内容简介:思路:
-
微基准性能测试
- 可以精准定位到某个模块或者某个方法的性能问题,例如对比一个方法使用同步实现和非同步实现的性能差异
-
宏基准性能测试
- 宏基准性能测试是一个 综合测试 ,需要考虑到 测试环境、测试场景和测试目标
- 测试环境:模拟线上的真实环境
- 测试场景:在测试某个接口时,是否有其他业务的接口也在平行运行,进而造成干扰
-
测试目标
- 可以通过 吞吐量 和 响应时间 来衡量系统是否达标,如果不达标,就需要进行优化
- 如果达标,就继续加大测试的并发数,探底接口的TPS
- 除了关注接口的吞吐量和响应时间外,还需要关注 CPU、内存和IO 的使用率情况
干扰因素
热身问题
- 在 Java 编程语言和环境中,.java文件编译成.class文件后,需要通过解析器将字节码转换成本地机器码才能运行
- 为了节约内存和执行效率,代码在最初被执行时,解析器会率先 解析执行 这段代码
-
随着代码被执行的次数增加,当JVM发现某个方法或代码块运行得很频繁时,就会把这些代码认定为 热点代码
- 为了提高热点代码的执行效率,在运行时,JVM将通过 即时编译器 (JIT)把这些代码编译成与本地平台相关的 机器码
- 并进行各层次的优化,然后存储在内存中,之后每次运行代码时,直接从内存中获取
- 因此在刚开始运行的阶段,JVM会花费很长的时间来全面优化代码,后面就能以最高性能运行了
测试结果不稳定
- 不稳定因素:机器其他进程的影响、网络波动、JVM GC的不确定性
- 解决方案:通过 多次测试 ,将测试结果求平均,只要能保证平均值在一个合理的范围之内,并且波动不大即可
多JVM
- 任意一个JVM都拥有 整个系统 的资源使用权
- 如果一台机器上只部署单独的一个JVM,在做性能测试时,测试结果会很好,但一台机器上有多个JVM,则不一定
- 尽量避免线程环境一台机器部署多个JVM
性能分析
-
完成性能测试之后,需要输出一份性能测试报告,测试结果需要包括
- 测试接口的吞吐量和响应时间(平均、最大、最小)
- 服务器的CPU、内存、磁盘IO、网络IO使用率、JVM的GC情况
-
通过观察性能指标,可以发现性能瓶颈,再通过自下而上的方式分析查找问题
- 首先从操作系统层面,查看系统的CPU、内存、磁盘IO、网络IO的使用率是否存在异常
- 再通过命令查找异常日志,通过分析日志,寻找导致性能瓶颈的原因
- 还可以从Java应用的JVM层面下手,查看JVM的GC频率以及内存分配情况是否存在异常
-
如果系统和JVM层面都没有出现异常情况,可以查看应用服务业务层是否存在性能瓶颈
- 例如Java编程的问题、读写数据瓶颈
- 分析查找性能问题可以采用 自下而上 的方式,而解决性能问题,一般采用 自上而下 的方式 逐级优化
性能调优
思路: 业务调优 -> 编程调优 -> 系统调优
优化代码
- 应用层的问题代码往往会因为 耗尽系统资源 而暴露出来
-
例如某段代码导致内存溢出,这往往是将JVM的内存耗尽了
- 这会引发JVM频繁地发生GC,导致CPU居高不下,此时也会耗尽系统的CPU资源
-
还有一些非问题代码导致的性能问题,比较难以发现
- 例如如果对LinkedList进行for循环遍历,每次循环获取元素时,都会 遍历 一次list,读效率很低
- 优化方案:可以采用Iterator
优化设计
- 面向对象有很多设计模式,可以用于优化业务层以及中间件层的代码设计,进而达到精简代码和提高整体性能的目的
- 例如单例模式在频繁创建对象的场景中,可以共享一个对象,减少频繁创建和销毁对象带来的性能开销
优化算法
- 合适的算法可以大大提升系统性能
- 例如在不同的场景中,使用合适的查找算法可以降低时间复杂度
时间换空间
- 如果系统对查询的速度没有很高的要求,但对存储空间要求苛刻,可以考虑用时间换空间
-
例如String的intern方法,可以将重复率比较高的数据存储在常量池,重复使用相同的对象,大大节省内存空间
- 但由于常量池使用的是HashMap类型,如果存储数据过多,就会导致查询性能下降
空间换时间
- 使用存储空间来提升访问速度
- 例如 MySQL 的分库分表
参数调优
- 根据业务场景,合理地设置JVM的内存空间和GC算法
- 另外,合理地设置Web容器的线程池大小和 Linux 操作系统的内核参数
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 前端性能优化之谈谈常见的性能指标及上报策略
- 前端性能优化之HTTP缓存策略
- 「MySQL」高性能索引优化策略
- 你弄懂Kafka使用什么性能策略吗
- 实用排坑帖:SQL语句性能优化操作策略大全
- 阿里P8架构师详解Java性能调优策略
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
社交网站的数据挖掘与分析
Matthew A. Russell / 师蓉 / 机械工业出版社 / 2012-2 / 59.00元
Facebook、Twitter和LinkedIn产生了大量宝贵的社交数据,但是你怎样才能找出谁通过社交媒介正在进行联系?他们在讨论些什么?或者他们在哪儿?这本简洁而且具有可操作性的书将揭示如何回答这些问题甚至更多的问题。你将学到如何组合社交网络数据、分析技术,如何通过可视化帮助你找到你一直在社交世界中寻找的内容,以及你闻所未闻的有用信息。 每个独立的章节介绍了在社交网络的不同领域挖掘数据的......一起来看看 《社交网站的数据挖掘与分析》 这本书的介绍吧!