前言
不战而屈人之兵，善之善者也
性能优化的第一原则是，通过测试，日志，profiling 分析出哪有问题，然后有的放失。
性能优化时持久战，在深入理解业务后，结合系统响应，系统吞吐，系统并发量指标，对系统进行优化
一般来说，一个系统有性能问题： 有可能是一下几方面： CPU， 内存， IO（磁盘IO，网络IO).
性能优化的目标是追求合适的性价比。
性能优化前，需要深入的理解业务，代码是为了业务服务，服务于最终用户。
性能优化，可以在需求阶段，设计阶段，实现阶段。
高手总是花80%时间用来思考， 20%时间实现。
需求阶段，如果可以达到一样的目的，但是用更优方式解决， 这样稍微调整需求的基础上，能大大解决程序性能问题。
设计阶段： 架构设计，技术选型，接口设计等，这些设计如果做了不好，后续也很难优化。
实现阶段： 一个函数的，一段代码的好坏，也会影响后续的优化，静态的优化，编译时的优化，运行时的优化等。
说完了道，谈谈术。
阿里巴巴 Java 开发手册(华山版).pdf
- https://00fly.online/upload/alibaba/%E9%98%BF%E9%87%8C%E5%B7%B4%E5%B7%B4Java%E5%BC%80%E5%8F%91%E6%89%8B%E5%86%8C%EF%BC%88%E5%8D%8E%E5%B1%B1%E7%89%88%EF%BC%89.pdf
性能优化方法
代码优化
看看代码是否有如下问题：
- for 循环是否过多
- 是否做了很多无谓的条件判断
- 做了重复逻辑
go 中有 pprof 工具
一般这个可以结合火焰图区观察
python 有一些 profile 结合性能分析
import profile
def a():sum = 0for i in range(1, 10001):sum += ireturn sumdef b():sum = 0for i in range(1, 100):sum += a()return sum
if __name__ == "__main__":profile.run("b()")
数据库优化
SQL 优化
- 可以通过 explain工具来进行调优
连接池优化
- 查询优化
- 连接池优化， 为了英语实现数据库连接的高效获取， 对数据库连接的限流，一般来说，一个应用节点，通常会当前使用连接池方案。 连接池优化，一般需要结合连接池原理，连接池监控参数，当前业务量，决定最终的调优参数。。
case1 :
连接池优化，还有一种链接保活的问题：我们连接池往往有这么一种机制，当一个连接不用时，我们会将这个连接进行回收，但是我们的流量往往是潮汐流量，或者瞬间放大，此时，再去建立连接，就会造成网络 IO 问题，这个时候，就可以考虑保活了，避免被回收。
保活方案
case2
适当的提高 KeepAlive 时间，往往有奇效，系统 cpu ,IO 消耗有下降
分库分表
- 读写分离
- 多从库负载均衡
- 集群
- 水平和垂直分库分表
缓存优化
没有什么性能问题不是缓存解决不了的。如果有，就再加一顿，不, 是加一级缓存 ！！！
缓存的本质是加速访问，访问的数据，要么是其他数据的副本，要么是之前计算结果（避免重复计算)
缓存是以空间换时间。
缓存，我们会想到，本地缓存（HashMap/ConcurrentHashMap, Ehcache, Guava Cache)
也会想到一些中间件 Redis/Tair/Memcahe 等
一般有如下方案：
- 本地缓存代替 redis 缓存，或者代替查库，定时将缓存定时到存储到本地缓存
– 定时刷新本地缓存大的问题，可以采用增量刷新的方式 - redis key 过多问题，考虑是否可以将key 做一些分组，类似分表逻辑， 采用 hset 的方式，进行分组设置读取，防止 因为活动数，导致 key 暴增
但缓存也不是万能的，需要考虑如下问题
- 缓存的一致性问题，特别是分布式系统中强一致性的场景
- 缓存穿透，缓存击穿等问题
- 什么时候更新缓存，缓存的更新时效问题
- 缓存丢失怎么办？
case1
比如有这样一个场景: 在线流量要一直从 redis 中获取缓存，这样会导致访问 Redis QPS 陡增，流量放大，这样我们可以考虑加一层缓存。
并发
一个线程或者说一个协程goroutine干不完，可以启多个协程干。并发提高了系统的吞吐，又减少用户的平局等待时间。
多个协程或者多个线程处理用户请求，可以充分利用多核 CPU 。
还有 IO的时候，也用多线程，NIO，其实也是一种并发。
批量
有网络IO，磁盘 IO 时候，需要合并操作，批量操作，往往可以提升吞吐，提高性能。
每次读取数据的时候，批量读，防止频繁建立 IO 连接。因为当涉及到网络请求是，网络传输的消耗往往大于处理时间。
比如 mysql 中的批量插入， redis 中的 pipeline ， mongodb 的 bulk operation
异步
梳理业务逻辑，非必要业务流程，可以采用一步处理。
异步也是一种优化方式，针对接口，可以做一些请求附属，非主要流程的事情。
- 可以缩短接口响应时间， 加快用户请求，用户体验提升
- 避免线程长时间运行等待阻塞，占用系统 CPU， 内存等机器性能。
异步的方式一般如下：
- 新起一个线程去做一些事情，比如启动一些线程去查并行调用其他接口，等其他接口返回后，主接口组装结果返回即可
- 也可以使用 MQ , 天生的异步处理方式，不关系处理结果，将数据发送 MQ ,交给其他系统来处理即可， 把当前的响应直接返返回，要注意的是，主接口可以不关心 MQ 处理结果，直接返回。
- 能缓存到本地内存的尽量缓存
- 能过滤掉大部分请求的条件，提前过滤
欢迎关注工作号:程序员财富自由之路
参考资料
- https://www.cnblogs.com/xybaby/p/9055734.html
- https://tech.meituan.com/2016/12/02/performance-tunning.html
- https://xargin.com/go-perf-optimization/
