Java調(diào)優(yōu)的方法是什么

本篇內(nèi)容介紹了“Java調(diào)優(yōu)的方法是什么”的有關(guān)知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

Java 應(yīng)用性能優(yōu)化是一個老生常談的話題，典型的性能問題如頁面響應(yīng)慢、接口超時，服務(wù)器負(fù)載高、并發(fā)數(shù)低，數(shù)據(jù)庫頻繁死鎖等。尤其是在“糙快猛”的互聯(lián)網(wǎng)開發(fā)模式大行其道的今天，隨著系統(tǒng)訪問量的日益增加和代碼的臃腫，各種性能問題開始紛至沓來。

Java 應(yīng)用性能的瓶頸點非常多，比如磁盤、內(nèi)存、網(wǎng)絡(luò) I/O 等系統(tǒng)因素，Java 應(yīng)用代碼，JVM GC，數(shù)據(jù)庫，緩存等。筆者根據(jù)個人經(jīng)驗，將 Java 性能優(yōu)化分為 4 個層級：應(yīng)用層、數(shù)據(jù)庫層、框架層、JVM 層，如圖 1 所示。

圖 1.Java 性能優(yōu)化分層模型

每層優(yōu)化難度逐級增加，涉及的知識和解決的問題也會不同。比如應(yīng)用層需要理解代碼邏輯，通過 Java 線程棧定位有問題代碼行等；數(shù)據(jù)庫層面需要分析 SQL、定位死鎖等；框架層需要懂源代碼，理解框架機制；JVM 層需要對 GC 的類型和工作機制有深入了解，對各種 JVM 參數(shù)作用了然于胸。

圍繞 Java 性能優(yōu)化，有兩種最基本的分析方法：現(xiàn)場分析法和事后分析法。

現(xiàn)場分析法通過保留現(xiàn)場，再采用診斷工具分析定位?，F(xiàn)場分析對線上影響較大，部分場景（特別是涉及到用戶關(guān)鍵的在線業(yè)務(wù)時）不太合適。

事后分析法需要盡可能多收集現(xiàn)場數(shù)據(jù)，然后立即恢復(fù)服務(wù)，同時針對收集的現(xiàn)場數(shù)據(jù)進(jìn)行事后分析和復(fù)現(xiàn)。下面我們從性能診斷工具出發(fā)，分享一些案例與實踐。

1性能診斷工具

性能診斷一種是針對已經(jīng)確定有性能問題的系統(tǒng)和代碼進(jìn)行診斷，還有一種是對預(yù)上線系統(tǒng)提前性能測試，確定性能是否符合上線要求。

本文主要針對前者，后者可以用各種性能壓測工具（例如 JMeter）進(jìn)行測試，不在本文討論范圍內(nèi)。

針對 Java 應(yīng)用，性能診斷工具主要分為兩層：OS 層面和 Java 應(yīng)用層面（包括應(yīng)用代碼診斷和 GC 診斷）。

OS 診斷

OS 的診斷主要關(guān)注的是 CPU、Memory、I/O 三個方面。

2  CPU 診斷

對于 CPU 主要關(guān)注平均負(fù)載（Load Average），CPU 使用率，上下文切換次數(shù)（Context Switch）。

通過 top 命令可以查看系統(tǒng)平均負(fù)載和 CPU 使用率，圖 2 為通過 top 命令查看某系統(tǒng)的狀態(tài)。

圖 2.top 命令示例

平均負(fù)載有三個數(shù)字：63.66，58.39，57.18，分別表示過去 1 分鐘、5 分鐘、15 分鐘機器的負(fù)載。按照經(jīng)驗，若數(shù)值小于 0.7*CPU 個數(shù)，則系統(tǒng)工作正常；若超過這個值，甚至達(dá)到 CPU 核數(shù)的四五倍，則系統(tǒng)的負(fù)載就明顯偏高。

