作者（code2life）寫了上中下三篇關(guān)于性能優(yōu)化的文章，內(nèi)容由淺入深涉及性能方方面面，并不僅僅局限于代碼層面。 于是借花獻(xiàn)佛，把作者的三篇整理合并之后分享給大家。希望你也能有所收獲。 本文是上篇，講解六種通用的“時(shí)間”與“空間”互換取舍的手段。

引言：取與舍

軟件設(shè)計(jì)開(kāi)發(fā)某種意義上是“取”與“舍”的藝術(shù)。 關(guān)于性能方面，就像建筑設(shè)計(jì)成抗震9度需要額外的成本一樣，高性能軟件系統(tǒng)也意味著更高的實(shí)現(xiàn)成本，有時(shí)候與其他質(zhì)量屬性甚至?xí)_突，比如安全性、可擴(kuò)展性、可觀測(cè)性等等。 大部分時(shí)候我們需要的是：在業(yè)務(wù)遇到瓶頸之前，利用常見(jiàn)的技術(shù)手段將系統(tǒng)優(yōu)化到預(yù)期水平。 那么，性能優(yōu)化有哪些技術(shù)方向和手段呢？ 性能優(yōu)化通常是“時(shí)間”與“空間”的互換與取舍。 本篇分兩個(gè)部分，在上篇，講解六種通用的“時(shí)間”與“空間”互換取舍的手段：

索引術(shù)

壓縮術(shù)

緩存術(shù)

預(yù)取術(shù)

削峰填谷術(shù)

批量處理術(shù)

在下篇，介紹四種進(jìn)階性的內(nèi)容，大多與提升并行能力有關(guān)：

八門遁甲 —— 榨干計(jì)算資源

影分身術(shù) —— 水平擴(kuò)容

奧義 —— 分片術(shù)

秘術(shù) —— 無(wú)鎖術(shù)

每種性能優(yōu)化的技術(shù)手段，我都找了一張應(yīng)景的《火影忍者》中人物或忍術(shù)的配圖，評(píng)論區(qū)答出任意人物或忍術(shù)送一顆小星星。 （注：所有配圖來(lái)自動(dòng)漫《火影忍者》，部分圖片添加了文字方便理解，僅作技術(shù)交流用途）

索引術(shù)

索引的原理是拿額外的存儲(chǔ)空間換取查詢時(shí)間，增加了寫入數(shù)據(jù)的開(kāi)銷，但使讀取數(shù)據(jù)的時(shí)間復(fù)雜度一般從O(n)降低到O(logn)甚至O(1)。 索引不僅在數(shù)據(jù)庫(kù)中廣泛使用，前后端的開(kāi)發(fā)中也在不知不覺(jué)運(yùn)用。 在數(shù)據(jù)集比較大時(shí)，不用索引就像從一本沒(méi)有目錄而且內(nèi)容亂序的新華字典查一個(gè)字，得一頁(yè)一頁(yè)全翻一遍才能找到； 用索引之后，就像用拼音先在目錄中先找到要查到字在哪一頁(yè)，直接翻過(guò)去就行了。 書籍的目錄是典型的樹(shù)狀結(jié)構(gòu)，那么軟件世界常見(jiàn)的索引有哪些數(shù)據(jù)結(jié)構(gòu)，分別在什么場(chǎng)景使用呢？

哈希表（Hash Table）：哈希表的原理可以類比銀行辦業(yè)務(wù)取號(hào)，給每個(gè)人一個(gè)號(hào)（計(jì)算出的Hash值），叫某個(gè)號(hào)直接對(duì)應(yīng)了某個(gè)人，索引效率是最高的O(1)，消耗的存儲(chǔ)空間也相對(duì)更大。K-V存儲(chǔ)組件以及各種編程語(yǔ)言提供的Map/Dict等數(shù)據(jù)結(jié)構(gòu)，多數(shù)底層實(shí)現(xiàn)是用的哈希表。

二叉搜索樹(shù)（Binary Search Tree）：有序存儲(chǔ)的二叉樹(shù)結(jié)構(gòu)，在編程語(yǔ)言中廣泛使用的紅黑樹(shù)屬于二叉搜索樹(shù)，確切的說(shuō)是“不完全平衡的”二叉搜索樹(shù)。從C++、Java的TreeSet、TreeMap，到Linux的CPU調(diào)度，都能看到紅黑樹(shù)的影子。Java的HashMap在發(fā)現(xiàn)某個(gè)Hash槽的鏈表長(zhǎng)度大于8時(shí)也會(huì)將鏈表升級(jí)為紅黑樹(shù)，而相比于紅黑樹(shù)“更加平衡”的AVL樹(shù)反而實(shí)際用的更少。

