01 | 如何制定性能调优标准？

我有一个朋友，有一次他跟我说，他们公司的系统从来没有经过性能调优，功能测试完成后

就上线了，线上也没有出现过什么性能问题呀，那为什么很多系统都要去做性能调优呢？

当时我就回答了他一句，如果你们公司做的是 12306 网站，不做系统性能优化就上线，试

试看会是什么情况。

如果是你，你会怎么回答呢？今天，我们就从这个话题聊起，希望能跟你一起弄明白这几个

问题：我们为什么要做性能调优？什么时候开始做？做性能调优是不是有标准可参考？

为什么要做性能调优？一款线上产品如果没有经过性能测试，那它就好比是一颗定时炸弹，你不知道它什么时候会

出现问题，你也不清楚它能承受的极限在哪儿。

有些性能问题是时间累积慢慢产生的，到了一定时间自然就爆炸了；而更多的性能问题是由

访问量的波动导致的，例如，活动或者公司产品用户量上升；当然也有可能是一款产品上线

后就半死不活，一直没有大访问量，所以还没有引发这颗定时炸弹。

现在假设你的系统要做一次活动，产品经理或者老板告诉你预计有几十万的用户访问量，询

问系统能否承受得住这次活动的压力。如果你不清楚自己系统的性能情况，也只能战战兢兢

地回答老板，有可能大概没问题吧。

所以，要不要做性能调优，这个问题其实很好回答。所有的系统在开发完之后，多多少少都

会有性能问题，我们首先要做的就是想办法把问题暴露出来，例如进行压力测试、模拟可能

的操作场景等等，再通过性能调优去解决这些问题。

比如，当你在用某一款 App 查询某一条信息时，需要等待十几秒钟；在抢购活动中，无法

进入活动页面等等。你看，系统响应就是体现系统性能最直接的一个参考因素。

那如果系统在线上没有出现响应问题，我们是不是就不用去做性能优化了呢？再给你讲一个

故事吧。

曾经我的前前东家系统研发部门来了一位大神，为什么叫他大神，因为在他来公司的一年时

间里，他只做了一件事情，就是把服务器的数量缩减到了原来的一半，系统的性能指标，反

而还提升了。

好的系统性能调优不仅仅可以提高系统的性能，还能为公司节省资源。这也是我们做性能调

优的最直接的目的。

什么时候开始介入调优？

解决了为什么要做性能优化的问题，那么新的问题就来了：如果需要对系统做一次全面的性

能监测和优化，我们从什么时候开始介入性能调优呢？是不是越早介入越好？

其实，在项目开发的初期，我们没有必要过于在意性能优化，这样反而会让我们疲于性能优

化，不仅不会给系统性能带来提升，还会影响到开发进度，甚至获得相反的效果，给系统带

来新的问题。我们只需要在代码层面保证有效的编码，比如，减少磁盘 I/O 操作、降低竞争锁的使用以

及使用高效的算法等等。遇到比较复杂的业务，我们可以充分利用设计模式来优化业务代

码。例如，设计商品价格的时候，往往会有很多折扣活动、红包活动，我们可以用装饰模式

去设计这个业务。

在系统编码完成之后，我们就可以对系统进行性能测试了。这时候，产品经理一般会提供线

上预期数据，我们在提供的参考平台上进行压测，通过性能分析、统计工具来统计各项性能

指标，看是否在预期范围之内。

在项目成功上线后，我们还需要根据线上的实际情况，依照日志监控以及性能统计日志，来

观测系统性能问题，一旦发现问题，就要对日志进行分析并及时修复问题。

有哪些参考因素可以体现系统的性能？

上面我们讲到了在项目研发的各个阶段性能调优是如何介入的，其中多次讲到了性能指标，

那么性能指标到底有哪些呢？

在我们了解性能指标之前，我们先来了解下哪些计算机资源会成为系统的性能瓶颈。

CPU：有的应用需要大量计算，他们会长时间、不间断地占用 CPU 资源，导致其他资源无

法争夺到 CPU 而响应缓慢，从而带来系统性能问题。例如，代码递归导致的无限循环，正

则表达式引起的回溯，JVM 频繁的 FULL GC，以及多线程编程造成的大量上下文切换等，

这些都有可能导致 CPU 资源繁忙。

内存：Java 程序一般通过 JVM 对内存进行分配管理，主要是用 JVM 中的堆内存来存储

Java 创建的对象。系统堆内存的读写速度非常快，所以基本不存在读写性能瓶颈。但是由

于内存成本要比磁盘高，相比磁盘，内存的存储空间又非常有限。所以当内存空间被占满，

对象无法回收时，就会导致内存溢出、内存泄露等问题。

磁盘 I/O：磁盘相比内存来说，存储空间要大很多，但磁盘 I/O 读写的速度要比内存慢，

虽然目前引入的 SSD 固态硬盘已经有所优化，但仍然无法与内存的读写速度相提并论。

网络：网络对于系统性能来说，也起着至关重要的作用。如果你购买过云服务，一定经历

过，选择网络带宽大小这一环节。带宽过低的话，对于传输数据比较大，或者是并发量比较

大的系统，网络就很容易成为性能瓶颈。异常：Java 应用中，抛出异常需要构建异常栈，对异常进行捕获和处理，这个过程非常消

耗系统性能。如果在高并发的情况下引发异常，持续地进行异常处理，那么系统的性能就会