圖 2 中 15 分鐘負(fù)載已經(jīng)高達(dá) 57.18，1 分鐘負(fù)載是 63.66（系統(tǒng)為 16 核），說明系統(tǒng)出現(xiàn)負(fù)載問題，且存在進(jìn)一步升高趨勢，需要定位具體原因了。

通過 vmstat 命令可以查看 CPU 的上下文切換次數(shù)，如圖 3 所示：

圖 3.vmstat 命令示例圖片

上下文切換次數(shù)發(fā)生的場景主要有如下幾種：

•  1）時間片用完，CPU 正常調(diào)度下一個任務(wù)；

•  2）被其它優(yōu)先級更高的任務(wù)搶占；

•  3）執(zhí)行任務(wù)碰到 I/O 阻塞，掛起當(dāng)前任務(wù)，切換到下一個任務(wù)；

•  4）用戶代碼主動掛起當(dāng)前任務(wù)讓出 CPU；

•  5）多任務(wù)搶占資源，由于沒有搶到被掛起；

•  6）硬件中斷。

Java 線程上下文切換主要來自共享資源的競爭。一般單個對象加鎖很少成為系統(tǒng)瓶頸，除非鎖粒度過大。但在一個訪問頻度高，對多個對象連續(xù)加鎖的代碼塊中就可能出現(xiàn)大量上下文切換，成為系統(tǒng)瓶頸。

比如在我們系統(tǒng)中就曾出現(xiàn) log4j 1.x 在較大并發(fā)下大量打印日志，出現(xiàn)頻繁上下文切換，大量線程阻塞，導(dǎo)致系統(tǒng)吞吐量大降的情況，其相關(guān)代碼如清單 1 所示，升級到 log4j 2.x 才解決這個問題。

for(Category c = this; c != null; cc=c.parent) {   // Protected against simultaneous call to addAppender, removeAppender,…   synchronized(c) {   if (c.aai != null) {   write += c.aai.appendLoopAppenders(event);   }   …   }  }

3 Memory

從操作系統(tǒng)角度，內(nèi)存關(guān)注應(yīng)用進(jìn)程是否足夠，可以使用 free –m 命令查看內(nèi)存的使用情況。

通過 top 命令可以查看進(jìn)程使用的虛擬內(nèi)存 VIRT 和物理內(nèi)存 RES，根據(jù)公式 VIRT = SWAP + RES 可以推算出具體應(yīng)用使用的交換分區(qū)（Swap）情況，使用交換分區(qū)過大會影響 Java 應(yīng)用性能，可以將 swappiness 值調(diào)到盡可能小。

因為對于 Java 應(yīng)用來說，占用太多交換分區(qū)可能會影響性能，畢竟磁盤性能比內(nèi)存慢太多。

4 I/O

I/O 包括磁盤 I/O 和網(wǎng)絡(luò) I/O，一般情況下磁盤更容易出現(xiàn) I/O 瓶頸。通過 iostat 可以查看磁盤的讀寫情況，通過 CPU 的 I/O wait 可以看出磁盤 I/O 是否正常。

如果磁盤 I/O 一直處于很高的狀態(tài)，說明磁盤太慢或故障，成為了性能瓶頸，需要進(jìn)行應(yīng)用優(yōu)化或者磁盤更換。

除了常用的 top、 ps、vmstat、iostat 等命令，還有其他 Linux 工具可以診斷系統(tǒng)問題，如 mpstat、tcpdump、netstat、pidstat、sar 等。Brendan 總結(jié)列出了 Linux 不同設(shè)備類型的性能診斷工具，如圖 4 所示，可供參考。

圖 4.Linux 性能觀測工具

5 Java 應(yīng)用診斷及工具

應(yīng)用代碼性能問題是相對好解決的一類性能問題。通過一些應(yīng)用層面監(jiān)控報警，如果確定有問題的功能和代碼，直接通過代碼就可以定位；或者通過 top+jstack，找出有問題的線程棧，定位到問題線程的代碼上，也可以發(fā)現(xiàn)問題。對于更復(fù)雜，邏輯更多的代碼段，通過 Stopwatch 打印性能日志往往也可以定位大多數(shù)應(yīng)用代碼性能問題。

