關於效能優化這是一個比較大的話題，在《由12306.cn談談網站效能技術》中我從業務和設計上說過一些可用的技術以及那些技術的優缺點，今天，想從一些技術細節上談談效能優化，主要是一些程式碼級別的技術和方法。本文的東西是我的一些經驗和知識，並不一定全對，希望大家指正和補充。

在開始這篇文章之前，大家可以移步去看一下以前發表的《程式碼優化概要》，這篇文章基本上告訴你——要進行優化，先得找到效能瓶頸！但是在講如何定位系統性能瓶勁之前，請讓我講一下系統性能的定義和測試，因為沒有這兩件事，後面的定位和優化無從談起。

一、系統性能定義

讓我們先來說說什麼是系統性能。這個定義非常關鍵，如果我們不清楚什麼是系統性能，那麼我們將無法定位之。我見過很多朋友會覺得這很容易，但是仔細一問，其實他們並沒有一個比較系統的方法，所以，在這裡我想告訴大家如何系統地來定位效能。總體來說，系統性能就是兩個事：

1. Throughput吞吐量。也就是每秒鐘可以處理的請求數，任務數。
2. Latency系統延遲。也就是系統在處理一個請求或一個任務時的延遲。

一般來說，一個系統的效能受到這兩個條件的約束，缺一不可。比如，我的系統可以頂得住一百萬的併發，但是系統的延遲是2分鐘以上，那麼，這個一百萬的負載毫無意義。系統延遲很短，但是吞吐量很低，同樣沒有意義。所以，一個好的系統的效能測試必然受到這兩個條件的同時作用。有經驗的朋友一定知道，這兩個東西的一些關係：

•  Throughput越大，Latency會越差。因為請求量過大，系統太繁忙，所以響應速度自然會低。
• Latency越好，能支援的Throughput就會越高。因為Latency短說明處理速度快，於是就可以處理更多的請求。

二、系統性能測試

經過上述的說明，我們知道要測試系統的效能，需要我們收集系統的Throughput和Latency這兩個值。

• 首先，需要定義Latency這個值，比如說，對於網站系統響應時間必需是5秒以內（對於某些實時系統可能需要定義的更短，比如5ms以內，這個更根據不同的業務來定義）
• 其次，開發效能測試工具，一個工具用來製造高強度的Throughput，另一個工具用來測量Latency。對於第一個工具，你可以參考一下“十個免費的Web壓力測試工具”，關於如何測量Latency，你可以在程式碼中測量，但是這樣會影響程式的執行，而且只能測試到程式內部的Latency，真正的Latency是整個系統都算上，包括作業系統和網路的延時，你可以使用Wireshark來抓網路包來測量。這兩個工具具體怎麼做，這個還請大家自己思考去了。
• 最後，開始效能測試。你需要不斷地提升測試的Throughput，然後觀察系統的負載情況，如果系統頂得住，那就觀察Latency的值。這樣，你就可以找到系統的最大負載，並且你可以知道系統的響應延時是多少。

再多說一些

• 關於Latency，如果吞吐量很少，這個值估計會非常穩定，當吞吐量越來越大時，系統的Latency會出現非常劇烈的抖動，所以，我們在測量Latency的時候，我們需要注意到Latency的分佈，也就是說，有百分之幾的在我們允許的範圍，有百分之幾的超出了，有百分之幾的完全不可接受。也許，平均下來的Latency達標了，但是其中僅有50%的達到了我們可接受的範圍。那也沒有意義。
• 關於效能測試，我們還需要定義一個時間段。比如：在某個吞吐量上持續15分鐘。因為當負載到達的時候，系統會變得不穩定，當過了一兩分鐘後，系統才會穩定。另外，也有可能是，你的系統在這個負載下前幾分鐘還表現正常，然後就不穩定了，甚至垮了。所以，需要這麼一段時間。這個值，我們叫做峰值極限。
• 效能測試還需要做Soak Test，也就是在某個吞吐量下，系統可以持續跑一週甚至更長。這個值，我們叫做系統的正常執行的負載極限。

效能測試有很多很復要的東西，比如：burst test等。這裡不能一一詳述，這裡只說了一些和效能調優相關的東西。總之，效能測試是一細活和累活。

三、定位效能瓶頸

有了上面的鋪墊，我們就可以測試到到系統的效能了，再調優之前，我們先來說說如何找到效能的瓶頸。我見過很多朋友會覺得這很容易，但是仔細一問，其實他們並沒有一個比較系統的方法。

