Lightdash项目中异步查询服务的重构实践
2025-06-12 21:53:29作者:蔡怀权
在数据分析平台Lightdash的最新版本0.1612.0中,开发团队完成了一项重要的架构优化——将异步查询功能从项目服务(ProjectService)中分离出来,创建了专门的AsyncQueryService。这一改动虽然看似简单,但对于提升系统可维护性和扩展性具有重要意义。
背景与动机
在现代数据分析系统中,查询操作往往需要处理大量数据,耗时较长。传统的同步查询方式会导致用户界面长时间等待,严重影响用户体验。异步查询模式允许用户发起查询后立即返回,系统在后台处理完成后通知用户获取结果。
Lightdash原先将这些异步查询功能直接实现在ProjectService中,随着功能不断丰富,这种设计逐渐暴露出一些问题:
- 职责不单一:ProjectService承担了过多不相关的功能
- 代码臃肿:随着异步查询逻辑复杂化,服务类变得难以维护
- 扩展困难:新的异步查询特性难以灵活添加
解决方案
团队决定将异步查询相关功能抽取到独立的AsyncQueryService中,这一重构带来了多方面好处:
架构清晰化
- 明确划分了项目管理和查询处理两个领域
- 每个服务只关注自己的核心职责
- 降低了服务间的耦合度
性能优化潜力
- 独立服务可以针对查询特性进行专门优化
- 更容易实现查询缓存、队列管理等高级功能
- 为未来可能的分布式查询处理打下基础
可维护性提升
- 代码组织更符合单一职责原则
- 新成员更容易理解系统结构
- 测试用例可以更有针对性
技术实现要点
在实际重构过程中,团队需要注意以下关键点:
-
接口设计:定义清晰的异步查询接口,包括查询提交、状态检查和结果获取
-
状态管理:实现可靠的查询状态跟踪机制,确保用户能准确了解查询进度
-
错误处理:完善异步环境下的错误处理和重试机制
-
资源清理:建立查询结果的生命周期管理,避免资源泄漏
-
事务边界:合理划分与项目管理相关的事务范围
对用户的影响
虽然这是后端架构的调整,但最终用户也能从中受益:
- 更稳定的查询体验
- 更详细的查询状态反馈
- 为未来更丰富的查询功能奠定基础
总结
Lightdash这次将异步查询功能抽取为独立服务的重构,是典型的高内聚低耦合架构优化实践。它不仅解决了当前代码维护的痛点,还为系统未来的功能扩展提供了更灵活的基础。这种渐进式的架构演进方式,值得其他成长中的数据分析平台参考借鉴。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210