常用的 Java 應(yīng)用診斷包括線程、堆棧、GC 等方面的診斷。

jstack

jstack 命令通常配合 top 使用，通過 top -H -p pid 定位 Java 進(jìn)程和線程，再利用 jstack -l pid 導(dǎo)出線程棧。由于線程棧是瞬態(tài)的，因此需要多次 dump，一般 3 次 dump，一般每次隔 5s 就行。將 top 定位的 Java 線程 pid 轉(zhuǎn)成 16 進(jìn)制，得到 Java 線程棧中的 nid，可以找到對應(yīng)的問題線程棧。

圖 5. 通過 top –H -p 查看運行時間較長 Java 線程

如圖 5 所示，其中的線程 24985 運行時間較長，可能存在問題，轉(zhuǎn)成 16 進(jìn)制后，通過 Java 線程棧找到對應(yīng)線程 0x6199 的棧如下，從而定位問題點，如圖 6 所示。

圖 6.jstack 查看線程堆棧

JProfiler

JProfiler 可對 CPU、堆、內(nèi)存進(jìn)行分析，功能強大，如圖 7 所示。同時結(jié)合壓測工具，可以對代碼耗時采樣統(tǒng)計。

圖 7. 通過 JProfiler 進(jìn)行內(nèi)存分析圖片

6 GC 診斷

Java GC 解決了程序員管理內(nèi)存的風(fēng)險，但 GC 引起的應(yīng)用暫停成了另一個需要解決的問題。JDK 提供了一系列工具來定位 GC 問題，比較常用的有 jstat、jmap，還有第三方工具 MAT 等。

jstat

jstat 命令可打印 GC 詳細(xì)信息，Young GC 和 Full GC 次數(shù)，堆信息等。其命令格式為

jstat &ndash;gcxxx -t pid <interval> <count>，如圖 8 所示。

圖 8.jstat 命令示例

jmap

jmap 打印 Java 進(jìn)程堆信息 jmap &ndash;heap pid。通過 jmap &ndash;dump:file=xxx pid 可 dump 堆到文件，然后通過其它工具進(jìn)一步分析其堆使用情況

MAT

MAT 是 Java 堆的分析利器，提供了直觀的診斷報告，內(nèi)置的 OQL 允許對堆進(jìn)行類 SQL 查詢，功能強大，outgoing reference 和 incoming reference 可以對對象引用追根溯源。

圖 9.MAT 示例

圖 9 是 MAT 使用示例，MAT 有兩列顯示對象大小，分別是 Shallow size 和 Retained size，前者表示對象本身占用內(nèi)存的大小，不包含其引用的對象，后者是對象自己及其直接或間接引用的對象的 Shallow size 之和，即該對象被回收后 GC 釋放的內(nèi)存大小，一般說來關(guān)注后者大小即可。

對于有些大堆 (幾十 G) 的 Java 應(yīng)用，需要較大內(nèi)存才能打開 MAT。

通常本地開發(fā)機內(nèi)存過小，是無法打開的，建議在線下服務(wù)器端安裝圖形環(huán)境和 MAT，遠(yuǎn)程打開查看?；蛘邎?zhí)行 mat 命令生成堆索引，拷貝索引到本地，不過這種方式看到的堆信息有限。

為了診斷 GC 問題，建議在 JVM 參數(shù)中加上-XX:+PrintGCDateStamps。常用的 GC 參數(shù)如圖 10 所示。

圖 10. 常用 GC 參數(shù)

對于 Java 應(yīng)用，通過 top+jstack+jmap+MAT 可以定位大多數(shù)應(yīng)用和內(nèi)存問題，可謂必備工具。有些時候，Java 應(yīng)用診斷需要參考 OS 相關(guān)信息，可使用一些更全面的診斷工具，比如 Zabbix（整合了 OS 和 JVM 監(jiān)控）等。在分布式環(huán)境中，分布式跟蹤系統(tǒng)等基礎(chǔ)設(shè)施也對應(yīng)用性能診斷提供了有力支持。

