系统性能瓶颈分析与优化

系列导读：本篇将深入讲解系统性能瓶颈的分析方法与优化策略。

目录

• 一、性能指标
• 二、瓶颈分析方法
• 三、CPU 瓶颈优化
• 四、内存瓶颈优化
• 五、IO 瓶颈优化
• 总结

一、性能指标

1.1 核心指标

1.2 性能公式

QPS = 并发数 / 平均响应时间 响应时间 = CPU时间 + 等待时间 系统吞吐量 = 线程数 × (1 / 平均响应时间)

二、瓶颈分析方法

2.1 分析工具

2.2 分析流程

1. 监控发现异常 ↓ 2. 定位瓶颈资源（CPU/内存/IO/网络） ↓ 3. 分析具体原因 ↓ 4. 制定优化方案 ↓ 5. 验证优化效果

三、CPU 瓶颈优化

3.1 CPU 飙高分析

# 查看 CPU 使用top-H-p<pid># 查看线程栈jstack<pid>>thread.log# 生成火焰图perf record-g-p<pid>perf script|stackcollapse-perf.pl|flamegraph.pl>cpu.svg

3.2 优化策略

CPU 优化方向： 1. 算法优化：降低时间复杂度 2. 减少锁竞争：使用并发工具 3. 异步处理：非阻塞 IO 4. 缓存：减少计算 5. 并行处理：多线程/多进程

3.3 代码示例

// 优化前：同步阻塞publicResultprocess(Requestrequest){Resultresult=newResult();result.setData1(service1.call(request));result.setData2(service2.call(request));result.setData3(service3.call(request));returnresult;}// 优化后：并行处理publicResultprocess(Requestrequest){CompletableFuture<String>f1=CompletableFuture.supplyAsync(()->service1.call(request));CompletableFuture<String>f2=CompletableFuture.supplyAsync(()->service2.call(request));CompletableFuture<String>f3=CompletableFuture.supplyAsync(()->service3.call(request));CompletableFuture.allOf(f1,f2,f3).join();Resultresult=newResult();result.setData1(f1.join());result.setData2(f2.join());result.setData3(f3.join());returnresult;}

四、内存瓶颈优化

4.1 内存分析

# 查看内存使用free-m# 查看进程内存pmap-x<pid># JVM 内存分析jmap-heap<pid>jmap-histo<pid>|head-20

4.2 优化策略

内存优化方向： 1. 对象复用：对象池 2. 减少对象创建：StringBuilder 3. 及时释放：置 null 4. 合理设置 JVM 参数 5. 使用堆外内存

五、IO 瓶颈优化

5.1 IO 分析

# 查看 IO 状态iostat-x1# 查看磁盘使用df-h# 查看文件打开数lsof-p<pid>|wc-l

5.2 优化策略

IO 优化方向： 1. 缓存：Redis、本地缓存 2. 批量操作：减少 IO 次数 3. 异步写入：消息队列 4. 压缩：减少传输量 5. SSD：提升硬件性能

5.3 代码示例

// 优化前：单条插入for(Orderorder:orders){orderMapper.insert(order);}// 优化后：批量插入orderMapper.batchInsert(orders);

总结

✅性能指标：QPS、RT、CPU、内存、IO
✅分析方法：工具、流程
✅CPU 优化：并行处理、异步
✅内存优化：对象复用、JVM 参数
✅IO 优化：缓存、批量、异步

下篇预告：数据库性能优化实战

作者：刘~浪地球
系列：性能优化（二）
更新时间：2026-04-25