平衡多路搜索樹(shù)（B-Tree）：這里的B指的是Balance而不是Binary，二叉樹(shù)在大量數(shù)據(jù)場(chǎng)景會(huì)導(dǎo)致查找深度很深，解決辦法就是變成多叉樹(shù)，MongoDB的索引用的就是B-Tree。

葉節(jié)點(diǎn)相連的平衡多路搜索樹(shù)（B+ Tree）：B+ Tree是B-Tree的變體，只有葉子節(jié)點(diǎn)存數(shù)據(jù)，葉子與相鄰葉子相連，MySQL的索引用的就是B+樹(shù)，Linux的一些文件系統(tǒng)也使用的B+樹(shù)索引inode。其實(shí)B+樹(shù)還有一種在枝椏上再加鏈表的變體：B*樹(shù)，暫時(shí)沒(méi)想到實(shí)際應(yīng)用。

日志結(jié)構(gòu)合并樹(shù)（LSM Tree）：Log Structured Merge Tree，簡(jiǎn)單理解就是像日志一樣順序?qū)懴氯ィ鄬佣鄩K的結(jié)構(gòu)，上層寫滿壓縮合并到下層。LSM Tree其實(shí)本身是為了優(yōu)化寫性能犧牲讀性能的數(shù)據(jù)結(jié)構(gòu)，并不能算是索引，但在大數(shù)據(jù)存儲(chǔ)和一些NoSQL數(shù)據(jù)庫(kù)中用的很廣泛，因此這里也列進(jìn)去了。

字典樹(shù)（Trie Tree）：又叫前綴樹(shù)，從樹(shù)根串到樹(shù)葉就是數(shù)據(jù)本身，因此樹(shù)根到枝椏就是前綴，枝椏下面的所有數(shù)據(jù)都是匹配該前綴的。這種結(jié)構(gòu)能非常方便的做前綴查找或詞頻統(tǒng)計(jì)，典型的應(yīng)用有：自動(dòng)補(bǔ)全、URL路由。其變體基數(shù)樹(shù)（Radix Tree）在Nginx的Geo模塊處理子網(wǎng)掩碼前綴用了；Redis的Stream、Cluster等功能的實(shí)現(xiàn)也用到了基數(shù)樹(shù)（Redis中叫Rax）。

跳表（Skip List）：是一種多層結(jié)構(gòu)的有序鏈表，插入一個(gè)值時(shí)有一定概率“晉升”到上層形成間接的索引。跳表更適合大量并發(fā)寫的場(chǎng)景，不存在紅黑樹(shù)的再平衡問(wèn)題，Redis強(qiáng)大的ZSet底層數(shù)據(jù)結(jié)構(gòu)就是哈希加跳表。

倒排索引（Inverted index）：這樣翻譯不太直觀，可以叫“關(guān)鍵詞索引”，比如書籍末頁(yè)列出的術(shù)語(yǔ)表就是倒排索引，標(biāo)識(shí)出了每個(gè)術(shù)語(yǔ)出現(xiàn)在哪些頁(yè)，這樣我們要查某個(gè)術(shù)語(yǔ)在哪用的，從術(shù)語(yǔ)表一查，翻到所在的頁(yè)數(shù)即可。倒排索引在全文索引存儲(chǔ)中經(jīng)常用到，比如ElasticSearch非常核心的機(jī)制就是倒排索引；Prometheus的時(shí)序數(shù)據(jù)庫(kù)按標(biāo)簽查詢也是在用倒排索引。

數(shù)據(jù)庫(kù)主鍵之爭(zhēng)：自增長(zhǎng) vs UUID。主鍵是很多數(shù)據(jù)庫(kù)非常重要的索引，尤其是MySQL這樣的RDBMS會(huì)經(jīng)常面臨這個(gè)難題：是用自增長(zhǎng)的ID還是隨機(jī)的UUID做主鍵？ 自增長(zhǎng)ID的性能最高，但不好做分庫(kù)分表后的全局唯一ID，自增長(zhǎng)的規(guī)律可能泄露業(yè)務(wù)信息；而UUID不具有可讀性且太占存儲(chǔ)空間。 爭(zhēng)執(zhí)的結(jié)果就是找一個(gè)兼具二者的優(yōu)點(diǎn)的折衷方案：