7 性能優(yōu)化實踐

在介紹了一些常用的性能診斷工具后，下面將結(jié)合我們在 Java 應(yīng)用調(diào)優(yōu)中的一些實踐，從 JVM 層、應(yīng)用代碼層以及數(shù)據(jù)庫層進(jìn)行案例分享。

JVM 調(diào)優(yōu)：GC 之痛

XX商業(yè)平臺某系統(tǒng)重構(gòu)時選擇 RMI 作為內(nèi)部遠(yuǎn)程調(diào)用協(xié)議，系統(tǒng)上線后開始出現(xiàn)周期性的服務(wù)停止響應(yīng)，暫停時間由數(shù)秒到數(shù)十秒不等。通過觀察 GC 日志，發(fā)現(xiàn)服務(wù)自啟動后每小時會出現(xiàn)一次 Full GC。由于系統(tǒng)堆設(shè)置較大，F(xiàn)ull GC 一次暫停應(yīng)用時間會較長，這對線上實時服務(wù)影響較大。

經(jīng)過分析，在重構(gòu)前系統(tǒng)沒有出現(xiàn)定期 Full GC 的情況，因此懷疑是 RMI 框架層面的問題。通過公開資料，發(fā)現(xiàn) RMI 的 GDC（Distributed Garbage Collection，分布式垃圾收集）會啟動守護(hù)線程定期執(zhí)行 Full GC 來回收遠(yuǎn)程對象，清單 2 中展示了其守護(hù)線程代碼。

清單 2.DGC 守護(hù)線程源代碼

private static class Daemon extends Thread {   public void run() {   for (;;) {        //…   long d = maxObjectInspectionAge();   if (d >= l) {      System.gc();    d = 0;  }   //…   }       }  }

定位問題后解決起來就比較容易了。一種是通過增加-XX:+DisableExplicitGC 參數(shù)，直接禁用系統(tǒng) GC 的顯示調(diào)用，但對使用 NIO 的系統(tǒng)，會有堆外內(nèi)存溢出的風(fēng)險。

另一種方式是通過調(diào)大 -Dsun.rmi.dgc.server.gcInterval 和-Dsun.rmi.dgc.client.gcInterval 參數(shù)，增加 Full GC 間隔，同時增加參數(shù)-XX:+ExplicitGCInvokesConcurrent，將一次完全 Stop-The-World 的 Full GC 調(diào)整為一次并發(fā) GC 周期，減少應(yīng)用暫停時間，同時對 NIO 應(yīng)用也不會造成影響。

從圖 11 可知，調(diào)整之后的 Full GC 次數(shù) 在 3 月之后明顯減少。

圖 11.Full GC 監(jiān)控統(tǒng)計

GC 調(diào)優(yōu)對高并發(fā)大數(shù)據(jù)量交互的應(yīng)用還是很有必要的，尤其是默認(rèn) JVM 參數(shù)通常不滿足業(yè)務(wù)需求，需要進(jìn)行專門調(diào)優(yōu)。GC 日志的解讀有很多公開的資料，本文不再贅述。

GC 調(diào)優(yōu)目標(biāo)基本有三個思路：降低 GC 頻率，可以通過增大堆空間，減少不必要對象生成；降低 GC 暫停時間，可以通過減少堆空間，使用 CMS GC 算法實現(xiàn)；避免 Full GC，調(diào)整 CMS 觸發(fā)比例，避免 Promotion Failure 和 Concurrent mode failure（老年代分配更多空間，增加 GC 線程數(shù)加快回收速度），減少大對象生成等。

應(yīng)用層調(diào)優(yōu)：嗅到代碼的壞味道

從應(yīng)用層代碼調(diào)優(yōu)入手，剖析代碼效率下降的根源，無疑是提高 Java 應(yīng)用性能的很好的手段之一。

某商業(yè)廣告系統(tǒng)（采用 Nginx 進(jìn)行負(fù)載均衡）某次日常上線后，其中有幾臺機器負(fù)載急劇升高，CPU 使用率迅速打滿。我們對線上進(jìn)行了緊急回滾，并通過 jmap 和 jstack 對其中某臺服務(wù)器的現(xiàn)場進(jìn)行保存。

