这是我参与11月更文挑战的第18天，活动详情查看：2021最后一次更文挑战。
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，系统并发量指标再对系统进行优化
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
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
一般代码层面可以结合火焰图观察
python 有一些 profile 结合性能分析
import profile
def a():
sum = 0
for i in range(1, 10001):
sum += i
return sum
def b():
sum = 0
for i in range(1, 100):
sum += a()
return sum
if __name__ == "__main__":
profile.run("b()")
复制代码数据库优化
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。。
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
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？
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
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。