使用 React、Nodejs 和 MongoDB 构建高性能全栈应用程序：可扩展性、速度和解决方案之旅

结果：这一变化的影响是非常显着的。我们发现我们的捆绑包缩减了 30%，用户体验到了更快的初始加载速度。最好的部分是用户不知道应用程序的某些部分仍在加载，我们明智地使用了 suspense 并显示了一个简单的非侵入式加载消息。

2：驯服 react 中的状态管理猛兽

随着时间快进几个月，我们的开发团队正在大踏步前进并推出许多新功能。但随着业务的增长，我们无意中开始构建我所说的更复杂的应用程序。 redux 很快就成为促进简单交互的负担而不是助手。

所以，我花了一些时间创建一个 poc，以获得更好的替代方案。我记录了它的原理，并主持了多次知识共享会议，讨论该方法可能是什么样子。我们最终决定作为一个团队尝试使用 react hooks（特别是 usereducer）作为我们提出的管理状态的解决方案，因为最终我们想要更简单的代码和更少的大量运行时占用空间，而新版本的 redux 因许多较小的独立组件而导致开销不断增加状态。

接下来的转变简直就是革命性的。我们发现自己用简洁、易于理解的钩子逻辑替换了数十行样板代码。以下是我们如何实施这种新方法的说明性示例：

const initialstate = { count: 0 };

function reducer(state, action) {
  switch (action.type) {
    case 'increment':
      return { count: state.count + 1 };
    case 'decrement':
      return { count: state.count - 1 };
    default:
      throw new error();
  }
}

const countercontext = react.createcontext();

function counterprovider({ children }) {
  const [state, dispatch] = usereducer(reducer, initialstate);
  return (
    
      {children}
    
  );
}

结果：这一转变的影响是深远的。我们的应用程序变得更加可预测并且更容易推理。代码库现在更精简、更直观，使我们的团队能够以更快的速度进行迭代。也许最重要的是，我们的初级开发人员报告说，他们浏览和理解代码库的能力有了显着提高。最终结果是双赢的：需要维护的代码更少，需要解决的错误更少，开发团队明显更快乐、更高效。

3：征服后端战场 - 优化 node.js api 以获得最佳性能

虽然我们能够对前端进行很多改进，但不久之后我们在后端遇到了多个问题。我们的 api 性能变得很糟糕，而且很少有端点开始表现得很糟糕。这些端点对不同的第三方服务进行一系列调用，并且随着用户群的不断增长，系统无法处理此负载。

这是非常常识性的问题：我们不是平行的！即，对每个端点的请求都是按顺序处理的，即每个下一个调用都将等待上一个调用完成。在这个大规模（数十万个请求）的系统中，事实证明这是灾难性的。

解决方案：为了解决这个问题，我们决定重写大量代码，并使用 promise.all() 的强大功能以并发方式发出 api 请求。这意味着您启动多个请求，而不必等到每个调用完成才启动下一个请求。

多墨智能

多墨智能 - AI 驱动的创意工作流写作工具

下载

为此，我们不会启动 api 调用，等待其完成，再进行另一个调用等等......

不是简单地使用 promise.all()，所有内容都会立即启动，而且速度更快。

以下是我们如何实施此解决方案的一瞥：

const getuserdata = async () => {
  const [profile, posts, comments] = await promise.all([
    fetch('/api/profile'),
    fetch('/api/posts'),
    fetch('/api/comments')
  ]);
  return { profile, posts, comments };
};

结果：此优化的影响是立竿见影且巨大的。我们观察到响应时间显着减少了 50%，并且我们的后端在重负载下的弹性显着提高。用户不再遇到令人沮丧的延迟，我们看到服务器超时的数量急剧减少。此增强功能不仅改善了用户体验，还允许我们的系统在不影响性能的情况下处理更多的请求。

4：mongodb 探索 — 驯服数据野兽

随着我们的应用程序获得关注并且我们的用户群数量级增长，我们不得不面对一个新的障碍：如何扩展其数据？当我们不得不处理数百万个文档时，我们曾经响应迅速的 mongodb 实例开始出现阻塞。过去以毫秒为单位运行的查询需要几秒钟才能完成，或者超时。