圖 12. 通過 MAT 分析堆?，F(xiàn)場

堆棧現(xiàn)場如圖 12 所示，根據(jù) MAT 對 dump 數(shù)據(jù)的分析，發(fā)現(xiàn)最多的內(nèi)存對象為 byte[] 和 java.util.HashMap $Entry，且 java.util.HashMap $Entry 對象存在循環(huán)引用。初步定位在該 HashMap 的 put 過程中有可能出現(xiàn)了死循環(huán)問題（圖中 java.util.HashMap $Entry 0x2add6d992cb8 和 0x2add6d992ce8 的 next 引用形成循環(huán)）。

查閱相關(guān)文檔定位這屬于典型的并發(fā)使用的場景錯誤 (http://bugs.java.com/bugdatabase/view_bug.do?bug_id=6423457) ，簡要的說就是 HashMap 本身并不具備多線程并發(fā)的特性，在多個線程同時 put 操作的情況下，內(nèi)部數(shù)組進(jìn)行擴容時會導(dǎo)致 HashMap 的內(nèi)部鏈表形成環(huán)形結(jié)構(gòu)，從而出現(xiàn)死循環(huán)。

針對此次上線，最大的改動在于通過內(nèi)存緩存網(wǎng)站數(shù)據(jù)來提升系統(tǒng)性能，同時使用了懶加載機制，如清單 3 所示。

清單 3. 網(wǎng)站數(shù)據(jù)懶加載代碼

private static Map<Long, UnionDomain> domainMap = new HashMap<Long, UnionDomain>();      private boolean isResetDomains() {          if (CollectionUtils.isEmpty(domainMap)) {              // 從遠(yuǎn)端 http 接口獲取網(wǎng)站詳情              List<UnionDomain> newDomains = unionDomainHttpClient                      .queryAllUnionDomain();              if (CollectionUtils.isEmpty(domainMap)) {                  domainMap = new HashMap<Long, UnionDomain>();                  for (UnionDomain domain : newDomains) {                      if (domain != null) {                          domainMap.put(domain.getSubdomainId(), domain);                      }                  }              }              return true;          }          return false;      }

可以看到此處的 domainMap 為靜態(tài)共享資源，它是 HashMap 類型，在多線程情況下會導(dǎo)致其內(nèi)部鏈表形成環(huán)形結(jié)構(gòu)，出現(xiàn)死循環(huán)。

通過對前端 Nginx 的連接和訪問日志可以看到，由于在系統(tǒng)重啟后 Nginx 積攢了大量的用戶請求，在 Resin 容器啟動，大量用戶請求涌入應(yīng)用系統(tǒng)，多個用戶同時進(jìn)行網(wǎng)站數(shù)據(jù)的請求和初始化工作，導(dǎo)致 HashMap 出現(xiàn)并發(fā)問題。在定位故障原因后解決方法則比較簡單，主要的解決方法有：

•  （1）采用 ConcurrentHashMap 或者同步塊的方式解決上述并發(fā)問題;

•  （2）在系統(tǒng)啟動前完成網(wǎng)站緩存加載，去除懶加載等；

•  （3）采用分布式緩存替換本地緩存等。

對于壞代碼的定位，除了常規(guī)意義上的代碼審查外，借助諸如 MAT 之類的工具也可以在一定程度對系統(tǒng)性能瓶頸點進(jìn)行快速定位。但是一些與特定場景綁定或者業(yè)務(wù)數(shù)據(jù)綁定的情況，卻需要輔助代碼走查、性能檢測工具、數(shù)據(jù)模擬甚至線上引流等方式才能最終確認(rèn)性能問題的出處。以下是我們總結(jié)的一些壞代碼可能的一些特征，供大家參考：