用雪花算法生成分布式環(huán)境全局唯一的ID作為業(yè)務(wù)表主鍵，性能尚可、不那么占存儲(chǔ)、又能保證全局單調(diào)遞增，但引入了額外的復(fù)雜性，再次體現(xiàn)了取舍之道。

再回到數(shù)據(jù)庫(kù)中的索引，建索引要注意哪些點(diǎn)呢？

定義好主鍵并盡量使用主鍵，多數(shù)數(shù)據(jù)庫(kù)中，主鍵是效率最高的聚簇索引；

在Where或Group By、Order By、Join On條件中用到的字段也要按需建索引或聯(lián)合索引，MySQL中搭配explain命令可以查詢DML是否利用了索引；

類似枚舉值這樣重復(fù)度太高的字段不適合建索引（如果有位圖索引可以建），頻繁更新的列不太適合建索引；

單列索引可以根據(jù)實(shí)際查詢的字段升級(jí)為聯(lián)合索引，通過(guò)部分冗余達(dá)到索引覆蓋，以避免回表的開(kāi)銷；

盡量減少索引冗余，比如建A、B、C三個(gè)字段的聯(lián)合索引，Where條件查詢A、A and B、A and B and C

都可以利用該聯(lián)合索引，就無(wú)需再給A單獨(dú)建索引了；根據(jù)數(shù)據(jù)庫(kù)特有的索引特性選擇適合的方案，比如像MongoDB，還可以建自動(dòng)刪除數(shù)據(jù)的TTL索引、不索引空值的稀疏索引、地理位置信息的Geo索引等等。

數(shù)據(jù)庫(kù)之外，在代碼中也能應(yīng)用索引的思維，比如對(duì)于集合中大量數(shù)據(jù)的查找，使用Set、Map、Tree這樣的數(shù)據(jù)結(jié)構(gòu)，其實(shí)也是在用哈希索引或樹(shù)狀索引，比直接遍歷列表或數(shù)組查找的性能高很多。

緩存術(shù)

緩存優(yōu)化性能的原理和索引一樣，是拿額外的存儲(chǔ)空間換取查詢時(shí)間。緩存無(wú)處不在，設(shè)想一下我們?cè)跒g覽器打開(kāi)這篇文章，會(huì)有多少層緩存呢？

首先解析DNS時(shí)，瀏覽器一層DNS緩存、操作系統(tǒng)一層DNS緩存、DNS服務(wù)器鏈上層層緩存；

發(fā)送一個(gè)GET請(qǐng)求這篇文章，服務(wù)端很可能早已將其緩存在KV存儲(chǔ)組件中了；

即使沒(méi)有擊中緩存，數(shù)據(jù)庫(kù)服務(wù)器內(nèi)存中也緩存了最近查詢的數(shù)據(jù)；

即使沒(méi)有擊中數(shù)據(jù)庫(kù)服務(wù)器的緩存，數(shù)據(jù)庫(kù)從索引文件中讀取，操作系統(tǒng)已經(jīng)把熱點(diǎn)文件的內(nèi)容放置在Page Cache中了；

即使沒(méi)有擊中操作系統(tǒng)的文件緩存，直接讀取文件，大部分固態(tài)硬盤或者磁盤本身也自帶緩存；

數(shù)據(jù)取到之后服務(wù)器用模板引擎渲染出HTML，模板引擎早已解析好緩存在服務(wù)端內(nèi)存中了；

歷經(jīng)數(shù)十毫秒之后，終于服務(wù)器返回了一個(gè)渲染后的HTML，瀏覽器端解析DOM樹(shù)，發(fā)送請(qǐng)求來(lái)加載靜態(tài)資源；

