Node.js性能监控
需要关注的是右下角【抓取性能数据】功能：

【堆快照】通过抓取堆快照可以查看到当前内存都被谁占用了，查内存泄露的利器。
【CPU profile】抓取一段时间内cpu的占用并生成火焰图，性能调优的关键点。
【GC Trace】抓取一段时间内的内存垃圾回收记录。
首先通过压测程序将被压机器的cpu打满，然后点击【CPU profile】，抓取成功后可以在右侧菜单栏【文件】中找到记录文件。

文件列表
点击【转储】-【分析】即可看到对应的火焰图

CPU火焰图
可以看到GC占比达到了惊人的58.3%，此时接口的并发能力只有6000/s，那此时的优化已经有了方向，到底是什么导致了GC如此频繁。

2. V8的内存分布和垃圾回收
   由于JavaScript是单进程语言，当V8进行垃圾回收时势必会阻塞当前进程，为了减缓对程序运行的影响，V8将内存分为了新生代和老生代，两种类型的内存采用了不同的回收策略。对于新生代内存，垃圾回收通过Scavenge算法进行，Scavenge的优点是速度很快，但缺点是空间的利用率低，只有50%，因为Scavenge将新生代内存一分为二，每部分都叫做Semispace，在同一时间两个Semispace只有一个处于使用状态，处于使用状态的Semispace称为From，未使用的Semispace则称为To。

新生代内存回收流程
老生代内存相对较大，如果仍采用Scavenge算法未免太过奢侈，老生代共有两种回收算法：

标记清除(Mark Sweep)

算法会将需要清除的部分直接释放，但是这样会导致内存碎片化严重。

标记合并(Mark Compact)

为了解决内存碎片化的问题，V8引入了合并算法，算法会将需要保留的内存集中归并到一端，但合并算法效率很低，所以V8引擎仅在剩余空间不足以安置新晋对象时才会触发。

新生代晋升必须满足以下两个条件之一：

对象已经经历过一次新生代内存回收，这次依旧存活。
To空间已经使用了超过25%，则将From中的对象直接复制到老生代。
了解了GC的基本逻辑后，回到最初的问题，我们的CPU到底被哪些GC消耗了？通过性能平台，拿到当时的GC Trach如下图：

GC Trach
可以看到，这段时间内GC次数734次，其中新生代算法Scavenge执行了728次，老生代算法Mark Sweep执行了6次，看来问题就出在新生代内存里了。新生代中都是一些临时对象，首先可以想到通过增加新生代内存大小来解决，但是新生代大小增加后不仅会导致内存利用率降低，还会导致单次GC的时间变长，所以先不着急更改内存大小，先看下自己的代码是否有可以优化的部分，遇到问题首先怀疑自己是个很好的习惯。

3. 堆内存
   与此同时，我抓取了当时的堆快照，如下图：

堆快照
我注意到上方红色标记的部分，这里是因为代码使用了kafka作为通信组件，消息不停地写入kafka，在高压情况下，就导致了非常频繁的创建和回收消息对象，而且注意到这里的内存占用为78.62MB，已经超过了默认的新生代半空间(默认为16MB)，而且这些对象生命周期特别短，不会被转移到老生代中，所以就造成了新生代内存频繁GC。由于业务原因，这里无法变更，所以最终我选择了通过修改新生代大小来解决问题。在启动时添加参数

node --max_semi_space_size=64 app.js
此时将新生代半空间内存调整为了64MB，再次打压观测结果如下：

新生代半空间修改为64MB
GC时间占比几乎不可见，仅为4次，接口并发能力从6000/s提升到了10000/s，至此问题解决。

这是我用腾讯云函数反代后，做的ChatGPT助手：www.250ai.cn，可以直接使用

好了，话不多说，这里是一个使用 Node.js 做 OpenAI 反代的完整示例代码：

const express = require('express');
const { createProxyMiddleware } = require('http-proxy-middleware');

const app = express();

