作者介紹

陳顯銘(螞蟻金服技術專家，藝名山丘，公眾號：loopfork)

專注碼磚七年之久，喜歡碼磚，喜歡扔錘子(山丘之王出自寒冰王座)。?；燠E中生代技術群(公眾號：freshmanTechnology)、高效運維(公眾號：greatops)等高大上社群。專注高可用、分布式、性能優化、穩定性、高效運維等方向。自我評價：不算出名，但是對于技術有一點點情懷，愛交友，歡迎技術討論。

性能優化的價值

從上圖可以看出幾個優點：

◆ 成本降低

◆ 穩定性提升

◆ 用戶體驗體驗提升

性能優化的缺點有：維護成本增加，代碼可能變復雜，結構可能變復雜，技術?？赡茏儚碗s。

性能優化的兩種模式

個人總結，性能優化整體上可以分為兩類：單應用優化和結構型優化。

◆ 單應用優化，關注單系統瓶頸，通過解決單系統瓶頸提升性能。

◆ 結構型優化，通過改造鏈路結構和配比，進行整體性能的優化。

單應用優化常見步驟

優化基本思路(閉環)：

1.確定性能瓶頸/熱點；

2.確定優化方案；

3.實施、反饋優化情況。

確定性能瓶頸/熱點的常見方法：

1.性能壓測：通過工具/人肉等方式，量化運行時的性能情況。

2.業務/代碼梳理：通過代碼走讀，發現資源消耗熱點(牛B的人可以這么干)；通過統計代碼對資源的操作，量化代碼對資源的消耗(比如一個業務操作會進行多少次數據庫調用，會進行多少次服務運算等方式)。

壓測時常觀察的內容及工具有(舉例Java應用)：

1.壓測工具：jmeter

2.內存的使用情況：mat，gc日志，vmstat

3.IO情況：iostat

4.網絡情況：netstat

5.熱點代碼：jprofile，btrace，jstack，jstat

6.CPU情況：top

優化的常見手段或模式：

1.靜態化：動態數據和靜態數據分離。

2.異步化：使用異步化減少主流程中的非關鍵業務邏輯。

3.并行化：使用多線程并發處理，縮短響應時間。

4.內存優化：減少對象大小，減少對象創造，數據模型優化。

5.去重復運算：業務邏輯優化，或者使用緩存。

6.減少數據庫操作：數據冗余，數據緩存等。

7.縮短數據庫事務：短事務，異步化，最終一致性等方式可以考慮。

8.精簡代碼邏輯：去除冗余代碼，諸如過度設計檢查等代碼。

9.精簡日志操作：日志大小要關注，注意IO上的瓶頸;日志太多，說明生成的string也會多，也增加了gc負擔。

等等。

結構型優化常見步驟

此部分介紹的內容，在很多網站架構變遷的文章中介紹過，這里通過圖的方式展現出來。

每個階段都有適用的軟件架構，基于成本、建設復雜度、維護成本的考慮，不必強求一開始建設很完整的技術體系。

個人認為，性能是驅動應用體系研究的重要驅動力，可以通過下面應用結構演進看出來。

1.單應用時代常見瓶頸先發生在DB。　

2.單應用時代常見第一個解法是使用緩存(偏向應用級別緩存)。

3.單應用時代常見第一個解法是獨立緩存服務(集中式緩存，如memcache)。

4.單應用集中式部署帶來應用集群處理能力提升。

5.單應用集中式部署部署后的DB瓶頸。

6.單應用集中式部署部署后的DB瓶頸解法(數據庫拆分、讀寫分離)。

7.服務化拆分應對更大范圍請求量。

8.服務化集群部署模式。

兩個結構優化的案例

◆ 處理單點/網絡瓶頸的可行方式

◆ 處理數據庫連接池瓶頸的可行手段

總結：性能/應用優化的幾個趨勢

【編輯推薦】