我们花了几天时间研究 mongodb 的性能分析工具，并发现了最大的坏蛋：未索引的查询。我们的一些最常见的查询（例如对用户配置文件的请求）正在扫描整个集合，他们可以使用坚如磐石的索引。

解决方案：根据我们掌握的信息，我们知道我们需要做的就是在那些最需要的字段上创建复合索引，这将永久修复我们的数据库正文查找时间。以下是我们在“用户名”和“电子邮件”字段中的做法。

db.users.createindex({ "username": 1, "email": 1 });

结果：此优化的影响非常显着。以前需要 2 秒才能执行的查询现在可以在 200 毫秒内完成，性能提高了十倍。我们的数据库恢复了快速响应能力，使我们能够处理显着增加的流量，而不会出现任何明显的速度下降。

但是，我们并没有就此止步。认识到我们的快速增长轨迹可能会持续下去，我们采取了积极措施来确保长期的可扩展性。我们实现了分片来将数据分布到多个服务器上。这一战略决策使我们能够横向扩展，确保我们处理数据的能力与不断扩大的用户群同步增长。

5。拥抱微服务——解决可扩展性难题

随着我们的用户群不断增加，越来越明显的是，我们不仅需要扩展我们的基础设施，而且还必须发展我们的应用程序，以便能够自信地扩展。当我们是一个较小的团队时，单体架构非常适合我们，但随着时间的推移，它变得相当麻烦。我们知道我们需要迈出一大步，开始构建微服务架构——这对任何工程团队来说都是一项艰巨的任务，但具有很大的可扩展性和可靠性优势。

最大的问题之一是服务之间的通信。 http 请求确实不适合我们的情况，它给我们的系统留下了又一个瓶颈，因为大量的操作都在焦躁地等待响应，并且在需要时杀死程序，因为有太多事情要做。此时我们意识到使用 rabbitmq 是显而易见的答案，因此我们没有考虑太多就应用了它。

以下是我们如何实施此解决方案的一瞥：

const amqp = require('amqplib/callback_api');

amqp.connect('amqp://localhost', (err, conn) => {
  conn.createChannel((err, ch) => {
    const queue = 'task_queue';
    const msg = 'Hello World';

    ch.assertQueue(queue, { durable: true });
    ch.sendToQueue(queue, Buffer.from(msg), { persistent: true });
    console.log(`Sent ${msg}`);
  });
});

结果：从我们的角度来看，过渡本身以及通过 rabbitmq 进行的通信看起来就像魔术一样......数字证实了这一点！我们成为松散耦合微服务的幸运拥有者，其中每个服务都可以自行扩展。突然间，具体 dns 区域上的真实流量峰值并不涉及系统崩溃的担忧（因为无论哪个服务操作都会提出相同的要求，因为它们总是级联），而是工作得很好，因为其余部分/操作只是平静地举起手说“我可以睡觉了，亲爱的。”维护也变得更容易，问题更少，同时添加新功能或更新使操作更快、更自信。

结论：规划未来创新路线

这段激动人心的旅程中的每一步都是一个教训，提醒我们全栈开发不仅仅是编写代码。它理解并解决复杂的相互关联的问题——从让我们的前端更快、构建后端以承受故障，到处理随着用户群爆炸而扩展的数据库。

展望 2024 年下半年及以后，对 web 应用程序的需求增长不会放缓。如果我们继续专注于构建可扩展、性能优化和架构良好的应用程序，那么我们就有能力解决今天的任何问题，并在未来利用这些其他挑战。这些现实生活中的经历极大地影响了我进行全栈开发的方式——我迫不及待地想看看这些影响将继续推动我们的行业走向何方！

但是你呢？您是否遇到过类似的障碍，或者是否有幸通过其他创造性的方法来克服这些问题？我很想听听您的故事或见解 - 请在评论中告诉我或与我联系！