效能最佳化需要科學的方法論指導，本章介紹效能指標、最佳化策略與測試方法。

效能指標體系#

核心效能指標#

回應時間分層#

graph LR
    subgraph 總回應時間
        A[用戶端處理] --> B[網路傳輸]
        B --> C[服務端處理]
        C --> D[資料庫回應]
    end

    subgraph 服務端處理
        C1[Nginx 分發]
        C2[應用程式處理]
    end

    style D fill:#ffcccc

吞吐量指標#

磁盤吞吐量有兩個關鍵指標：

• IOPS：每秒 I/O 操作數，適用於隨機讀寫（如小檔案、OLTP）
• 資料吞吐量：單位時間傳輸的資料量，適用於順序讀寫（如視頻處理）

效能瓶頸來源#

常見瓶頸分析#

例外處理的效能影響#

在高並行情況下引發例外，持續進行例外處理會明顯影響系統效能。例外需要構建例外堆疊，這個過程非常消耗資源。

效能測試方法#

微基準測試 (Micro Benchmark)#

精準定位模組或方法的效能問題，適合：

• 對比不同實現方式的效能
• 驗證最佳化效果

// 使用 JMH 進行微基準測試
@BenchmarkMode(Mode.Throughput)
@Warmup(iterations = 3, time = 1)
@Measurement(iterations = 5, time = 1)
public class StringBenchmark {

    @Benchmark
    public String testConcat() {
        return "Hello" + " " + "World";
    }

    @Benchmark
    public String testStringBuilder() {
        return new StringBuilder()
            .append("Hello").append(" ").append("World")
            .toString();
    }
}

宏基準測試 (Macro Benchmark)#

綜合測試，需考慮：

測試注意事項#

// JMH 自動處理熱身
@Warmup(iterations = 5, time = 1)

效能最佳化策略#

自下而上分析#

flowchart TD
    A[效能問題] --> B{作業系統層}
    B -->|CPU/記憶體/I/O/網路| C{JVM 層}
    C -->|GC/記憶體分配| D{應用層}
    D -->|程式碼/資料讀寫| E[定位問題根源]

    style A fill:#ffcccc
    style E fill:#ccffcc

自上而下最佳化#

六大最佳化方向#

1. 最佳化程式碼：消除低效程式碼
2. 最佳化設計：使用設計模式精簡邏輯
3. 最佳化演演算法：降低時間複雜度
4. 時間換空間：如 String.intern()
5. 空間換時間：如分表分庫、快取
6. 參數調校：JVM、連線池組態

兜底策略#

無論系統最佳化得多好，都會有承受極限。兜底策略保證系統在極端情況下的穩定性。

三大兜底措施#

mindmap
  root((兜底策略))
    限流
      設置最大訪問限制
      熔斷回傳友好提示
    智能橫向擴容
      根據負載自動擴展
    提前擴容
      應對瞬時高峰

投入產出比#

何時介入最佳化？

• 項目初期：保證程式碼品質即可，不必過度最佳化
• 完成開發後：進行效能測試，有問題再最佳化
• 上線後：根據監控資料持續最佳化

效能最佳化的代價#

最佳化原則#

1. 不要過早最佳化
2. 不要過度最佳化
3. 最佳化要有資料支撐
4. 最佳化後要有驗證

實戰建議#

1. 建立基準線：記錄最佳化前的效能指標
2. 迭代對比：每次發版對比效能指標變化
3. 持續監控：建立完善的效能監控體系
4. 經驗累積：記錄最佳化案例，形成知識庫