3.1檢視作業系統負載

首先，當我們系統有問題的時候，我們不要急於去調查我們程式碼，這個毫無意義。我們首要需要看的是作業系統的報告。看看作業系統的CPU利用率，看看記憶體使用率，看看作業系統的IO，還有網路的IO，網路連結數，等等。Windows下的perfmon是一個很不錯的工具，Linux下也有很多相關的命令和工具，比如：SystemTap，LatencyTOP，vmstat，sar，iostat，top，tcpdump等等。通過觀察這些資料，我們就可以知道我們的軟體的效能基本上出在哪裡。比如：

1）先看CPU利用率，如果CPU利用率不高，但是系統的Throughput和Latency上不去了，這說明我們的程式並沒有忙於計算，而是忙於別的一些事，比如IO。（另外，CPU的利用率還要看核心態的和使用者態的，核心態的一上去了，整個系統的效能就下來了。而對於多核CPU來說，CPU 0是相當關鍵的，如果CPU 0的負載高，那麼會影響其它核的效能，因為CPU各核間是需要有排程的，這靠CPU0完成）

2）然後，我們可以看一下IO大不大，IO和CPU一般是反著來的，CPU利用率高則IO不大，IO大則CPU就小。關於IO，我們要看三個事，一個是磁碟檔案IO，一個是驅動程式的IO（如：網絡卡），一個是記憶體換頁率。這三個事都會影響系統性能。

3）然後，檢視一下網路頻寬使用情況，在Linux下，你可以使用iftop，iptraf，ntop，tcpdump這些命令來檢視。或是用Wireshark來檢視。

4）如果CPU不高，IO不高，記憶體使用不高，網路頻寬使用不高。但是系統的效能上不去。這說明你的程式有問題，比如，你的程式被阻塞了。可能是因為等那個鎖，可能是因為等某個資源，或者是在切換上下文。

通過了解作業系統的效能，我們才知道效能的問題，比如：頻寬不夠，記憶體不夠，TCP緩衝區不夠，等等，很多時候，不需要調整程式的，只需要調整一下硬體或作業系統的配置就可以了。

3.2使用Profiler測試

接下來，我們需要使用效能檢測工具，也就是使用某個Profiler來差看一下我們程式的執行效能。如：Java的JProfiler/TPTP/CodePro Profiler，GNU的gprof，IBM的PurifyPlus，Intel的VTune，AMD的CodeAnalyst，還有Linux下的OProfile/perf，後面兩個可以讓你對你的程式碼優化到CPU的微指令級別，如果你關心CPU的L1/L2的快取調優，那麼你需要考慮一下使用VTune。使用這些Profiler工具，可以讓你程式中各個模組函式甚至指令的很多東西，如：執行的時間，呼叫的次數，CPU的利用率，等等。這些東西對我們來說非常有用。

我們重點觀察執行時間最多，呼叫次數最多的那些函式和指令。這裡注意一下，對於呼叫次數多但是時間很短的函式，你可能只需要輕微優化一下，你的效能就上去了（比如：某函式一秒種被呼叫100萬次，你想想如果你讓這個函式提高0.01毫秒的時間，這會給你帶來多大的效能）

使用Profiler有個問題我們需要注意一下，因為Profiler會讓你的程式執行的效能變低，像PurifyPlus這樣的工具會在你的程式碼中插入很多程式碼，會導致你的程式執行效率變低，從而沒發測試出在高吞吐量下的系統的效能，對此，一般有兩個方法來定位系統瓶頸：

1）在你的程式碼中自己做統計，使用微秒級的計時器和函式呼叫計算器，每隔10秒把統計log到檔案中。

2）分段註釋你的程式碼塊，讓一些函式空轉，做Hard Code的Mock，然後再測試一下系統的Throughput和Latency是否有質的變化，如果有，那麼被註釋的函式就是效能瓶頸，再在這個函式體內註釋程式碼，直到找到最耗效能的語句。

最後再說一點，對於效能測試，不同的Throughput會出現不同的測試結果，不同的測試資料也會有不同的測試結果。所以，用於效能測試的資料非常重要，效能測試中，我們需要觀測試不同Throughput的結果。

四、常見的系統瓶頸

下面這些東西是我所經歷過的一些問題，也許並不全，也許並不對，大家可以補充指正，我純屬拋磚引玉。關於系統架構方面的效能調優，大家可移步看一下《由12306.cn談談網站效能技術》，關於Web方面的一些效能調優的東西，大家可以看看《Web開發中需要了解的東西》一文中的效能一章。我在這裡就不再說設計和架構上的東西了。

