性能优化攻略
最后更新于：2022-04-01 07:00:02
# 性能优化攻略
为什么程序总是那么慢?它现在到底在干什么？时间都花到哪去了？也许，你经常会抱怨这些问题。如果是这样，那说明你的程序出了性能问题。和功能性问题相比，性能问题在有些情况下，可能并不算太大的问题，将就将就，也就过去了。但是，严重的性能问题会导致程序瘫痪、假死，甚至崩溃。
### 看懂程序的性能
**a.执行速度**
程序的反应是否迅速，响应时间是否足够短。
**b.内存分配**
内存分配是否合理，是否过多地消耗内存或者存在泄露。
**c.启动时间**
程序从运行到可以正常处理业务需要花费多少时间。
**d.负载承受能力**
当系统压力上升时，系统的执行速度、响应时间的上升曲线是否平缓。
### 性能的参考指标
**a.执行时间**
一段代码从开始运行到运行结束，所使用的时间。
**b.CPU时间**
函数或者线程占用CPU的时间。
**c.内存分配**
程序在运行时占用的内存空间。
**d.磁盘吞吐量**
描述I/O的使用情况。
**e.网络吞吐量**
描述网络的使用情况。
**f.响应时间**
系统对某用户行为或者事件做出响应的时间。响应时间越短，性能越好。
### 木桶原理与性能瓶颈
木桶原理又称“短板理论”，其核心思想是：一只木桶盛水的多少，并不取决于桶壁上最高的那块木块，而是取决于桶壁上最短的那块。
根据木桶原理，系统的最终性能瓶颈取决于系统中性能表现最差的组件。因此，为了提升系统整体性能，必须对系统中表现最差的组件进行优化，而不是对系统中表现良好的组件进行优化。
根据应用的特点不同，任何计算机资源都有可能成为系统瓶颈。其中，最有可能成为系统瓶颈的计算资源如下：
**a.磁盘I/O**
由于磁盘I/O读写的速度要比内存慢很多，程序在运行过程中，如果需要等待磁盘I/O完成，那么低效的I/O操作会拖累整个系统。
**b.网络操作**
对网络数据进行读写的情况与磁盘I/O类似。由于网络环境的不确定性，尤其是互联网上数据的读写，网络操作的速度可能比本地磁盘I/O更慢。因此，如不加特殊处理，也极可能成为系统瓶颈。
**c.CPU**
对计算机资源要求较高的应用，由于其长时间、不间断地大量占用CPU资源，那么对CPU的争夺将导致性能问题。如科学计算、3D渲染等对CPU需求旺盛的应用。
**d.异常**
对Java应用来说，异常的捕获和处理是非常耗费资源的，如果程序高频率地进行异常处理，则整理性能便会有明显下降。
**e.数据库**
大部分应用程序都离不开数据库，而海量数据的读写操作操作可能是相当费时的。而应用程序可能需要等待数据库操作完成或者返回请求的结果集，那么缓存的同步操作将成为系统瓶颈。
**f.锁竞争**
对高并发程序来说，如果存在激烈的锁竞争，无疑是对性能极大的打击。锁竞争将会明显增加线程上下文切换的开销。而且，这些开销都是与应用需求无关的系统开销，白白占用宝贵的CPU资源，去不带来任何好处。
**g.内存**
一般来说，只要应用程序设计合理，内存在读写速度上不太可能成为系统瓶颈。除非应用程序进行了高频率的内存交换和扫描，但这些情况比较少见。使内存制约系统性能瓶颈的情况是内存大小不足。与磁盘相比，内存的大小似乎小的可怜，这意味着应用软件只能尽可能将常用的核心数据读入内存，这在一定程序上降低了系统性能。
### Amadahl定律
Amadahl定律是计算机科学中非常重要的定律，它定义了串行系统并行化后加速比的计算公式和理论上限。
加速比定义：加速比=优化前系统耗时/优化后系统耗时
加速比越高，表明优化效果越明显。
Amadahl定律给出了加速比与系统并行度和处理器数量的关系。
设加速比为Speedup，系统内必须串行化的程序比重为F，CPU数量为N，则有：
Speedup<= 1/ (F+ (1-F) /N)
根据这个公式，如果CPU数量趋于无穷，那么加速比与系统的串行化成反比。如果系统中必须有50%的代码穿行执行，那么系统的最大加速比是2。
### 性能调优的层次
#### **a.设计调优**
设计调优处于所有调优手段的上层，它往往需要在软件开发之前进行。
设计优化的一大显著特点是，它可以规避某一个组件的性能问题，而非改良该组件的实现，
如果说，代码优化和JVM优化是对系统微观层面上“量”的优化，那么设计优化就是对系统在宏观层面上“质”的优化。
一个良好的系统设计可以规避很多潜在的性能问题。因此，尽可能多花时间在系统设计上，是创建高性能程序的关键。
#### **b.代码调优**
代码调优涉及诸多编码技巧，需要开发人员熟悉相关语言的API，并在合适的场景中正确使用相关API或类库。同时，对算法、数据结构的灵活运用。
虽然代码优化是从微观上对性能进行调整，但是一个“好”的实现和一个“坏”的实现对系统的影响还是很大的。比如同样作为List的实现，LinkedList和ArrayList在随机访问上的性能却可以相差几个数量级。
作为微观层面的优化，却是对系统性能产生直接影响的优化方法。
#### **c.JVM调优**
作为Java软件的运行平台，JVM的各项参数将会直接影响Java程序的性能。比如JVM堆的大小、垃圾回收策略。
#### **d.数据库调优**
可以分为3个部分：
在应用层对SQL语句进行优化；
对数据库进行优化，比如建立索引；
对数据库软件进行优化。
#### **e.操作系统调优**
Windows，Linux。
最大文件句柄数、虚拟内存大小等系统参数对系统性能有影响。
### 基本调优策略和手段
#### 优化的一般步骤
明确目标，通过性能监控和统计工具，观察和确认当前系统是否已经达到相关目标，若已经达到，则没有必要再优化；否则，查找当前的系统瓶颈，通过定位相关代码查找代码性能问题，其次考虑JVM层、数据库层或者操作系统。
考虑修改原有设计或者升级硬件也是一种方式。
####系统优化注意事项
性能优化可能对软件功能、正确性和可维护性造成负面影响。
比如改进算法使得代码出现了新的Bug，使得代码更难懂。