GLPI项目用户管理界面性能优化分析
2025-06-11 13:22:01作者:冯爽妲Honey
问题背景
在使用GLPI 10.0.18版本时,管理员访问用户列表页面出现了严重的性能问题,加载时间长达4分钟。通过分析MariaDB的慢查询日志,发现一个查询语句扫描了惊人的1.81亿行数据,导致系统响应缓慢。
技术分析
查询性能瓶颈
核心问题出现在用户列表页面的SQL查询语句上,该查询主要存在以下性能问题:
- 数据扫描量过大:查询扫描了1.81亿行数据,而实际用户数只有280个
- 复杂连接操作:查询涉及7张表的连接操作,包括用户表、配置表、邮件表、位置表、LDAP认证表以及两张工单表
- 聚合函数使用:使用了GROUP_CONCAT和COUNT等聚合函数,增加了计算开销
- 临时表生成:查询过程中生成了5个临时表,其中1个存储在磁盘上
关键影响因素
查询中特别值得注意的是对工单表的连接操作:
- 工单数量影响:系统中有13,000个工单记录
- 统计字段影响:查询中包含"作为请求者的工单数"和"作为处理者的工单数"两个统计字段
解决方案
临时解决方案
- 移除统计字段:从用户列表显示列中移除"作为请求者的工单数"和"作为处理者的工单数"两个统计字段
- 验证效果:移除后查询性能显著提升,页面加载时间恢复正常
长期优化建议
-
查询重构:
- 考虑将统计信息查询与基本信息查询分离
- 使用延迟加载技术,只在用户点击查看详情时加载统计信息
-
索引优化:
- 确保用户ID、工单关联表上的相关字段都有适当索引
- 考虑为常用查询条件创建复合索引
-
缓存策略:
- 对统计信息实施缓存机制,减少实时计算
- 设置合理的缓存过期时间
-
分页优化:
- 确保分页查询在获取第一页数据时不会扫描全部结果集
最佳实践
对于GLPI系统管理员,建议:
- 精简列表显示字段:只保留最常用的字段,减少查询复杂度
- 定期维护数据库:执行表优化和索引重建
- 监控系统性能:定期检查慢查询日志,及时发现性能问题
- 合理使用统计功能:在需要时才查看统计信息,避免在列表页面显示
总结
GLPI用户管理界面的性能问题主要源于复杂的关联查询和实时统计计算。通过优化查询结构、合理配置显示字段和实施缓存策略,可以显著提升系统响应速度。对于大型部署环境,建议特别注意统计功能的性能影响,并根据实际需求进行适当调整。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617