一般來說，效能優化也就是下面的幾個策略：

• 用空間換時間。各種cache如CPU L1/L2/RAM到硬碟，都是用空間來換時間的策略。這樣策略基本上是把計算的過程一步一步的儲存或快取下來，這樣就不用每次用的時候都要再計算一遍，比如資料緩衝，CDN，等。這樣的策略還表現為冗餘資料，比如資料鏡象，負載均衡什麼的。
• 用時間換空間。有時候，少量的空間可能效能會更好，比如網路傳輸，如果有一些壓縮資料的演算法（如前些天說的“Huffman編碼壓縮演算法”和“rsync的核心演算法”），這樣的演算法其實很耗時，但是因為瓶頸在網路傳輸，所以用時間來換空間反而能省時間。
• 簡化程式碼。最高效的程式就是不執行任何程式碼的程式，所以，程式碼越少效能就越高。關於程式碼級優化的技術大學裡的教科書有很多示例了。如：減少迴圈的層數，減少遞迴，在迴圈中少宣告變數，少做分配和釋放記憶體的操作，儘量把迴圈體內的表示式抽到迴圈外，條件表達的中的多個條件判斷的次序，儘量在程式啟動時把一些東西準備好，注意函式呼叫的開銷（棧上開銷），注意面嚮物件語言中臨時物件的開銷，小心使用異常（不要用異常來檢查一些可接受可忽略並經常發生的錯誤），等等，這連東西需要我們非常瞭解程式語言和常用的庫。
• 並行處理。如果CPU只有一個核，你要玩多程序，多執行緒，對於計算密集型的軟體會反而更慢（因為作業系統排程和切換開銷很大），CPU的核多了才能真正體現出多程序多執行緒的優勢。並行處理需要我們的程式有Scalability，不能水平或垂直擴充套件的程式無法進行並行處理。從架構上來說，這表再為——是否可以做到不改程式碼只是加加機器就可以完成效能提升？

總之，根據2：8原則來說，20%的程式碼耗了你80%的效能，找到那20%的程式碼，你就可以優化那80%的效能。下面的一些東西都是我的一些經驗，我只例舉了一些最有價值的效能調優的的方法，供你參考，也歡迎補充。

4.1演算法調優

演算法非常重要，好的演算法會有更好的效能。舉幾個我經歷過的專案的例子，大家可以感覺一下。

• 一個是過濾演算法。系統需要對收到的請求做過濾，我們把可以被filter in/out的東西配置在了一個檔案中，原有的過濾演算法是遍歷過濾配置，後來，我們找到了一種方法可以對這個過濾配置進行排序，這樣就可以用二分折半的方法來過濾，系統性能增加了50%。
• 一個是雜湊演算法。計算雜湊演算法的函式並不高效，一方面是計算太費時，另一方面是碰撞太高，碰撞高了就跟單向連結串列一個性能（可參看Hash Collision DoS 問題）。我們知道，演算法都是和需要處理的資料很有關係的，就算是被大家所嘲笑的“氣泡排序”在某些情況下（大多數資料是排好序的）其效率會高於所有的排序演算法。雜湊演算法也一樣，廣為人知的雜湊演算法都是用英文字典做測試，但是我們的業務在資料有其特殊性，所以，對於還需要根據自己的資料來挑選適合的雜湊演算法。對於我以前的一個專案，公司內某牛人給我發來了一個雜湊演算法，結果讓我們的系統性能上升了150%。（關於各種雜湊演算法，你一定要看看StackExchange上的這篇關於各種hash演算法的文章）
• 分而治之和預處理。以前有一個程式為了生成月報表，每次都需要計算很長的時間，有時候需要花將近一整天的時間。於是我們把我們找到了一種方法可以把這個演算法發成增量式的，也就是說我每天都把當天的資料計算好了後和前一天的報表合併，這樣可以大大的節省計算時間，每天的資料計算量只需要20分鐘，但是如果我要算整個月的，系統則需要10個小時以上（SQL語句在大資料量面前效能成級數性下降）。這種分而治之的思路在大資料面前對效能有很幫助，就像merge排序一樣。SQL語句和資料庫的效能優化也是這一策略，如：使用巢狀式的Select而不是笛卡爾積的Select，使用檢視，等等。