•  （1）代碼可讀性差，無基本編程規(guī)范；

•  （2）對象生成過多或生成大對象，內(nèi)存泄露等；

•  （3）IO 流操作過多，或者忘記關(guān)閉；

•  （4）數(shù)據(jù)庫操作過多，事務(wù)過長;

•  （5）同步使用的場景錯誤;

•  （6）循環(huán)迭代耗時操作等。

數(shù)據(jù)庫層調(diào)優(yōu)：死鎖噩夢

對于大部分 Java 應(yīng)用來說，與數(shù)據(jù)庫進(jìn)行交互的場景非常普遍，尤其是 OLTP 這種對于數(shù)據(jù)一致性要求較高的應(yīng)用，數(shù)據(jù)庫的性能會直接影響到整個應(yīng)用的性能。搜狗商業(yè)平臺系統(tǒng)作為廣告主的廣告發(fā)布和投放平臺，對其物料的實時性和一致性都有極高的要求，我們在關(guān)系型數(shù)據(jù)庫優(yōu)化方面也積累了一定的經(jīng)驗。

對于廣告物料庫來說，較高的操作頻繁度（特別是通過批量物料工具操作）很極易造成數(shù)據(jù)庫的死鎖情況發(fā)生，其中一個比較典型的場景是廣告物料調(diào)價?？蛻敉鶗l繁的對物料的出價進(jìn)行調(diào)整，從而間接給數(shù)據(jù)庫系統(tǒng)造成較大的負(fù)載壓力，也加劇了死鎖發(fā)生的可能性。下面以搜狗商業(yè)平臺某廣告系統(tǒng)廣告物料調(diào)價的案例進(jìn)行說明。

某商業(yè)廣告系統(tǒng)某天訪問量突增，造成系統(tǒng)負(fù)載升高以及數(shù)據(jù)庫頻繁死鎖，死鎖語句如圖 13 所示。

圖 13. 死鎖語句

其中，groupdomain 表上索引為 idx_groupdomain_accountid (accountid)，idx_groupdomain_groupid(groupid)，primary(groupdomainid) 三個單索引結(jié)構(gòu)，采用 Mysql innodb 引擎。

此場景發(fā)生在更新組出價時，場景中存在著組、組行業(yè)（groupindus 表）和組網(wǎng)站（groupdomain 表）。

當(dāng)更新組出價時，若組行業(yè)出價使用組出價（通過 isusegroupprice 標(biāo)示，若為 1 則使用組出價）。同時若組網(wǎng)站出價使用組行業(yè)出價（通過 isuseindusprice 標(biāo)示，若為 1 則使用組行業(yè)出價）時，也需要同時更新其組網(wǎng)站出價。由于每個組下面最大可以有 3000 個網(wǎng)站，因此在更新組出價時會長時間的對相關(guān)記錄進(jìn)行鎖定。

從上面發(fā)生死鎖的問題可以看到，事務(wù) 1 和事務(wù) 2 均選擇了 idx_groupdomain_accountid 的單列索引。根據(jù) Mysql innodb 引擎加鎖的特點，在一次事務(wù)中只會選擇一個索引使用，而且如果一旦使用二級索引進(jìn)行加鎖后，會嘗試將主鍵索引進(jìn)行加鎖。進(jìn)一步分析可知事務(wù) 1 在請求事務(wù) 2 持有的`idx_groupdomain_accountid`二級索引加鎖（加鎖范圍“space id 5726 page no 8658 n bits 824 index”），但是事務(wù) 2 已獲得該二級索引 (“space id 5726 page no 8658 n bits 824 index”) 上所加的鎖，在等待請求鎖定主鍵索引 PRIMARY 索引上的鎖。由于事務(wù) 2 等待執(zhí)行時間過長或長時間不釋放鎖，導(dǎo)致事務(wù) 1 最終發(fā)生回滾。

通過對當(dāng)天訪問日志跟蹤可以看到，當(dāng)天有客戶通過腳本方式發(fā)起大量的修改推廣組出價的操作，導(dǎo)致有大量事務(wù)在循環(huán)等待前一個事務(wù)釋放鎖定的主鍵 PRIMARY 索引。該問題的根源實際上在于 Mysql innodb 引擎對于索引利用有限，在 Oracle 數(shù)據(jù)庫中此問題并不突出。

