Shlink项目优化大数据集分析性能的技术方案

背景与挑战

Shlink作为一个开源的URL短链接服务，在处理大规模访问数据时遇到了性能瓶颈。当系统积累了数千万访问记录后，管理员界面加载访问统计信息变得极其缓慢，甚至无法完成加载。核心问题在于每次页面加载都会直接执行全表COUNT查询，这在海量数据场景下效率极低。

问题分析

传统实现中，Shlink采用直接查询数据库的方式统计访问量：

1. 全局访问统计：SELECT COUNT(v0_.id) FROM visits v0_ WHERE v0_.short_url_id IS NOT NULL AND v0_.potential_bot = 0
2. 单个短链接访问统计：类似的全表COUNT查询

这种实现在小数据量时表现良好，但当数据量达到千万级别时，查询耗时可能超过2分钟，严重影响用户体验。

优化方案

开发团队设计了全新的统计计数架构：

1. 预计算存储模式

• 引入专门的计数存储表，预先计算并保存各类统计结果
• 包括全局访问量、单个短链接访问量、标签关联访问量等核心指标

2. 实时增量更新

• 每次有新访问时，同步更新预计算的计数
• 确保统计数据的实时性和准确性

3. 定期全量校验

• 设置定时任务执行全量COUNT校验
• 修正可能存在的计数偏差
• 保证长期运行的准确性

性能提升

在实际测试环境中：

• 数据规模：100万访问记录、1万个短链接、2万个标签
• 查询性能提升约20倍
• 管理员界面响应时间从分钟级降至秒级

实现细节

优化涉及两个主要方面：

1. 短链接访问统计优化

   • 重构了短链接访问量的计算逻辑
   • 从实时COUNT改为使用预计算值
   • 显著提升短链接列表页面的加载速度

2. 标签统计优化

   • 特别优化了按标签统计访问量的功能
   • 解决了标签过滤时的性能瓶颈
   • 使标签导航更加流畅

总结

Shlink通过引入预计算统计架构，有效解决了大规模数据集下的性能问题。这一优化不仅提升了管理员界面的响应速度，也为系统未来的扩展性奠定了基础。该优化已随Shlink 4.1.0版本正式发布，为处理海量访问数据的用户带来了显著的性能提升。