4.2程式碼調優

• 字串操作。這是最費系統性能的事了，無論是strcpy，strcat還是strlen，最需要注意的是字串子串匹配。所以，能用整型最好用整型。舉幾個例子，第一個例子是N年前做銀行的時候，我的同事喜歡把日期存成字串（如：2012-05-29 08:30:02），我勒個去，一個select where between語句相當耗時。另一個例子是，我以前有個同事把一些狀態碼用字串來處理，他的理由是，這樣可以在介面上直接顯示，後來效能調優的時候，我把這些狀態碼全改成整型，然後用位操作查狀態，因為有一個每秒鐘被呼叫了150K次的函式裡面有三處需要檢查狀態，經過改善以後，整個系統的效能上升了30%左右。還有一個例子是，我以前從事的某個產品程式設計規範中有一條是要在每個函式中把函式名定義出來，如：const char fname[]=”functionName()”，這是為了好打日誌，但是為什麼不宣告成static型別的呢？
• 多執行緒調優。有人說，thread is evil，這個對於系統性能在某些時候是個問題。因為多執行緒瓶頸就在於互斥和同步的鎖上，以及執行緒上下文切換的成本，怎麼樣的少用鎖或不用鎖是根本（比如：多版本併發控制(MVCC)在分散式系統中的應用中說的樂觀鎖可以解決效能問題），此外，還有讀寫鎖也可以解決大多數是讀操作的併發的效能問題。這裡多說一點在C++中，我們可能會使用執行緒安全的智慧指標AutoPtr或是別的一些容器，只要是執行緒安全的，其不管三七二十一都要上鎖，上鎖是個成本很高的操作，使用AutoPtr會讓我們的系統性能下降得很快，如果你可以保證不會有執行緒併發問題，那麼你應該不要用AutoPtr。我記得我上次我們同事去掉智慧指標的引用計數，讓系統性能提升了50%以上。對於Java物件的引用計數，如果我猜的沒錯的話，到處都是鎖，所以，Java的效能問題一直是個問題。另外，執行緒不是越多越好，執行緒間的排程和上下文切換也是很誇張的事，儘可能的在一個執行緒裡幹，儘可能的不要同步執行緒。這會讓你有很多的效能。
• 記憶體分配。不要小看程式的記憶體分配。malloc/realloc/calloc這樣的系統調非常耗時，尤其是當記憶體出現碎片的時候。我以前的公司出過這樣一個問題——在使用者的站點上，我們的程式有一天不響應了，用GDB跟進去一看，系統hang在了malloc操作上，20秒都沒有返回，重啟一些系統就好了。這就是記憶體碎片的問題。這就是為什麼很多人抱怨STL有嚴重的記憶體碎片的問題，因為太多的小記憶體的分配釋放了。有很多人會以為用記憶體池可以解決這個問題，但是實際上他們只是重新發明了Runtime-C或作業系統的記憶體管理機制，完全於事無補。當然解決記憶體碎片的問題還是通過記憶體池，具體來說是一系列不同尺寸的記憶體池（這個留給大家自己去思考）。當然，少進行動態記憶體分配是最好的。說到記憶體池就需要說一下池化技術。比如執行緒池，連線池等。池化技術對於一些短作業來說（如http服務）相當相當的有效。這項技術可以減少連結建立，執行緒建立的開銷，從而提高效能。
• 非同步操作。我們知道Unix下的檔案操作是有block和non-block的方式的，像有些系統呼叫也是block式的，如：Socket下的select，Windows下的WaitforObject之類的，如果我們的程式是同步操作，那麼會非常影響效能，我們可以改成非同步的，但是改成非同步的方式會讓你的程式變複雜。非同步方式一般要通過佇列，要注間佇列的效能問題，另外，非同步下的狀態通知通常是個問題，比如訊息事件通知方式，有callback方式，等，這些方式同樣可能會影響你的效能。但是通常來說，非同步操作會讓效能的吞吐率有很大提升（Throughput），但是會犧牲系統的響應時間（latency）。這需要業務上支援。
• 語言和程式碼庫。我們要熟悉語言以及所使用的函式庫或類庫的效能。比如：STL中的很多容器分配了記憶體後，那怕你刪除元素，記憶體也不會回收，其會造成記憶體洩露的假像，並可能造成記憶體碎片問題。再如，STL某些容器的size()==0和empty()是不一樣的，因為，size()是O(n)複雜度，empty()是O(1)的複雜度，這個要小心。Java中的JVM調優需要使用的這些引數：-Xms-Xmx-Xmn-XX:SurvivorRatio-XX:MaxTenuringThreshold，還需要注意JVM的GC，GC的霸氣大家都知道，尤其是full GC（還整理記憶體碎片），他就像“恐龍特級克賽號”一樣，他執行的時候，整個世界的時間都停止了。