明显地受到影响。

数据库：大部分系统都会用到数据库，而数据库的操作往往是涉及到磁盘 I/O 的读写。大

量的数据库读写操作，会导致磁盘 I/O 性能瓶颈，进而导致数据库操作的延迟性。对于有

大量数据库读写操作的系统来说，数据库的性能优化是整个系统的核心。

锁竞争：在并发编程中，我们经常会需要多个线程，共享读写操作同一个资源，这个时候为

了保持数据的原子性（即保证这个共享资源在一个线程写的时候，不被另一个线程修改），

我们就会用到锁。锁的使用可能会带来上下文切换，从而给系统带来性能开销。JDK1.6 之

后，Java 为了降低锁竞争带来的上下文切换，对 JVM 内部锁已经做了多次优化，例如，新

增了偏向锁、自旋锁、轻量级锁、锁粗化、锁消除等。而如何合理地使用锁资源，优化锁资

源，就需要你了解更多的操作系统知识、Java 多线程编程基础，积累项目经验，并结合实

际场景去处理相关问题。

了解了上面这些基本内容，我们可以得到下面几个指标，来衡量一般系统的性能。

响应时间

响应时间是衡量系统性能的重要指标之一，响应时间越短，性能越好，一般一个接口的响应

时间是在毫秒级。在系统中，我们可以把响应时间自下而上细分为以下几种：

Version:0.9 StartHTML:0000000105 EndHTML:0000010507 StartFragment:0000000141 EndFragment:0000010467

数据库响应时间：数据库操作所消耗的时间，往往是整个请求链中最耗时的；服务端响应时间：服务端包括 Nginx 分发的请求所消耗的时间以及服务端程序执行所消

耗的时间；

网络响应时间：这是网络传输时，网络硬件需要对传输的请求进行解析等操作所消耗的时

间；

客户端响应时间：对于普通的 Web、App 客户端来说，消耗时间是可以忽略不计的，但

如果你的客户端嵌入了大量的逻辑处理，消耗的时间就有可能变长，从而成为系统的瓶

颈。

吞吐量

在测试中，我们往往会比较注重系统接口的 TPS（每秒事务处理量），因为 TPS 体现了接

口的性能，TPS 越大，性能越好。在系统中，我们也可以把吞吐量自下而上地分为两种：

磁盘吞吐量和网络吞吐量。

我们先来看磁盘吞吐量，磁盘性能有两个关键衡量指标。

一种是 IOPS（Input/Output Per Second），即每秒的输入输出量（或读写次数），这种

是指单位时间内系统能处理的 I/O 请求数量，I/O 请求通常为读或写数据操作请求，关注的

是随机读写性能。适应于随机读写频繁的应用，如小文件存储（图片）、OLTP 数据库、邮

件服务器。

另一种是数据吞吐量，这种是指单位时间内可以成功传输的数据量。对于大量顺序读写频繁

的应用，传输大量连续数据，例如，电视台的视频编辑、视频点播 VOD（Video On

Demand），数据吞吐量则是关键衡量指标。

接下来看网络吞吐量，这个是指网络传输时没有帧丢失的情况下，设备能够接受的最大数据

速率。网络吞吐量不仅仅跟带宽有关系，还跟 CPU 的处理能力、网卡、防火墙、外部接口

以及 I/O 等紧密关联。而吞吐量的大小主要由网卡的处理能力、内部程序算法以及带宽大

小决定。

计算机资源分配使用率

通常由 CPU 占用率、内存使用率、磁盘 I/O、网络 I/O 来表示资源使用率。这几个参数好

比一个木桶，如果其中任何一块木板出现短板，任何一项分配不合理，对整个系统性能的影

响都是毁灭性的。负载承受能力

当系统压力上升时，你可以观察，系统响应时间的上升曲线是否平缓。这项指标能直观地反

馈给你，系统所能承受的负载压力极限。例如，当你对系统进行压测时，系统的响应时间会

随着系统并发数的增加而延长，直到系统无法处理这么多请求，抛出大量错误时，就到了极

限。

总结

通过今天的学习，我们知道性能调优可以使系统稳定，用户体验更佳，甚至在比较大的系统

中，还能帮公司节约资源。

但是在项目的开始阶段，我们没有必要过早地介入性能优化，只需在编码的时候保证其优

秀、高效，以及良好的程序设计。

在完成项目后，我们就可以进行系统测试了，我们可以将以下性能指标，作为性能调优的标

准，响应时间、吞吐量、计算机资源分配使用率、负载承受能力。

回顾我自己的项目经验，有电商系统、支付系统以及游戏充值计费系统，用户级都是千万级

别，且要承受各种大型抢购活动，所以我对系统的性能要求非常苛刻。除了通过观察以上指

标来确定系统性能的好坏，还需要在更新迭代中，充分保障系统的稳定性。

这里，给你延伸一个方法，就是将迭代之前版本的系统性能指标作为参考标准，通过自动化

性能测试，校验迭代发版之后的系统性能是否出现异常，这里就不仅仅是比较吞吐量、响应

时间、负载能力等直接指标了，还需要比较系统资源的 CPU 占用率、内存使用率、磁盘

I/O、网络 I/O 等几项间接指标的变化。