.warn("【BusinessHandler】接收到请求内容:{},异常信息:{}", content, e.getMessage(), e);
// 异常返回
return;
}
}
}