解決的方式自然是希望單個事務(wù)鎖定的記錄數(shù)越少越好，這樣產(chǎn)生死鎖的概率也會大大降低。最終使用了（accountid, groupid）的復(fù)合索引，縮小了單個事務(wù)鎖定的記錄條數(shù)，也實現(xiàn)了不同計劃下的推廣組數(shù)據(jù)記錄的隔離，從而減少該類死鎖的發(fā)生幾率。

通常來說，對于數(shù)據(jù)庫層的調(diào)優(yōu)我們基本上會從以下幾個方面出發(fā)：

（1）在 SQL 語句層面進(jìn)行優(yōu)化：慢 SQL 分析、索引分析和調(diào)優(yōu)、事務(wù)拆分等；

（2）在數(shù)據(jù)庫配置層面進(jìn)行優(yōu)化：比如字段設(shè)計、調(diào)整緩存大小、磁盤 I/O 等數(shù)據(jù)庫參數(shù)優(yōu)化、數(shù)據(jù)碎片整理等；

（3）從數(shù)據(jù)庫結(jié)構(gòu)層面進(jìn)行優(yōu)化：考慮數(shù)據(jù)庫的垂直拆分和水平拆分等；

（4）選擇合適的數(shù)據(jù)庫引擎或者類型適應(yīng)不同場景，比如考慮引入 NoSQL 等。

8 總結(jié)與建議

性能調(diào)優(yōu)同樣遵循 2-8 原則，80%的性能問題是由 20%的代碼產(chǎn)生的，因此優(yōu)化關(guān)鍵代碼事半功倍。同時，對性能的優(yōu)化要做到按需優(yōu)化，過度優(yōu)化可能引入更多問題。對于 Java 性能優(yōu)化，不僅要理解系統(tǒng)架構(gòu)、應(yīng)用代碼，同樣需要關(guān)注 JVM 層甚至操作系統(tǒng)底層?？偨Y(jié)起來主要可以從以下幾點進(jìn)行考慮：

1）基礎(chǔ)性能的調(diào)優(yōu)

這里的基礎(chǔ)性能指的是硬件層級或者操作系統(tǒng)層級的升級優(yōu)化，比如網(wǎng)絡(luò)調(diào)優(yōu)，操作系統(tǒng)版本升級，硬件設(shè)備優(yōu)化等。比如 F5 的使用和 SDD 硬盤的引入，包括新版本 Linux 在 NIO 方面的升級，都可以極大的促進(jìn)應(yīng)用的性能提升；

2）數(shù)據(jù)庫性能優(yōu)化

包括常見的事務(wù)拆分，索引調(diào)優(yōu)，SQL 優(yōu)化，NoSQL 引入等，比如在事務(wù)拆分時引入異步化處理，最終達(dá)到一致性等做法的引入，包括在針對具體場景引入的各類 NoSQL 數(shù)據(jù)庫，都可以大大緩解傳統(tǒng)數(shù)據(jù)庫在高并發(fā)下的不足；

3）應(yīng)用架構(gòu)優(yōu)化

引入一些新的計算或者存儲框架，利用新特性解決原有集群計算性能瓶頸等；或者引入分布式策略，在計算和存儲進(jìn)行水平化，包括提前計算預(yù)處理等，利用典型的空間換時間的做法等；都可以在一定程度上降低系統(tǒng)負(fù)載；

4）業(yè)務(wù)層面的優(yōu)化

技術(shù)并不是提升系統(tǒng)性能的唯一手段，在很多出現(xiàn)性能問題的場景中，其實可以看到很大一部分都是因為特殊的業(yè)務(wù)場景引起的，如果能在業(yè)務(wù)上進(jìn)行規(guī)避或者調(diào)整，其實往往是最有效的。

“Java調(diào)優(yōu)的方法是什么”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實用文章！