4.3網路調優

關於網路調優，尤其是TCP Tuning（你可以以這兩個關鍵詞在網上找到很多文章），這裡面有很多很多東西可以說。看看Linux下TCP/IP的那麼多引數就知道了（順便說一下，你也許不喜歡Linux，但是你不能否認Linux給我們了很多可以進行核心調優的權力）。強烈建議大家看看《TCP/IP詳解卷1:協議》這本書。我在這裡只講一些概念上的東西。

A)TCP調優

我們知道TCP連結是有很多開銷的，一個是會佔用檔案描述符，另一個是會開快取，一般來說一個系統可以支援的TCP連結數是有限的，我們需要清楚地認識到TCP連結對系統的開銷是很大的。正是因為TCP是耗資源的，所以，很多攻擊都是讓你係統上出現大量的TCP連結，把你的系統資源耗盡。比如著名的SYNC Flood攻擊。所以，我們要注意配置KeepAlive引數，這個引數的意思是定義一個時間，如果連結上沒有資料傳輸，系統會在這個時間發一個包，如果沒有收到迴應，那麼TCP就認為連結斷了，然後就會把連結關閉，這樣可以回收系統資源開銷。（注：HTTP層上也有KeepAlive引數）對於像HTTP這樣的短連結，設定一個1-2分鐘的keepalive非常重要。這可以在一定程度上防止DoS攻擊。有下面幾個引數（下面這些引數的值僅供參考）：

1. net.ipv4.tcp_keepalive_probes = 5
2. net.ipv4.tcp_keepalive_intvl = 20
3. net.ipv4.tcp_fin_timeout = 30

對於TCP的TIME_WAIT這個狀態，主動關閉的一方進入TIME_WAIT狀態，TIME_WAIT狀態將持續2個MSL(Max Segment Lifetime)，預設為4分鐘，TIME_WAIT狀態下的資源不能回收。有大量的TIME_WAIT連結的情況一般是在HTTP伺服器上。對此，有兩個引數需要注意，

1. net.ipv4.tcp_tw_reuse=1
2. net.ipv4.tcp_tw_recycle=1

前者表示重用TIME_WAIT，後者表示回收TIME_WAIT的資源。

TCP還有一個重要的概念叫RWIN（TCP Receive Window Size），這個東西的意思是，我一個TCP連結在沒有向Sender發出ack時可以接收到的最大的資料包。為什麼這個很重要？因為如果Sender沒有收到Receiver發過來ack，Sender就會停止傳送資料並會等一段時間，如果超時，那麼就會重傳。這就是為什麼TCP連結是可靠連結的原因。重傳還不是最嚴重的，如果有丟包發生的話，TCP的頻寬使用率會馬上受到影響（會盲目減半），再丟包，再減半，然後如果不丟包了，就逐步恢復。相關引數如下：

1. net.core.wmem_default = 8388608
2. net.core.rmem_default = 8388608
3. net.core.rmem_max = 16777216
4. net.core.wmem_max = 16777216

一般來說，理論上的RWIN應該設定成：吞吐量*迴路時間。Sender端的buffer應該和RWIN有一樣的大小，因為Sender端傳送完資料後要等Receiver端確認，如果網路延時很大，buffer過小了，確認的次數就會多，於是效能就不高，對網路的利用率也就不高了。也就是說，對於延遲大的網路，我們需要大的buffer，這樣可以少一點ack，多一些資料，對於響應快一點的網路，可以少一些buffer。因為，如果有丟包（沒有收到ack），buffer過大可能會有問題，因為這會讓TCP重傳所有的資料，反而影響網路效能。（當然，網路差的情況下，就別玩什麼高效能了）所以，高效能的網路重要的是要讓網路丟包率非常非常地小（基本上是用在LAN裡），如果網路基本是可信的，這樣用大一點的buffer會有更好的網路傳輸效能（來來回回太多太影響效能了）。

