首页 存档 技术 查看内容

性能优化的常见模式及趋势

2018-3-30 13:00 |来自: 互联网 338 0

摘要: 本文根据高效运维专家群友文章整理并发布。欢迎关注“高效运维”公众号,以抢先赏阅诚意满满的各种原创文章。 作者介绍 陈显铭(蚂蚁金服技术专家,艺名山丘,公众号:loopfork) 专注码砖七年之久,喜欢码砖,喜 ...

本文根据高效运维专家群友文章整理并发布。欢迎关注“高效运维”公众号,以抢先赏阅诚意满满的各种原创文章。

作者介绍

陈显铭(蚂蚁金服技术专家,艺名山丘,公众号:loopfork)

专注码砖七年之久,喜欢码砖,喜欢扔锤子(山丘之王出自寒冰王座)。常混迹中生代技术群(公众号:freshmanTechnology)、高效运维(公众号:greatops)等高大上社群。专注高可用、分布式、性能优化、稳定性、高效运维等方向。自我评价:不算出名,但是对于技术有一点点情怀,爱交友,欢迎技术讨论。

性能优化的价值

从上图可以看出几个优点:

  • 成本降低

  • 稳定性提升

  • 用户体验体验提升

性能优化的缺点有:
维护成本增加,代码可能变复杂,结构可能变复杂,技术栈可能变复杂。

性能优化的两种模式

个人总结,性能优化整体上可以分为两类:单应用优化和结构型优化。

  • 单应用优化,关注单系统瓶颈,通过解决单系统瓶颈提升性能。

  • 结构型优化,通过改造链路结构和配比,进行整体性能的优化。

单应用优化常见步骤

优化基本思路(闭环):

  1. 确定性能瓶颈/热点;

  2. 确定优化方案;

  3. 实施、反馈优化情况;

确定性能瓶颈/热点的常见方法:

  1. 性能压测:通过工具/人肉等方式量化运行时性能情况。

  2. 业务/代码梳理:通过代码走读,发现资源消耗热点(牛B的人可以这么干);通过统计代码对资源的操作,量化代码对资源的消耗(比如一个业务操作会进行多少次数据库调用,会进行多少次服务运算等方式)。

压测时常观察的内容及工具有(举例java应用):

  1. 压测工具:jmeter;

  2. 内存的使用情况:mat,gc日志,vmstat;

  3. IO情况:iostat;

  4. 网络情况:netstat;

  5. 热点代码:jprofile,btrace,jstack,jstat;

  6. CPU情况:top;

优化的常见手段或模式:

  1. 静态化:动态数据和静态数据分离。

  2. 异步化:使用异步化减少主流程中的非关键业务逻辑。

  3. 并行化:使用多线程并发处理,缩短响应时间。

  4. 内存优化:减少对象大小,减少对象创造,数据模型优化。

  5. 去重复运算:业务逻辑优化,或者使用缓存。

  6. 减少数据库操作:数据冗余,数据缓存等。

  7. 缩短数据库事务:短事务,异步化,最终一致性等方式可以考虑。

  8. 精简代码逻辑:去除冗余代码,诸如过度设计检查等代码。

  9. 精简日志操作:日志大小要关注,注意IO上的瓶颈;日志太多,说明生成的string也会多,也增加了gc负担。
    等等。

结构型优化常见步骤

此部分介绍的内容,在很多网站架构变迁的文章中介绍过,这里通过图的方式展现出来。

每个阶段都有适用的软件架构,基于成本、建设复杂度、维护成本的考虑,不必强求一开始建设很完整的技术体系。

个人认为,性能是驱动应用体系研究的重要驱动力,可以通过下面应用结构演进看出来。

1.单应用时代常见瓶颈先发生在DB。

2.单应用时代常见第一个解法是使用缓存(偏向应用级别缓存)。

3.单应用时代常见第一个解法是独立缓存服务(集中式缓存,如memcache)。

4.单应用集中式部署带来应用集群处理能力提升。

5.单应用集中式部署部署后的DB瓶颈。

6.单应用集中式部署部署后的DB瓶颈解法(数据库拆分、读写分离)。

7.服务化拆分应对更大范围请求量。

8.服务化集群部署模式。

两个结构优化的案例

  • 处理单点/网络瓶颈的可行方式

  • 处理数据库连接池瓶颈的可行手段

总结:性能/应用优化的几个趋势

运维如何不再苦逼?

来GOPS2016全球运维大会深圳站看看,您就了然于心了。超豪华阵容!四大运维体系在引爆上海之后,携手20多位顶级运维专家,和您相聚深圳,共同期待和规划运维之春。

声明:文章版权归原作者所有 部分文章转自互联网 如有侵权请联系 [邮箱地址] 删除


路过

雷人

握手

鲜花

鸡蛋

相关分类

返回顶部