“Java性能权威指南笔记”的版本间的差异

2016年5月24日 (二) 13:42的版本

全面的性能优化

• 编写更好的算法
• 编写更少的代码
• 过早优化，大的架构或者算法调整不必过早，但是细节性的代码改进应当时刻注意。
• 其他系统可能是瓶颈。
• 常见的优化：借助性能分析来优化代码，关注性能分析中最耗时的部分；利用奥卡姆剃刀原则来诊断性能问题，最可能也最容易解释的：新代码比机器配置更可能引入性能问题，机器配置比JVM或者操作系统的 Bug 更容易引入性能问题，隐藏的Bug 可能存在，但是不应该把最可能引起性能问题的原因首先归咎于它，而只有在测试用例通过某种方式触发了隐藏的 Bug 时才关注，但是不应该一上来就跳到这种不太可能出现的场景；为应用中最常用的操作编写简单的算法。

性能测试方法

• 原则1： 测试真实的应用，编写微基准、介基准和宏基准测试，来分别测试微小代码单元、需要复杂代码调用某方面的功能、以及整体应用。一个好的测试，应该是必须使用测试的结果（防止被优化忽略），不要包括无关的操作（例如随机数据生成，应该是提前准备好），并且必须输入合理的参数。宏基准测试要考虑到多个 JVM 系统在一台机器上的影响，他跟单 JVM 系统的结果是不同的，其实这里还应该考虑虚拟化的影响。
• 原则2： 理解批处理流逝时间、吞吐量和响应时间。批处理流逝时间要考虑程序的热身，吞吐量就是衡量 TPS、QPS，而响应时间有两个指标——平均响应时间和百分位请求数（比如 90% 请求的响应时间）。
• 原则3: 用统计方法应对性能的变化，统计学上的 t 检验，提供性能变化本身的置信度。
• 原则4: 尽早频繁测试，自动化一切、测试一切（收集所能想到的所有数据）、在真实系统上运行测试。

一些工具：

• 负载生成工具：http://faban.org/
• t 检验： https://en.wikipedia.org/wiki/Student%27s_t-test 以及 http://commons.apache.org/proper/commons-math/apidocs/org/apache/commons/math3/stat/inference/TTest.html

系统工具箱

• CPU ，我们的目标是尽可能使用 cpu， CPU 空闲可能因为同步、等待第三方或者确实无所事事。
• vmstat 查看 CPU
• iostat 查看磁盘，注意请求数目，以及请求大小，这两个值才能确定磁盘的利用率是否合理。 iostat 有 util 列。命令详解参考 http://blog.csdn.net/lhf_tiger/article/details/8926232
• nicstat 查看网络使用率。

java 工具箱

• jcmd 获取 vm 信息

jcmd process_id   ( VM.uptime  | VM.system_properties | VM.version | VM.command_line | VM.flags -all)

• jinfo，比较奇怪，在我的机器上用不了。 info 可以对 manageable 的 flag 做动态更改，特别是 GC 日志相关。