性能优化手册

一、总体思路

首先明确性能优化的定义和目标。性能优化是指通过持续地分析、实践和测试，确保系统稳定高效运行，从而满足用户的诉求。

是指针对一些经典的、对于绝大多数情况都适用的优化策略。比如增大服务器的并发处理请求数、使用缓存减少数据库查询、通过负载均衡分摊请求、同步转异步等。

是指结合具体的业务特性和系统现状，想通过性能优化监控工具、压力测试等方式，分析出系统的性能瓶颈，再针对性地选取策略进行优化。比如数据库单次查询超过1s，属于慢查询，根据实际的查询条件给对应的字段增加索引，一般就能够提升查询性能。

在实际的开发中，上述两类性能优化策略通常都要使用。在系统设计和开发阶段，我们要根据⾃⼰的经验，本能地引⼊⼀些性能优化的⼿段，降低后续系统出现问题、需要迭代优化的概率。此外，性能优化⼀定是持续的，随着需求、⽤户、系统⽤量的增多，原本性能符合要求的系统也可能会出现各种新的问题，很难⾯⾯俱到、⼀步到位。

但是，对于复杂的、对可⽤性和稳定性要求极⾼的项⽬，我们可以提前通过压⼒测试来模拟⽤户量极⼤的情况，并提前做好性能优化和应对措施。

以一个请求的完整生命周期为例。通常，用户从发起请求到最终得到数据，要分别经过以下节点：

对于每个节点，我们都有对应的优化方法：

1）前端：

2）网关：

3）后端请求层

4）业务逻辑层

5）中间件（第三方依赖）：

6）存储层：

📢注意：虽然有那么多性能优化⽅法，但并不是每⼀种都要⽤、每⼀种都有⽤。在做性能优化时，⼀定要根据实际情况，权衡性价⽐和系统改动⻛险，并且做好充分的测试，不要好⼼优化、结果给系统造成了新的Bug。⽽且⼀般情况下，不建议为了优化盲⽬引⼊新技术，先从成本最低的优化⽅法开始。

优先对项目的核心功能进行性能优化。

整体测试分析 => 分析性能瓶颈 => 优化。

实际优化时：

1）如果是中间件之类的优化，优先遵循最佳实践。

2）如果是针对读多写少的情况，考虑使用缓存（本地或者分布式），多级缓存

缓存的核心四要素：

缓存内容

缓存key的设计

缓存淘汰机制

保证缓存一致性

3）针对查询性能的优化：

什么情况下需要对数据查询进行性能优化呢？一般来说，有以下几个场景：

数据需要高频访问

数据量较大，查询缓慢

数据查询实时性要求高，追求用户体验

方法一：精简数据，只查询需要的数据
方法二：针对于数据库查询，可以采用：
1. 减少查询次数，能不查数据库就不查数据库，比如使用缓存
2. 优化SQL语句，只查询需要的数据
3. 添加合适的索引

4）适当时候，需要对于系统进行压力测试，比如采用 JMeter 这类的工具，测试之前一定要明确测试的环境、条件和基准。比如：

📢注意：压测前保证不会影响系统的正常运行，千万不要在线上压测！

5）计算优化：减少不必要的计算，比如JSON序列化（反序列化）等

6）请求层性能优化：

最后还有一个原则：所有的性能优化都要以实际测试为准！