另外，我們想一想，如果網路質量非常好，基本不丟包，而業務上我們不怕偶爾丟幾個包，如果是這樣的話，那麼，我們為什麼不用速度更快的UDP呢？你想過這個問題了嗎？

B)UDP調優

說到UDP的調優，有一些事我想重點說一樣，那就是MTU——最大傳輸單元（其實這對TCP也一樣，因為這是鏈路層上的東西）。所謂最大傳輸單元，你可以想像成是公路上的公交車，假設一個公交車可以最多坐70人，頻寬就像是公路的車道數一樣，如果一條路上最多可以容下100輛公交車，那意味著我最多可以運送7000人，但是如果公交車坐不滿，比如平均每輛車只有20人，那麼我只運送了2000人，於是我公路資源（頻寬資源）就被浪費了。所以，我們對於一個UDP的包，我們要儘量地讓他大到MTU的最大尺寸再往網路上傳，這樣可以最大化頻寬利用率。對於這個MTU，乙太網是1500位元組，光纖是4352位元組，802.11無線網是7981。但是，當我們用TCP/UDP發包的時候，我們的有效負載Payload要低於這個值，因為IP協議會加上20個位元組，UDP會加上8個位元組（TCP加的更多），所以，一般來說，你的一個UDP包的最大應該是1500-8-20=1472，這是你的資料的大小。當然，如果你用光纖的話，這個值就可以更大一些。（順便說一下，對於某些NB的千光以態網網絡卡來說，在網絡卡上，網絡卡硬體如果發現你的包的大小超過了MTU，其會幫你做fragment，到了目標端又會幫你做重組，這就不需要你在程式中處理了）

再多說一下，使用Socket程式設計的時候，你可以使用setsockopt() 設定SO_SNDBUF/SO_RCVBUF的大小，TTL和KeepAlive這些關鍵的設定，當然，還有很多，具體你可以檢視一下Socket的手冊。

最後說一點，UDP還有一個最大的好處是multi-cast多播，這個技術對於你需要在內網裡通知多臺結點時非常方便和高效。而且，多播這種技術對於機會的水平擴充套件（需要增加機器來偵聽多播資訊）也很有利。

C）網絡卡調優

對於網絡卡，我們也是可以調優的，這對於千兆以及網網絡卡非常必要，在Linux下，我們可以用ifconfig檢視網上的統計資訊，如果我們看到overrun上有資料，我們就可能需要調整一下txqueuelen的尺寸（一般預設為1000），我們可以調大一些，如：ifconfig eth0 txqueuelen 5000。Linux下還有一個命令叫：ethtool可以用於設定網絡卡的緩衝區大小。在Windows下，我們可以在網絡卡介面卡中的高階選項卡中調整相關的引數（如：Receive Buffers, Transmit Buffer等，不同的網絡卡有不同的引數）。把Buffer調大對於需要大資料量的網路傳輸非常有效。

D）其它網路效能

關於多路複用技術，也就是用一個執行緒來管理所有的TCP連結，有三個系統呼叫要重點注意：一個是select，這個系統呼叫只支援上限1024個連結，第二個是poll，其可以突破1024的限制，但是select和poll本質上是使用的輪詢機制，輪詢機制在連結多的時候效能很差，因主是O(n)的演算法，所以，epoll出現了，epoll是作業系統核心支援的，僅當在連結活躍時，作業系統才會callback，這是由作業系統通知觸發的，但其只有Linux Kernel 2.6以後才支援（準確說是2.5.44中引入的），當然，如果所有的連結都是活躍的，過多的使用epoll_ctl可能會比輪詢的方式還影響效能，不過影響的不大。

另外，關於一些和DNS Lookup的系統呼叫要小心，比如：gethostbyaddr/gethostbyname，這個函式可能會相當的費時，因為其要到網路上去找域名，因為DNS的遞迴查詢，會導致嚴重超時，而又不能通過設定什麼引數來設定time out，對此你可以通過配置hosts檔案來加快速度，或是自己在記憶體中管理對應表，在程式啟動時查好，而不要在執行時每次都查。另外，在多執行緒下面，gethostbyname會一個更嚴重的問題，就是如果有一個執行緒的gethostbyname發生阻塞，其它執行緒都會在gethostbyname處發生阻塞，這個比較變態，要小心。（你可以試試GNU的gethostbyname_r()，這個的效能要好一些）這種到網上找資訊的東西很多，比如，如果你的Linux使用了NIS，或是NFS，某些使用者或檔案相關的系統呼叫就很慢，所以要小心。