// OpenAI API Key
const OPENAI_API_KEY = 'YOUR_OPENAI_API_KEY';

// OpenAI API URL
const OPENAI_API_URL = 'https://api.openai.com/v1/';

// Target URL for proxy
const TARGET_URL = OPENAI_API_URL;

// Options for proxy middleware
const proxyOptions = {
target: TARGET_URL,
changeOrigin: true,
headers: {
Authorization: Bearer ${OPENAI_API_KEY},
'Content-Type': 'application/json',
},
onProxyReq: (proxyReq, req, res) => {
if (req.method === 'POST' && req.body) {
const bodyData = JSON.stringify(req.body);
proxyReq.setHeader('Content-Type', 'application/json');
proxyReq.setHeader('Content-Length', Buffer.byteLength(bodyData));
proxyReq.write(bodyData);
}
},
};

// Add the proxy middleware
app.use(createProxyMiddleware(proxyOptions));

// Start the server
app.listen(3000, () => {
console.log('Server listening on port 3000');
});
在这里，我们使用了 http-proxy-middleware 库来创建反代。我们设置了 OpenAI API 的 URL 和 API Key，然后将它们传递给 http-proxy-middleware 的 createProxyMiddleware 函数。我们使用了 onProxyReq 选项来确保请求的 Content-Type 是正确的。最后，我们启动了服务器并监听端口 3000。

使用该代码，您可以通过访问 http://localhost:3000 来访问 OpenAI API。例如，如果您想使用 OpenAI 的 davinci 模型进行文本生成，您可以向 http://localhost:3000/completions 发送 POST 请求，并在请求体中包含您的文本和模型名称。反代服务器将转发该请求到 OpenAI API，OpenAI API 将生成文本并将其返回给您。

需要在package.json中添加 http-proxy-middleware 和 express 作为依赖项。在 dependencies 部分中添加以下代码：

{
"dependencies": {
"http-proxy-middleware": "^2.0.1",
"express": "^4.17.1"
}
}
如果您想在生产环境中使用这个代码，请将这个代码添加到您的 dependencies 中。如果您只想在开发环境中使用它，则将其添加到 devDependencies 中：

{
"devDependencies": {
"http-proxy-middleware": "^2.0.1",
"express": "^4.17.1"
}
}
在添加完依赖项后，使用 npm install 命令来安装这些依赖项。这将确保您的项目中包含了所需的库。

Node.js v12.21.0

npm 7.11.2

为方便截图，演示环境使用的Ubuntu运行在虚拟机中，这并不影响具体的操作。​

安装Nedb
1，打开终端，输入下面的命令并按下回车键：

npm install nedb --save

2，Nedb的包很小，依赖项也比较少，所以安装会很快结束。当你看到“added 9 packages in 5s”就表示已经安装成功了。

快速上手

1、首先创建一个node.js脚本文件，这里以index.js为例

2、创建Nedb实例

// 加载模块
const nedb = require('nedb');
// 创建nedb数据库实例
const db = new nedb({filename: 'demo.json', autoload: true});

filename：数据库文件路径，可以是绝对路径或者相对路径，为简化操作，这里直接使用当前路径。扩展名可以是.db、.txt、.json等。扩展名不影响nedb对数据的存储。

autoload：是否自动加载数据库，当true时，nedb会自动把数据库内容加载到内存，而且还会自动把更新写入到磁盘文件。

3、脚本保存后，我们先来运行看下结果

node index.js

4、此时，当前目录出现了一个demo.json的文件，文件内容为空

5、现在，我们来插入一条数据到数据库

const firstDoc = {name: '百度', address:'https://www.baidu.com'};
db.insert(firstDoc, (error, result) => {
console.log('error:', error);
console.log('result:', result);
});

6、运行一下

到这里，我们已经完成了Nedb的安装、实例化及数据插入，下一篇我们将介绍Nedb的详细使用方法，敬请期待。