[app] optimize query

[taloric]

optimize query in trace_l7_flows

1. worker_numbers 修改为配置，避免在核心数 < 10 的机器上浪费调度能力
2. 移除 _id to _id_str 逻辑
3. 减少 construct_from_dataframe 调用，将 tcp_seq/syscall/x_request_id 的查询条件构造通过 dataframe column list 获取（理论上比逐行迭代快，但数据量少可能不明显）

• remove _id_str 测试结果: 测试集: spans=18, 迭代次数 4

	Total Request Sent	Request/second	Avg Resp Time
before(v6.5.8)	395	1.29	2,625ms
after - 2	477	1.56	2,028ms

再增加 3 修改后的测试结果：（吞吐差异不明显，但平均时延有提升）		Total Request Sent	Request/second	Avg Resp Time
after - 3	478	1.56	1,985 ms

另一个测试集：spans=79，迭代次数 23

	Total Request Sent	Request/second	Avg Resp Time
before(v6.5.8)	75	0.24	17,792ms
after - 2&3	133	0.43	10,006 ms

[taloric]

对于 dataframe 读数据，小数据量可能差异不是特别明显，写了个简单测试： https://gist.github.com/taloric/916309861e18e97945fe554f15639523

分别用三种方法读取 dataframe 列数据：

1. for index in df.index: df.at[index, 'column']
2. for row in df.itertuples(): getattr(row, 'column')
3. df['column'].tolist()

在 100000 样本量下三种方法的测试结果是：

1. 6.277893781661987s
2. 0.38400983810424805s
3. 0.035607337951660156s

[taloric]

4. 将 _id =xx or _id =xxx... 条件修改为 _id IN (xx)，分组条件为 _id >> 32 得到的秒时间戳 对 spans=18 数据集，差异不太明显

	Total Request Sent	Request/second	Avg Resp Time
after - 4	474	1.55	2,040 ms

对 spans=79 数据集，也不太明显

	Total Request Sent	Request/second	Avg Resp Time
after - 4	97	0.32	13,908 ms

[taloric]

5. 根据所有 _id 的结果，从中获取 min_time 与 max_time，缩小查询范围，测试差异不大，也不构成负优化

另外这里 _id IN (xxx,yyy) 实测了下，没支持转成 _id 所在的秒进行查询（_id=xxx 可以）

数据集：spans=79		Total Request Sent	Request/second	Avg Resp Time
after - 5	99	0.32	13,661

[taloric]

6. 移除 auto_instance_0_node_type auto_instance_0_icon_id auto_instance_1_node_type auto_instance_1_icon_id 无论是代码逻辑还是实际返回都没有用到