outline：关注&指标&度量，根底理论知识，工具&方法，最好实践，参考资料
性能优化关注：CPU、内存、磁盘IO、网络IO等四个方面。
性能指标：吞吐率、相应时间、QPS/IOPS、TP99、资源利用率是我们常常关注的指标。
时间度量：从cpu cycle到网络IO，自上到下，时间量级越大。
监控、分析、优化，三部曲，以终为始，循环往复。
优化性能，必要一些体系编程知识。
提拔处置惩罚本领、淘汰盘算量是优化的2个根本方向。
优化大家格雷格画的图，吊炸天，你应当很认识，gregg亲手实现了一些工具。
借助工具定位性能瓶颈。gprof2dot.py可以处置惩罚多种采样输出数据
发起利用perf等非侵入式的profiling工具。
perf不但仅可以定位cpu瓶颈，还可以检察许多方面，好比缺页，分支展望失败，上下文切换等。
IO瓶颈，你应当知道的知识。
有关锁的知识，你应当知道的。
多线程的学问很大
内存管理的方方面面
最好实践，没有充足来由，你不应当违反。
你应当懂得的。
关于排序，你应当知道的。
这些资料不错，你值得拥有。
假如对你有资助，请帮助转发，让更多朋侪收益。
- 一样平常性原则
- 依据数据而不是凭空推测
- 忌过早优化
- 忌过分优化
- 深入明白业务
- 性能优化是长期战
- 选择适宜的权衡指标、测试用例、测试情况
- 性能优化的条理
- 需求阶段
- 计划阶段
- 实现阶段
- 一样平常性方法
- 缓存
- 并发
- 惰性
- 批量，归并
- 更高效的实现
- 缩小解空间
- 性能优化与代码质量
- 总结
依据数据而不是凭空推测
这是性能优化的第一原则，当我们疑心性能有题目的时间，应当通过测试、日记、profillig来分析出那里有题目，对症下药，而不是凭感觉、撞运气。一个体系有了性能题目，瓶颈有大概是CPU，有大概是内存，有大概是IO（磁盘IO，网络IO），大方向的定位可以利用top和stat系列来定位（vmstat，iostat，netstat...），针对单个历程，可以利用pidstat来分析。
在本文中，首要讨论的是CPU相干的性能题目。按照80/20定律，绝大多数的时间都消耗在少量的代码片断内里，找出这些代码唯一可靠的办法就是profile，我所知的编程语言，都有相干的profile工具，纯熟利用这些profile工具是性能优化的第一步。
忌过早优化
The real problem is that programmers have spent far too much time worrying about efficiency in the wrong places and at the wrong times; premature optimization is the root of all evil (or at least most of it) in programming.
我并不非常清晰Donald Knuth说出这句名言的上下文情况，但我本身是非常认同这个观念的。在我的工作情况（和典范的互联网运用英魂开辟）与编程模式下，寻求的是快速的迭代与试错，过早的优化每每是无勤奋。而且，过早的优化很轻易拍脑壳，优化的点每每不是真实的性能瓶颈。
忌过分优化
As performance is part of the specification of a program – a program that is unusably slow is not fit for purpose
性能优化的目的是寻求适宜的性价比。
在差别的阶段，我们对体系的性能会有肯定的要求，好比吞吐量要到达多少多少。假如达不到这个指标，就必要去优化。假如能满意预期，那么就无需耗费时间精神去优化，好比只有几十个人利用的内部体系，就不消按照十万在线的目的去优化。
而且，背面也会提到，一些优化方法是“有损”的，大概会对代码的可读性、可维护性有副作用。这个时间，就更不能过分优化。
深入明白业务
代码是效劳于业务的，大概是效劳于终究用户，大概是效劳于其他步伐员。不相识业务，很难明白体系的流程，很难找出体系计划的不敷的地方。背面还会提及对业务明白的紧张性。
性能优化是长期战
当焦点业务方向明白以后，就应当开始关注性能题目，当项目上线以后，更应当连续的举行性能检测与优化。
如今的互联网产物，不再是一锤子交易，在上线以后还必要连续的开辟，用户的涌入也会带来性能题目。因此必要主动化的检测性能题目，保持稳固的测试情况，连续的发现并办理性能题目，而不是被动地比及用户的投诉。
选择适宜的权衡指标、测试用例、测试情况
正由于性能优化是一个恒久的举动，以是必要固定权衡指标、测试用例、测试情况，如许才气客观反映性能的现实环境，也能揭示出优化的结果。
权衡性能有许多指标，好比体系相应时间、体系吞吐量、体系并发量。差别的体系焦点指标是不一样的，起首要明白本体系的焦点性能诉求，固定测试用例；其次也要分身其他指标，不能顾此失彼。
测试情况也很紧张，有一次忽然发现我们的QPS高了很多，但是步伐压根儿没优化，查了半天，才发现是换了一个更牛逼的物理机做测试效劳器。
Ai小编