性能优化

⭐⭐⭐⭐ 中高级 | 系统级性能分析和优化

性能优化的步骤：

1. 测量 - 确定当前性能
2. 分析 - 找到瓶颈
3. 优化 - 改进瓶颈部分
4. 验证 - 确认改进有效

不同层面的性能：

• 响应时间 - 用户体验，目标<200ms
• 吞吐量 - 系统处理能力，QPS
• 并发 - 同时处理的用户数
• 资源使用 - CPU、内存、磁盘I/O

🎯 原则1: 从顶层开始优化

• 架构级优化 > 代码级优化
• 缓存 > 数据库优化
• 异步 > 同步
• 定向优化，不要过度优化

🎯 原则2: 使用profiling工具

• 不要基于猜测优化
• 用工具找真正的瓶颈
• 关注hotspot函数

🎯 原则3: 缓存策略

• 多层缓存（内存、Redis、浏览器）
• 缓存穿透、击穿、雪崩防护
• 定期清理和更新

🎯 原则4: 异步处理

• 长操作应该异步
• 使用消息队列
• 使用工作线程池

场景1: 应用级性能分析

Prompt:

我的应用性能下降，请帮我诊断。

现象：
- 平均响应时间：[时间]
- 99%响应时间：[时间]
- 目标：[目标时间]

已知：
- CPU使用率：[百分比]
- 内存使用：[大小]
- 数据库查询数：[数字]

关键操作的[timings]:
[操作1]: [时间]
[操作2]: [时间]
[操作3]: [时间]

问题：
1. 瓶颈在哪里？
2. 应该profiling什么？
3. 怎样优化？

场景2: 缓存策略设计

Prompt:

请为我设计缓存策略。

应用特点：
- 热数据：[说明]
- 更新频率：[频率]
- 一致性要求：[要求]

缓存候选数据：
1. [数据1]: 更新频率[频率], 访问频率[频率]
2. [数据2]: ...

需要考虑：
1. 缓存层次（内存、Redis、CDN）
2. 缓存更新策略（TTL、事件驱动、LRU）
3. 缓存穿透、击穿、雪崩防护
4. 数据一致性处理

请给出缓存设计方案。

场景3: 并发性能优化

Prompt:

我的系统在高并发下性能下降。

性能指标：
- 单用户：[性能正常]
- 1000并发：[性能下降]
- 10000并发：[不可用]

瓶颈分析：
- CPU：[使用率]
- 内存：[使用率]
- 数据库连接：[使用数]
- 线程：[线程数]

代码热点：
[并发相关的代码]

问题：
1. 为什么并发下性能下降这么多？
2. 瓶颈是什么？
3. 怎样优化到10000并发？

• 性能优化涉及数据库 → T10: Query Optimization
• 优化代码审查 → T07: Code Review