性能优化核心思想
[原创]个人理解，请批判接受，有误请指正。转载请注明出处: https://heyfl.gitee.io/idea/performance-optimization-core-ideas.html
性能优化核心思想
1. 网络传输上
- 选择合适的传输协议，如Http->dubbo，以二进制传输+长连接请求
- 开启序列化、压缩等，对于大数据量的传输可能有特别大的提升
- 对于重复请求同一个url的连接池，使用长连接
- 对于不需立即响应的，使用异步请求
- 对即时聊天等双向实时性要求高的，使用webSocket全双工等
2. JVM
- 选择合适的GC算法，如CMS、Parallel、G1等
CMS（JDK<1.9）关注低停顿，Parallel关注吞吐量，G1通过较精准把控停顿时间,也可以说是关注整体吞吐量和延迟吧，当前市场上主要用于大内存场景
- 选择合适的GC参数，如堆内存大小、新生代大小、老年代大小、GC线程数、GC触发条件等
这个属于调优方面的了，需要结合jstat命令与gc detail或者监控工具等配置；
3. 系统架构上的优化(核心)
- 合理模块依赖关系，减少不必要的依赖，减少不必要的调用
- 异步处理
比如，一个请求以前需要123456步完成，但是通过业务梳理，发现只有123步需要当时完成，第4步是更新汇总表，第5步是写日志，第6步是通知外围系统，456步都可以异步完成，这样一次业务操作只需要完成123步，大大提升性能
- 并行处理
没有先后依赖关系的 启动多线程处理，但是如果是CPU密集型的任务，一般不要启动太多线程，因为线程切换成本可能会超过性能提升（每个请求过来都开启多线程竞争CPU计算资源没啥意义）
- 缓存(需要关注刷新实现)
- 客户端缓存
- CDN缓存
- 本地缓存
- 分布式缓存(Redis)
- 池化
创建成本高的、可重复利用的，都可以采用预先创建的方式创建资源
- 连接池
- 线程池
- 对象池
4. 数据库层面
- 选择合适的数据库
关系型一般采用Mysql没话说
非关系型，根据业务场景选择，如Redis、MongoDB、HBase等，在超高并发查询的场景下可能还需要结合ES+Hbase的形式
- 选择合适的数据库引擎
Mysql一般采用InnoDB引擎，如果是只读的，可以考虑MyISAM引擎，因为MyISAM引擎不支持事务，但是读性能比InnoDB高不少
- 读写分离
读写分离，一般是主从复制，主库写，从库读，但是从库读到的数据可能不是最新的，因为主从复制有延迟，一般是毫秒级别的，但是对于一些对数据一致性要求不高的场景，可以采用读写分离，提升读性能
这里对于读写分离的读写延迟问题，有很多处理方式，处理通过小事务、5.7以上的mysql并行同步，配置mysql同步时效等减少延迟、只读主等处理
但是实际业务场景上，对外的读取，对实时性要求其实没那么地高，一般都是对内的读取（如需要查询最新数据做更新），对实时性要求高的，这时候才需要真正的去面对、解决主从延迟问题。
对于这种系统内部的延迟问题，一般都是通过缓存来处理，便可解决
- 分库分表
分库分表，一般是为了解决单库单表数据量过大的问题，导致查询性能下降，一般是通过分库分表，将数据分散到多个库、多个表中，提升查询性能
- 索引
- SQL优化