需要加載的靜態(tài)資源可能因Cache-Control在瀏覽器本地磁盤和內(nèi)存中已經(jīng)緩存了；

即使本地緩存到期，也可能因Etag沒(méi)變服務(wù)器告訴瀏覽器304 Not Modified繼續(xù)緩存；

即使Etag變了，靜態(tài)資源服務(wù)器也因其他用戶訪問(wèn)過(guò)早已將文件緩存在內(nèi)存中了；

加載的JS文件會(huì)丟到JS引擎執(zhí)行，其中可能涉及的種種緩存就不再展開(kāi)了；

整個(gè)過(guò)程中鏈條上涉及的所有的計(jì)算機(jī)和網(wǎng)絡(luò)設(shè)備，執(zhí)行的熱點(diǎn)代碼和數(shù)據(jù)很可能會(huì)載入CPU的多級(jí)高速緩存。

這里列舉的僅僅是一部分常見(jiàn)的緩存，就有多種多樣的形式：從廉價(jià)的磁盤到昂貴的CPU高速緩存，最終目的都是用來(lái)?yè)Q取寶貴的時(shí)間。 既然緩存那么好，那么問(wèn)題就來(lái)了：緩存是“銀彈”嗎？ 不，Phil Karlton 曾說(shuō)過(guò)：

There are only two hard things in Computer Science: cache invalidation and naming things.

計(jì)算機(jī)科學(xué)中只有兩件困難的事情：緩存失效和命名規(guī)范。 緩存的使用除了帶來(lái)額外的復(fù)雜度以外，還面臨如何處理緩存失效的問(wèn)題。

多線程并發(fā)編程需要用各種手段（比如Java中的synchronized volatile）防止并發(fā)更新數(shù)據(jù)，一部分原因就是防止線程本地緩存的不一致；

緩存失效衍生的問(wèn)題還有：緩存穿透、緩存擊穿、緩存雪崩。解決用不存在的Key來(lái)穿透攻擊，需要用空值緩存或布隆過(guò)濾器；解決單個(gè)緩存過(guò)期后，瞬間被大量惡意查詢擊穿的問(wèn)題需要做查詢互斥；解決某個(gè)時(shí)間點(diǎn)大量緩存同時(shí)過(guò)期的雪崩問(wèn)題需要添加隨機(jī)TTL；

熱點(diǎn)數(shù)據(jù)如果是多級(jí)緩存，在發(fā)生修改時(shí)需要清除或修改各級(jí)緩存，這些操作往往不是原子操作，又會(huì)涉及各種不一致問(wèn)題。

除了通常意義上的緩存外，對(duì)象重用的池化技術(shù)，也可以看作是一種緩存的變體。 常見(jiàn)的諸如JVM，V8這類運(yùn)行時(shí)的常量池、數(shù)據(jù)庫(kù)連接池、HTTP連接池、線程池、Golang的sync.Pool對(duì)象池等等。 在需要某個(gè)資源時(shí)從現(xiàn)有的池子里直接拿一個(gè)，稍作修改或直接用于另外的用途，池化重用也是性能優(yōu)化常見(jiàn)手段。

壓縮術(shù)

說(shuō)完了兩個(gè)“空間換時(shí)間”的，我們?cè)倏匆粋€(gè)“時(shí)間換空間”的辦法——壓縮。 壓縮的原理消耗計(jì)算的時(shí)間，換一種更緊湊的編碼方式來(lái)表示數(shù)據(jù)。 為什么要拿時(shí)間換空間？時(shí)間不是最寶貴的資源嗎？ 舉一個(gè)視頻網(wǎng)站的例子，如果不對(duì)視頻做任何壓縮編碼，因?yàn)閹捰邢蓿薮蟮臄?shù)據(jù)量在網(wǎng)絡(luò)傳輸?shù)暮臅r(shí)會(huì)比編碼壓縮的耗時(shí)多得多。 對(duì)數(shù)據(jù)的壓縮雖然消耗了時(shí)間來(lái)?yè)Q取更小的空間存儲(chǔ)，但更小的存儲(chǔ)空間會(huì)在另一個(gè)維度帶來(lái)更大的時(shí)間收益。 這個(gè)例子本質(zhì)上是：“操作系統(tǒng)內(nèi)核與網(wǎng)絡(luò)設(shè)備處理負(fù)擔(dān) vs 壓縮解壓的CPU/GPU負(fù)擔(dān)”的權(quán)衡和取舍。 我們?cè)诖a中通常用的是無(wú)損壓縮，比如下面這些場(chǎng)景:

HTTP協(xié)議中Accept-Encoding添加Gzip/deflate，服務(wù)端對(duì)接受壓縮的文本（JS/CSS/HTML）請(qǐng)求做壓縮，大部分圖片格式本身已經(jīng)是壓縮的無(wú)需壓縮；