4.4系統調優

A）I/O模型

前面說到過select/poll/epoll這三個系統呼叫，我們都知道，Unix/Linux下把所有的裝置都當成檔案來進行I/O，所以，那三個操作更應該算是I/O相關的系統呼叫。說到I/O模型，這對於我們的I/O效能相當重要，我們知道，Unix/Linux經典的I/O方式是（關於Linux下的I/O模型，大家可以讀一下這篇文章《使用非同步I/O大大提高效能》）：

第一種，同步阻塞式I/O，這個不說了。

第二種，同步無阻塞方式。其通過fctnl設定O_NONBLOCK來完成。

第三種，對於select/poll/epoll這三個是I/O不阻塞，但是在事件上阻塞，算是：I/O非同步，事件同步的呼叫。

第四種，AIO方式。這種I/O模型是一種處理與I/O並行的模型。I/O請求會立即返回，說明請求已經成功發起了。在後臺完成I/O操作時，嚮應用程式發起通知，通知有兩種方式：一種是產生一個訊號，另一種是執行一個基於執行緒的回撥函式來完成這次I/O處理過程。

第四種因為沒有任何的阻塞，無論是I/O上，還是事件通知上，所以，其可以讓你充分地利用CPU，比起第二種同步無阻塞好處就是，第二種要你一遍一遍地去輪詢。Nginx之所所以高效，是其使用了epoll和AIO的方式來進行I/O的。

再說一下Windows下的I/O模型，

a）一個是WriteFile系統呼叫，這個系統呼叫可以是同步阻塞的，也可以是同步無阻塞的，關於看檔案是不是以Overlapped開啟的。關於同步無阻塞，需要設定其最後一個引數Overlapped，微軟叫Overlapped I/O，你需要WaitForSingleObject才能知道有沒有寫完成。這個系統呼叫的效能可想而知。

b）另一個叫WriteFileEx的系統呼叫，其可以實現非同步I/O，並可以讓你傳入一個callback函式，等I/O結束後回撥之，但是這個回撥的過程Windows是把callback函式放到了APC（Asynchronous Procedure Calls）的佇列中，然後，只用當應用程式當前執行緒成為可被通知狀態（Alterable）時，才會被回撥。只有當你的執行緒使用了這幾個函式時WaitForSingleObjectEx，WaitForMultipleObjectsEx， MsgWaitForMultipleObjectsEx，SignalObjectAndWait 和SleepEx，執行緒才會成為Alterable狀態。可見，這個模型，還是有wait，所以效能也不高。

c）然後是IOCP–IO Completion Port，IOCP會把I/O的結果放在一個佇列中，但是，偵聽這個佇列的不是主執行緒，而是專門來幹這個事的一個或多個執行緒去幹（老的平臺要你自己建立執行緒，新的平臺是你可以建立一個執行緒池）。IOCP是一個執行緒池模型。這個和Linux下的AIO模型比較相似，但是實現方式和使用方式完全不一樣。

當然，真正提高I/O效能方式是把和外設的I/O的次數降到最低，最好沒有，所以，對於讀來說，記憶體cache通常可以從質上提升效能，因為記憶體比外設快太多了。對於寫來說，cache住要寫的資料，少寫幾次，但是cache帶來的問題就是實時性的問題，也就是latency會變大，我們需要在寫的次數上和相應上做權衡。

B）多核CPU調優

關於CPU的多核技術，我們知道，CPU0是很關鍵的，如果0號CPU被用得過狠的話，別的CPU效能也會下降，因為CPU0是有調整功能的，所以，我們不能任由作業系統負載均衡，因為我們自己更瞭解自己的程式，所以，我們可以手動地為其分配CPU核，而不會過多地佔用CPU0，或是讓我們關鍵程序和一堆別的程序擠在一起。

• 對於Windows來說，我們可以通過“工作管理員”中的“程序”而中右鍵選單中的“設定相關性……”（Set Affinity…）來設定並限制這個程序能被執行在哪些核上。
• 對於Linux來說，可以使用taskset命令來設定（你可以通過安裝schedutils來安裝這個命令：apt-get install schedutils）

多核CPU還有一個技術叫NUMA技術（Non-Uniform Memory Access）。傳統的多核運算是使用SMP(Symmetric Multi-Processor )模式，多個處理器共享一個集中的儲存器和I/O匯流排。於是就會出現一致儲存器訪問的問題，一致性通常意味著效能問題。NUMA模式下，處理器被劃分成多個node，每個node有自己的本地儲存器空間。關於NUMA的一些技術細節，你可以檢視一下這篇文章《Linux的NUMA技術》，在Linux下，對NUMA調優的命令是：numactl 。如下面的命令：（指定命令“myprogram arg1 arg2”執行在node 0上，其記憶體分配在node 0 和1上）

