[[350042]]

作者個人研發的在高并發場景下，提供的簡單、穩定、可擴展的延遲消息隊列框架，具有精準的定時任務和延遲隊列處理功能。自開源半年多以來，已成功為十幾家中小型企業提供了精準定時調度方案，經受住了生產環境的考驗。為使更多童鞋受益，現給出開源框架地址：https://github.com/sunshinelyz/mykit-delay

寫在前面

隨著互聯網的高速發展，互聯網行業已經從IT時代慢慢步入到DT時代。對于Java程序員的要求越來越高，只是單純的掌握CRUD不足以勝任互聯網公司的相關職位，大量招聘崗位顯示：如果是面試中高級的Java崗，基本上都需要懂性能優化的相關知識。今天，我們就一起來聊聊一個經典的面試題：做過性能優化的工作嗎?你會從哪些方面入手做性能優化呢?

問題分析

標題中問出了兩個問題，一個是有沒有做過性能優化的工作，一個是從哪些方面入手做性能優化。對于第一個問題，我們可以直接回答有或者沒有。相信小伙伴們都希望自己做過性能優化的工作，如果是回答做過，那第二個問題，我們又該如何回答呢?

首先，對于第二個問題來說，問的是會從哪些方面入手。這個問題就沒有固定答案了。你可以按照你以往的經驗來回答這個問題，但是，在回答這個問題之前，需要先好好梳理下你的思路，將你要表達的說清楚。

接下來，我們就一起來聊聊第二個問題：你會從哪些方面入手做性能優化?

我們可以從性能優化的幾個方面來進行回答。下面，我們就來聊聊性能優化可以從哪些方面進行。

性能優化有哪些方面?

這里，我結合平時工作中的總結，將性能優化總結為下面這張圖。

也就是說，我們可以從數據聚合優化、資源沖突優化、算法優化、JVM優化、復用優化、計算優化和快速實現等方面來進行回答。接下來，我們就針對每個點進行說明。

數據聚合優化

數據聚合優化主要針對的是對于數據的整合和傳輸的優化。比如：我們從數據庫中查詢出的數據，經過程序的聚合處理后再返回給客戶端，而不用客戶端調用多次接口來分別獲取數據。

再比如：我們在項目中使用的Nginx，一般都會開啟GZIP壓縮，使傳輸的數據更加緊湊，同時，使傳輸的數據量更小。

細心的小伙伴會發現，我們對于數據聚合的優化，主要是使傳輸的數據量更小。所以，我們在使用SQL語句查詢數據庫中的數據時，盡量查詢那些需要的字段，對于不需要的字段就直接忽略不查詢了，避免在SQL語句中出現select *

資源沖突優化

在我們平時的工作中，尤其是在高并發的場景下，經常會出現鎖沖突的問題，鎖沖突是資源沖突的一個典型場景。

關于鎖我們可以聯想到數據庫的行鎖、表鎖、Java中的synchronized和Lock等。如果對應到操作系統級別，則會有CPU命令級別的鎖，JVM指令級別的鎖，操作系統的內部鎖等。

這里，小伙伴們需要注意一點：只有在并發的場景下，才會出現資源沖突的問題。也就是說：在同一時刻，只能有一個請求獲取到請求資源，解決沖突的方式就是加鎖。

算法優化

在一個大型的互聯網項目中，往往涉及到分布式和微服務等技術，其中，也會使用到大量的數據結構和算法，對于算法的優化能夠顯著的提高系統的性能。一個好的實現，相比于一個拙劣的實現來說，在系統性能的提升上存在著巨大的差異。

比如，作為 List 的實現，LinkedList 和 ArrayList 在隨機訪問的性能上，差了好幾個數量級;又比如，CopyOnWriteList 采用寫時復制的方式，可以顯著降低讀多寫少場景下的鎖沖突。而什么時候使用同步，什么時候是線程安全的，也對我們的編碼能力有較高的要求。

所以，我們需要在平時工作過程中，多多積累數據結構和算法的相關知識。

JVM優化

JVM調優，不用說，這是每個Java工程師必須要掌握的標準技能。所有的Java程序最終都是運行在JVM中的，對JVM進行優化也能夠提升Java程序的性能。但是，需要注意的是：如果在優化JVM時，參數設置不當，可能會造成內存溢出等嚴重的問題。

目前被廣泛使用的垃圾回收器是 G1，通過很少的參數配置，內存即可高效回收。CMS 垃圾回收器已經在 Java 14 中被移除，由于它的 GC 時間不可控，有條件應該盡量避免使用。

復用優化

復用優化，這個看名字就知道，說白了就是可以重復利用。估計很多小伙伴都有這樣的經驗，在寫代碼的時候，可以將很多重復的代碼抽象出來，做成公共的方法。這樣，就不用每次都去寫重復的邏輯代碼了。這是代碼層面的復用。

如果是數據層面的話，我們可以使用緩沖和緩存來復用數據。

這里，小伙伴們需要注意一個知識點：緩沖主要針對的是寫操作，緩存主要針對的是讀操作。

另一個復用優化的典型場景就是池化技術，比如：數據庫連接池、線程池等。

計算優化

對于計算優化來說，我們可以從以下幾個小的方面來闡述。

并行計算

不難理解，就是多個計算同時進行。這里，又可以將并行計算分為：多機并行計算、多進程并行計算和多線程并行計算。

多機并行計算： 將一個大的計算任務，拆分成N個小的計算任務，分發到不同的機器進行處理。典型的場景就是Hadoop的MapReduce極端。

多進程計算： 比如，Nginx采用的NIO模型，采用的是進程調度的策略，由Master進程調度Worker進程，Worker進行來處理具體的請求。

多線程計算：對于多線程計算來說，也是我們平時接觸最多的一種計算方式，我們可以使用多線程技術，將復雜的邏輯計算拆分成一個個小的計算任務，分發到不同的線程中去執行。

同步變異步

同步和異步的區別就是：同步需要等待返回結果，異步不需要等待返回結果。如果我們在業務程序中，不需要等待返回結果數據，則我們可以將同步調用優化為異步調用，從而提升我們系統的性能。

懶加載

最典型的場景就是Spring中的懶加載，只有第一次獲取bean的時候，才會創建bean實例。

快速實現

對于快速實現來說，不僅包含我們需要利用相關的程序框架迅速開發出我們想要的業務，也需要我們在進行技術選型時，盡量使用一些性能優良的組件。比如，在進行網絡開發時，盡量選擇Netty，結合輕量級的數據傳輸，就不要使用WebService等技術了。

很多公司喜歡使用適配器模式，在一些現有的開源組件之上，再抽象一層自己的組件，這樣就能夠做到切換底層組件的時候，對上層應用無感。

本文轉載自微信公眾號「冰河技術」，可以通過以下二維碼關注。轉載本文請聯系冰河技術公眾號。