HTTP2協(xié)議的頭部HPACK壓縮；

JS/CSS文件的混淆和壓縮（Uglify/Minify）；

一些RPC協(xié)議和消息隊(duì)列傳輸?shù)南⒅校捎枚M(jìn)制編碼和壓縮（Gzip、Snappy、LZ4等等）；

緩存服務(wù)存過(guò)大的數(shù)據(jù)，通常也會(huì)事先壓縮一下再存，取的時(shí)候解壓；

一些大文件的存儲(chǔ)，或者不常用的歷史數(shù)據(jù)存儲(chǔ)，采用更高壓縮比的算法存儲(chǔ)；

JVM的對(duì)象指針壓縮，JVM在32G以下的堆內(nèi)存情況下默認(rèn)開(kāi)啟“UseCompressedOops”，用4個(gè)byte就可以表示一個(gè)對(duì)象的指針，這也是JVM盡量不要把堆內(nèi)存設(shè)置到32G以上的原因；

MongoDB的二進(jìn)制存儲(chǔ)的BSON相對(duì)于純文本的JSON也是一種壓縮，或者說(shuō)更緊湊的編碼。但更緊湊的編碼也意味著更差的可讀性，這一點(diǎn)也是需要取舍的。純文本的JSON比二進(jìn)制編碼要更占存儲(chǔ)空間但卻是REST API的主流，因?yàn)閿?shù)據(jù)交換的場(chǎng)景下的可讀性是非常重要的。

信息論告訴我們，無(wú)損壓縮的極限是信息熵。進(jìn)一步減小體積只能以損失部分信息為代價(jià)，也就是有損壓縮。 那么，有損壓縮有哪些應(yīng)用呢？

預(yù)覽和縮略圖，低速網(wǎng)絡(luò)下視頻降幀、降清晰度，都是對(duì)信息的有損壓縮；

音視頻等多媒體數(shù)據(jù)的采樣和編碼大多是有損的，比如MP3是利用傅里葉變換，有損地存儲(chǔ)音頻文件；jpeg等圖片編碼也是有損的。雖然有像WAV/PCM這類無(wú)損的音頻編碼方式，但多媒體數(shù)據(jù)的采樣本身就是有損的，相當(dāng)于只截取了真實(shí)世界的極小一部分?jǐn)?shù)據(jù)；

散列化，比如K-V存儲(chǔ)時(shí)Key過(guò)長(zhǎng)，先對(duì)Key執(zhí)行一次“傻”系列（SHA-1、SHA-256）哈希算法變成固定長(zhǎng)度的短Key。另外，散列化在文件和數(shù)據(jù)驗(yàn)證（MD5、CRC、HMAC）場(chǎng)景用的也非常多，無(wú)需耗費(fèi)大量算力對(duì)比完整的數(shù)據(jù)。

除了有損/無(wú)損壓縮，但還有一個(gè)辦法，就是壓縮的極端——從根本上減少數(shù)據(jù)或徹底刪除。 能減少的就減少：

JS打包過(guò)程“搖樹(shù)”，去掉沒(méi)有使用的文件、函數(shù)、變量；

開(kāi)啟HTTP/2和高版本的TLS，減少了Round Trip，節(jié)省了TCP連接，自帶大量性能優(yōu)化；

減少不必要的信息，比如Cookie的數(shù)量，去掉不必要的HTTP請(qǐng)求頭；

更新采用增量更新，比如HTTP的PATCH，只傳輸變化的屬性而不是整條數(shù)據(jù)；

縮短單行日志的長(zhǎng)度、縮短URL、在具有可讀性情況下用短的屬性名等等；

使用位圖和位操作，用風(fēng)騷的位操作最小化存取的數(shù)據(jù)。典型的例子有：用Redis的位圖來(lái)記錄統(tǒng)計(jì)海量用戶登錄狀態(tài)；布隆過(guò)濾器用位圖排除不可能存在的數(shù)據(jù)；大量開(kāi)關(guān)型的設(shè)置的存儲(chǔ)等等。

