Skip to content

Latest commit

 

History

History
442 lines (168 loc) · 6.65 KB

README.md

File metadata and controls

442 lines (168 loc) · 6.65 KB
Raw

Java Performance 读书笔记【持续更新中...】

这本书的中文名叫做 《Java性能权威指南》, 翻译质量褒贬不一。

我读的是英文版，学习的过程中，顺便练习英语。

书名的完整描述为:

"Java Performance: The Definitive Guide by Scott Oaks (O’Reilly). Copyright 2014 Scott Oaks, 978-1-449-35845-7."

作者的源码仓库为: https://github.com/ScottOaks/JavaPerformanceTuning

0. 前言(Preface)

Java性能相关的重要组件:

  • JIT
  • GC
  • App

性能调优涉及的领域知识:

  • 系统架构
  • 程序开发
  • 测试领域
  • 运维领域

Java应用系统调优的切分:

  • Java层面: 代码优化; API使用与最佳实践
  • JVM层面: 配置参数调优: GC + Compiler

影响性能的因素:

  • 算法优化
  • JVM调优
  • 系统瓶颈

1. 简介(Introduction)

这是一本致力于探索Java性能的科学和艺术性的书籍。

我们说性能是科学, 这一点也不为过。 性能领域涉及到很多的数值、分析和检测方法。 大部分性能调优工程师都具有一定的学术背景和科学素养, 通过科学的方法与手段, 来榨取最优性能。 至于艺术性, 性能优化真的一半是科学, 一半是艺术; 每一次优化都不是机械地照搬经验和结论, 而是需要灵感, 需要技巧的精彩艺术创作。

关于Java厂商:

关于GC:

  • JDK7推出了新的垃圾收集器: G1.
  • 7u4之前的G1不属于GA版。
  • JDK8中G1则比较稳定了。
  • 每个厂商的GC配置参数都有不同, 新旧版本可能还有区别。

JVM扩展参数的格式:

  • 布尔值类型: -XX:+FlagName 与 -XX:-FlagName; 加号表示开启, 减号表示关闭.
  • 参数值类型: -XX:FlagName=flagValue; 参数值还可以分为字符串和数值。

关于默认参数;

  • 大部分参数都有默认值.
  • 有一些默认值是根据运行环境动态计算得出的。
  • JDK8之前有 server 模式和 client 模式;

各种构件版本的JVM：

  • product 版本, 一般是Oracle打包发行的版本。
  • debug 版本;
  • developer 版本, 支持更多的调优配置参数。

其他:

  • Java和JVM之外，还有其他影响性能的因素。
  • 默认行为;
  • 代码级的算法和数据结构优化: 比如 二分、Hash优化、空间换时间/缓存。

编程的目的:

  • 收入
  • 乐趣
  • 贡献
  • 学习

代码与性能:

  • 以代码量确定KPI
  • 冗余/臃肿的低效代码: 类加载、编译成本、执行时间、对象分配与回收/GC成本、CPU高速缓存、code cache、内存资源。
  • 硬件性能提升: 摩尔定律。
  • 功能越多, 性能会越来越低, 因为需要消耗更多资源: 每次迭代降一点点，日积月累。
  • 可以有小版本升级、以及性能优化，但是要考虑投入与产出。

过早优化:

  • Donald Knuth 说的;
  • 优化需要针对业务特征;
  • 简洁直观就是优雅、可读性好: 同时兼顾性能优先.
  • 收益与成本: 人力成本、沟通成本、项目周期.
  • 不要故意去写太烂的代码。
  • 不要教条主义, 看实际情况, 实事求是

外部因素:

  • 数据库大部分时候是性能瓶颈.
  • 分布式系统的瓶颈需要考虑整个链路。
  • 负载: 请求数、并发数、数据量

优化原则:

    1. 绝大多数情况下, 先分析并优化代码逻辑;
    1. Occam’s Razor: 奥卡姆剃刀原理, "简单有效原理", "如无必要, 勿增实体", Entities should not be multiplied unnecessarily;
    1. 尽可能使用简单的算法;

小结:

  • Java性能调优, 不仅仅是调优JVM;
  • 各种系统组件, 都应该重视;

2. 性能测试的方法

性能问题可能出现在任何地方, 包括:

  • 软件
  • 硬件
  • 数据处理链路

方法的作用:

  • 带领新手入门
  • 检查清单
  • 如何操作: 量化与确认

相关术语:

  • IOPS: 每秒IO次数, 大部分情况下是指: 每秒读写磁盘的次数.
  • 吞吐量: 指一定时间内完成的业务量, 比如事务,请求,数据传输等等.
  • 响应时间: 从发出操作,到系统做出响应结果的时间.
  • 延时/延迟: 等待的时间.
  • 资源使用率: 比如内存、CPU、网络带宽、磁盘容量.
  • 饱和度: 竞争资源需要排队的工作量.
  • 瓶颈: 限制系统性能的直接组件/资源/原因.
  • 负载: load, 工作负载, 也就是要干多少活; 就比如或者运输的货物量/需要执行的任务量/请求量.
  • 缓存: 空间换时间, 受到的主要限制是成本。
  • 压缩: CPU时间换空间。

性能测试模型:

  • 干扰: 也就是其他的资源争用, 比如坏邻居。
  • 排队: 也就是等待处理的队列/缓冲;

最受关注的性能指标:

  • 响应时间: 客户方关注; 客户端响应时间 = 传输延时 + 服务端操作处理时间;
  • 吞吐量: 服务方关注;

连接池:

  • DNS查找时间,
  • 创建TCP连接时的3次握手, 比如可以节省3/4的传输延迟。
  • 数据传输时间, 这个是刚需, 只能优化代码或架构。

权衡

  • 性能权衡三角
  • 合格的语言生态: 具有完备的性能分析和调优工具。
  • RCP协议: 当网络瓶颈不再成为限制, 压缩协议.
  • 天之道，损有余而补不足。 用不紧缺的或者多余的资源来换取缺少的资源。
  • 投资回报率: ROI
  • 性能团队, 第三方监控

系统层级:

  • 应用层: 应用栈/调用链/系统部署架构
  • 数据库: 索引/IO
  • 操作系统: 系统调用/调优/监控
  • 文件系统:
  • 存储系统: 容量、速度

指标维度:

  • IOPS
  • 吞吐量
  • 延时
  • 使用率: 忙碌/容量
  • 饱和度: 超过处理能力

抽样分析(profiling)

缓存:

  • 容量

  • 密度, 工艺和技术限制

  • 成本, 经济利益考虑

  • 命中率/未命中率

  • 热度: 冷、暖、热

  • 最近最少使用: LRU

  • 最近最多使用: MRU

预热(warm up):

  • 性能测试
  • 生产环境
  • 关键路径

测试类型:

  • 功能测试
  • 性能测试

形式:

  • 微基准测试: microbenchmark: 少量 代码
  • 整体测试: macrobenchmark: 整个应用
  • 部分测试: meso-benchmark: 模块级/流程级
  • 回归测试: regression
  • 单元测试: unit
  • 模块测试: module-level testing
  • 集成测试:
  • 集群和扩展性:
  • UA压测

业务代码: 主流程是最重要的部分, 是系统存在的原因和价值, . 效率工具: 提高效率, 节省人力, 可按业务量进行量化.

吞吐量:

  • 子系统
  • 业务处理单元
  • 整个系统
  • 瓶颈点

数据类型:

  • BigDecimal: 金额相关, 专业选择

  • double: