Vai jūs optimizējāt straumēšanas kotēšanas patēriņu? Kāda bija problēma un ko jūs darījāt?

Problēma bija saistīta ar resursu pārmērīgu izmantošanu straumējošo kotējumu apstrādē: piemēram, biežas atjaunināšanas noveda pie daudz nevajadzīgu aprēķinu un tīkla trafika. Optimizācijai es ieviesu datu filtru un agregāciju klienta pusē, lai apstrādātu tikai nozīmīgas izmaiņas (piemēram, cenu izmaiņas, kas pārsniedz noteiktu slieksni). Tāpat es izmantoju buferizāciju un partiju apstrādi ziņojumiem, lai samazinātu sistēmas slodzi.

Piemērs Go valodā ar kanāla un taimeri izmantošanu atjauninājumu agregācijai:

func processQuotes(input <-chan Quote) {
    buffer := make([]Quote, 0)
    ticker := time.NewTicker(500 * time.Millisecond)
    defer ticker.Stop()

    for {
        select {
        case q := <-input:
            // Pievienot buferim tikai ja izmaiņa ir nozīmīga
            if isSignificantChange(q) {
                buffer = append(buffer, q)
            }
        case <-ticker.C:
            if len(buffer) > 0 {
                // Apstrādāt atjauninājumu partiju
                handleBatch(buffer)
                buffer = buffer[:0]
            }
        }
    }
}