能刪除的就刪除：

刪掉不用的數(shù)據(jù)；

刪掉不用的索引；

刪掉不該打的日志；

刪掉不必要的通信代碼，不去發(fā)不必要的HTTP、RPC請(qǐng)求或調(diào)用，輪詢改發(fā)布訂閱；

終極方案：砍掉整個(gè)功能。

畢竟有位叫做 Kelsey Hightower 的大佬曾經(jīng)說(shuō)過(guò)：

No code is the best way to write secure and reliable applications. Write nothing; deploy nowhere

不寫代碼，是編寫安全可靠的應(yīng)用程序的最佳方式。什么都不寫；哪里都不部署。

預(yù)取術(shù)

預(yù)取通常搭配緩存一起用，其原理是在緩存空間換時(shí)間基礎(chǔ)上更進(jìn)一步，再加上一次“時(shí)間換時(shí)間”，也就是：用事先預(yù)取的耗時(shí)，換取第一次加載的時(shí)間。 當(dāng)可以猜測(cè)出以后的某個(gè)時(shí)間很有可能會(huì)用到某種數(shù)據(jù)時(shí)，把數(shù)據(jù)預(yù)先取到需要用的地方，能大幅度提升用戶體驗(yàn)或服務(wù)端響應(yīng)速度。

是否用預(yù)取模式就像自助餐餐廳與廚師現(xiàn)做的區(qū)別，在自助餐餐廳可以直接拿做好的菜品，一般餐廳需要坐下來(lái)等菜品現(xiàn)做。 那么，預(yù)取在哪些實(shí)際場(chǎng)景會(huì)用呢？

視頻或直播類網(wǎng)站，在播放前先緩沖一小段時(shí)間，就是預(yù)取數(shù)據(jù)。有的在播放時(shí)不僅預(yù)取這一條數(shù)據(jù)，甚至還會(huì)預(yù)測(cè)下一個(gè)要看的其他內(nèi)容，提前把數(shù)據(jù)取到本地；

HTTP/2 Server Push，在瀏覽器請(qǐng)求某個(gè)資源時(shí)，服務(wù)器順帶把其他相關(guān)的資源一起推回去，HTML/JS/CSS幾乎同時(shí)到達(dá)瀏覽器端，相當(dāng)于瀏覽器被動(dòng)預(yù)取了資源；

一些客戶端軟件會(huì)用常駐進(jìn)程的形式，提前預(yù)取數(shù)據(jù)或執(zhí)行一些代碼，這樣可以極大提高第一次使用的打開(kāi)速度；

服務(wù)端同樣也會(huì)用一些預(yù)熱機(jī)制，一方面熱點(diǎn)數(shù)據(jù)預(yù)取到內(nèi)存提前形成多級(jí)緩存；另一方面也是對(duì)運(yùn)行環(huán)境的預(yù)熱，載入CPU高速緩存、熱點(diǎn)函數(shù)JIT編譯成機(jī)器碼等等；

熱點(diǎn)資源提前預(yù)分配到各個(gè)實(shí)例，比如：秒殺、售票的庫(kù)存性質(zhì)的數(shù)據(jù)；分布式唯一ID等等

天上不會(huì)掉餡餅，預(yù)取也是有副作用的。 正如烤箱預(yù)熱需要消耗時(shí)間和額外的電費(fèi)，在軟件代碼中做預(yù)取/預(yù)熱的副作用通常是啟動(dòng)慢一些、占用一些閑時(shí)的計(jì)算資源、可能取到的不一定是后面需要的。

削峰填谷術(shù)

削峰填谷的原理也是“時(shí)間換時(shí)間”，谷時(shí)換峰時(shí)。 削峰填谷與預(yù)取是反過(guò)來(lái)的：預(yù)取是事先花時(shí)間做，削峰填谷是事后花時(shí)間做。就像三峽大壩可以抗住短期巨量洪水，事后雨停再慢慢開(kāi)閘防水。軟件世界的“削峰填谷”是類似的，只是不是用三峽大壩實(shí)現(xiàn)，而是用消息隊(duì)列、異步化等方式。 常見(jiàn)的有這幾類問(wèn)題，我們分別來(lái)看每種對(duì)應(yīng)的解決方案：

針對(duì)前端、客戶端的啟動(dòng)優(yōu)化或首屏優(yōu)化：代碼和數(shù)據(jù)等資源的延時(shí)加載、分批加載、后臺(tái)異步加載、或按需懶加載等等。