1. numactl --cpubind=0--membind=0,1 myprogram arg1 arg2 

當然，上面這個命令並不好，因為記憶體跨越了兩個node，這非常不好。最好的方式是隻讓程式訪問和自己執行一樣的node，如：

1. $ numactl --membind 1 --cpunodebind 1 --localalloc myapplication 

C）檔案系統調優

關於檔案系統，因為檔案系統也是有cache的，所以，為了讓檔案系統有最大的效能。首要的事情就是分配足夠大的記憶體，這個非常關鍵，在Linux下可以使用free命令來檢視 free/used/buffers/cached，理想來說，buffers和cached應該有40%左右。然後是一個快速的硬碟控制器，SCSI會好很多。最快的是Intel SSD固態硬碟，速度超快，但是寫次數有限。

接下來，我們就可以調優檔案系統配置了，對於Linux的Ext3/4來說，幾乎在所有情況下都有所幫助的一個引數是關閉檔案系統訪問時間，在/etc/fstab下看看你的檔案系統有沒有noatime引數（一般來說應該有），還有一個是dealloc，它可以讓系統在最後時刻決定寫入檔案發生時使用哪個塊，可優化這個寫入程式。還要注間一下三種日誌模式：data=journal、data=ordered和data=writeback。預設設定data=ordered提供效能和防護之間的最佳平衡。

當然，對於這些來說，ext4的預設設定基本上是最佳優化了。

這裡介紹一個Linux下的檢視I/O的命令——iotop，可以讓你看到各程序的磁碟讀寫的負載情況。

其它還有一些關於NFS、XFS的調優，大家可以上google搜尋一些相關優化的文章看看。關於各檔案系統，大家可以看一下這篇文章——《Linux日誌檔案系統及效能分析》。

4.5資料庫調優

資料庫調優並不是我的強項，我就僅用我非常有限的知識說上一些吧。注意，下面的這些東西並不一定正確，因為在不同的業務場景，不同的資料庫設計下可能會得到完全相反的結論，所以，我僅在這裡做一些一般性的說明，具體問題還要具體分析。

A）資料庫引擎調優

我對資料庫引擎不是熟，但是有幾個事情我覺得是一定要去了解的。

• 資料庫的鎖的方式。這個非常非常地重要。併發情況下，鎖是非常非常影響效能的。各種隔離級別，行鎖，表鎖，頁鎖，讀寫鎖，事務鎖，以及各種寫優先還是讀優先機制。效能最高的是不要鎖，所以，分庫分表，冗餘資料，減少一致性事務處理，可以有效地提高效能。NoSQL就是犧牲了一致性和事務處理，並冗餘資料，從而達到了分散式和高效能。
• 資料庫的儲存機制。不但要搞清楚各種型別欄位是怎麼儲存的，更重要的是資料庫的資料儲存方式，是怎麼分割槽的，是怎麼管理的，比如Oracle的資料檔案，表空間，段，等等。瞭解清楚這個機制可以減輕很多的I/O負載。比如：MySQL下使用show engines;可以看到各種儲存引擎的支援。不同的儲存引擎有不同的側重點，針對不同的業務或資料庫設計會讓你有不同的效能。
• 資料庫的分散式策略。最簡單的就是複製或映象，需要了解分散式的一致性演算法，或是主主同步，主從同步。通過了解這種技術的機理可以做到資料庫級別的水平擴充套件。

B）SQL語句優化

關於SQL語句的優化，首先也是要使用工具，比如：MySQL SQL Query Analyzer，Oracle SQL Performance Analyzer，或是微軟SQL Query Analyzer，基本上來說，所有的RMDB都會有這樣的工具，來讓你檢視你的應用中的SQL的效能問題。 還可以使用explain來看看SQL語句最終Execution Plan會是什麼樣的。

還有一點很重要，資料庫的各種操作需要大量的記憶體，所以伺服器的記憶體要夠，優其應對那些多表查詢的SQL語句，那是相當的耗記憶體。

下面我根據我有限的資料庫SQL的知識說幾個會有效能問題的SQL：

• 全表檢索。比如：select * from user where lastname = “xxxx”，這樣的SQL語句基本上是全表查詢，線性