背壓控制 - 限流、節(jié)流、去抖等等。一夫當(dāng)關(guān)，萬(wàn)夫莫開(kāi)，從入口處削峰，防止一些惡意重復(fù)請(qǐng)求以及請(qǐng)求過(guò)于頻繁的爬蟲(chóng)，甚至是一些DDoS攻擊。簡(jiǎn)單做法有網(wǎng)關(guān)層根據(jù)單個(gè)IP或用戶用漏桶控制請(qǐng)求速率和上限；前端做按鈕的節(jié)流去抖防止重復(fù)點(diǎn)擊；網(wǎng)絡(luò)層開(kāi)啟TCP SYN Cookie防止惡意的SYN洪水攻擊等等。徹底杜絕爬蟲(chóng)、黑客手段的惡意洪水攻擊是很難的，DDoS這類屬于網(wǎng)絡(luò)安全范疇了。

針對(duì)正常的業(yè)務(wù)請(qǐng)求洪峰，用消息隊(duì)列暫存再異步化處理：常見(jiàn)的后端消息隊(duì)列Kafka、RocketMQ甚至Redis等等都可以做緩沖層，第一層業(yè)務(wù)處理直接校驗(yàn)后丟到消息隊(duì)列中，在洪峰過(guò)去后慢慢消費(fèi)消息隊(duì)列中的消息，執(zhí)行具體的業(yè)務(wù)。另外執(zhí)行過(guò)程中的耗時(shí)和耗計(jì)算資源的操作，也可以丟到消息隊(duì)列或數(shù)據(jù)庫(kù)中，等到谷時(shí)處理。

捋平毛刺：有時(shí)候洪峰不一定來(lái)自外界，如果系統(tǒng)內(nèi)部大量定時(shí)任務(wù)在同一時(shí)間執(zhí)行，或與業(yè)務(wù)高峰期重合，很容易在監(jiān)控中看到“毛刺”——短時(shí)間負(fù)載極高。一般解決方案就是錯(cuò)峰執(zhí)行定時(shí)任務(wù)，或者分配到其他非核心業(yè)務(wù)系統(tǒng)中，把“毛刺”攤平。比如很多數(shù)據(jù)分析型任務(wù)都放在業(yè)務(wù)低谷期去執(zhí)行，大量定時(shí)任務(wù)在創(chuàng)建時(shí)盡量加一些隨機(jī)性來(lái)分散執(zhí)行時(shí)間。

避免錯(cuò)誤風(fēng)暴帶來(lái)的次生洪峰：有時(shí)候網(wǎng)絡(luò)抖動(dòng)或短暫宕機(jī)，業(yè)務(wù)會(huì)出現(xiàn)各種異常或錯(cuò)誤。這時(shí)處理不好很容易帶來(lái)次生災(zāi)害，比如：很多代碼都會(huì)做錯(cuò)誤重試，不加控制的大量重試甚至?xí)?dǎo)致網(wǎng)絡(luò)抖動(dòng)恢復(fù)后的瞬間，積壓的大量請(qǐng)求再次沖垮整個(gè)系統(tǒng)；還有一些代碼沒(méi)有做超時(shí)、降級(jí)等處理，可能導(dǎo)致大量的等待耗盡TCP連接，進(jìn)而導(dǎo)致整個(gè)系統(tǒng)被沖垮。解決之道就是做限定次數(shù)、間隔指數(shù)級(jí)增長(zhǎng)的Back-Off重試，設(shè)定超時(shí)、降級(jí)策略。

批量處理術(shù)

批量處理同樣可以看成“時(shí)間換時(shí)間”，其原理是減少了重復(fù)的事情，是一種對(duì)執(zhí)行流程的壓縮。以個(gè)別批量操作更長(zhǎng)的耗時(shí)為代價(jià)，在整體上換取了更多的時(shí)間。 批量處理的應(yīng)用也非常廣泛，我們還是從前端開(kāi)始講：

打包合并的JS文件、雪碧圖等等，將一批資源集中到一起，一次性傳輸；

前端動(dòng)畫使用requestAnimationFrame在UI渲染時(shí)批量處理積壓的變化，而不是有變化立刻更新，在游戲開(kāi)發(fā)中也有類似的應(yīng)用；

前后端中使用隊(duì)列暫存臨時(shí)產(chǎn)生的數(shù)據(jù)，積壓到一定數(shù)量再批量處理；在不影響可擴(kuò)展性情況下，一個(gè)接口傳輸多種需要的數(shù)據(jù)，減少大量ajax調(diào)用（GraphQL在這一點(diǎn)就做到了極致）；

系統(tǒng)間通信盡量發(fā)送整批數(shù)據(jù)，比如消息隊(duì)列的發(fā)布訂閱、存取緩存服務(wù)的數(shù)據(jù)、RPC調(diào)用、插入或更新數(shù)據(jù)庫(kù)等等，能批量做盡可能批量做，因?yàn)檫@些系統(tǒng)間通信的I/O時(shí)間開(kāi)銷已經(jīng)很昂貴了；

數(shù)據(jù)積壓到一定程度再落盤，操作系統(tǒng)本身的寫文件就是這么做的，Linux的fwrite只是寫入緩沖區(qū)暫存，積壓到一定程度再fsync刷盤。在應(yīng)用層，很多高性能的數(shù)據(jù)庫(kù)和K-V存儲(chǔ)的實(shí)現(xiàn)都體現(xiàn)了這一點(diǎn)：一些NoSQL的LSM Tree的第一層就是在內(nèi)存中先積壓到一定大小再往下層合并；Redis的RDB結(jié)合AOF的落盤機(jī)制；Linux系統(tǒng)調(diào)用也提供了批量讀寫多個(gè)緩沖區(qū)文件的系統(tǒng)調(diào)用：readv/writev；

延遲地批量回收資源，比如JVM的Survivor Space的S0和S1區(qū)互換、Redis的Key過(guò)期的清除策略。

批量處理如此好用，那么問(wèn)題來(lái)了，每一批放多大最合適呢？ 這個(gè)問(wèn)題其實(shí)沒(méi)有定論，有一些個(gè)人經(jīng)驗(yàn)可以分享。

前端把所有文件打包成單個(gè)JS，大部分時(shí)候并不是最優(yōu)解。Webpack提供了很多分塊的機(jī)制，CSS和JS分開(kāi)、JS按業(yè)務(wù)分更小的Chunk結(jié)合懶加載、一些體積大又不用在首屏用的第三方庫(kù)設(shè)置external或單獨(dú)分塊，可能整體性能更高。不一定要一批搞定所有事情，分幾個(gè)小批次反而用戶體驗(yàn)的性能更好。

Redis的MGET、MSET來(lái)批量存取數(shù)據(jù)時(shí)，每批大小不宜過(guò)大，因?yàn)镽edis主線程只有一個(gè)，如果一批太大執(zhí)行期間會(huì)讓其他命令無(wú)法響應(yīng)。經(jīng)驗(yàn)上一批50-100個(gè)Key性能是不錯(cuò)的，但最好在真實(shí)環(huán)境下用真實(shí)大小的數(shù)據(jù)量化度量一下，做Benchmark測(cè)試才能確定一批大小的最優(yōu)值。

MySQL、Oracle這類RDBMS，最優(yōu)的批量Insert的大小也視數(shù)據(jù)行的特性而定。我之前在2U8G的Oracle上用一些普遍的業(yè)務(wù)數(shù)據(jù)做過(guò)測(cè)試，批量插入時(shí)每批5000-10000條數(shù)據(jù)性能是最高的，每批過(guò)大會(huì)導(dǎo)致DML的解析耗時(shí)過(guò)長(zhǎng)，甚至單個(gè)SQL語(yǔ)句體積超限，單批太多反而得不償失。

消息隊(duì)列的發(fā)布訂閱，每批的消息長(zhǎng)度盡量控制在1MB以內(nèi)，有些云服務(wù)商提供的消息隊(duì)列限制了最大長(zhǎng)度，那這個(gè)長(zhǎng)度可能就是性能拐點(diǎn)，比如AWS的SQS服務(wù)對(duì)單條消息的限制是256KB。

總之，多大一批可以確保單批響應(yīng)時(shí)間不太長(zhǎng)的同時(shí)讓整體性能最高，是需要在實(shí)際情況下做基準(zhǔn)測(cè)試的，不能一概而論。而批量處理的副作用在于：處理邏輯會(huì)更加復(fù)雜，尤其是一些涉及事務(wù)、并發(fā)的問(wèn)題；需要用數(shù)組或隊(duì)列用來(lái)存放緩沖一批數(shù)據(jù)，消耗了額外的存儲(chǔ)空間。

作者：code2life 在此特別鳴謝！