Java性能调优

性能调优的策略
Java 性能调优是一项综合性工作，需要从代码、JVM 配置、I/O、数据库、并发处理、缓存、部署等多个方面进行优化。通过合理的调优策略，可以显著提升应用的性能，确保系统在高负载下稳定、高效地运行。定期的性能监控和分析也同样重要，可以帮助快速定位和解决性能瓶颈问题。
批量Java 性能调优是一项复杂且多层次的工作，涉及代码、JVM 配置、并发处理、内存管理等多个方面。

代码优化

算法与数据结构优化
选择合适的数据结构和算法，避免不必要的计算和内存开销。使用高效的算法和数据结构来替代低效的实现。
使用缓存来提高数据访问速度，减少对数据库等外部资源的访问
选择合适的算法：不同的算法在不同的场景下性能差异巨大。例如，使用 HashMap 替代 TreeMap 可以在 O(1) 时间内查找，而 TreeMap 需要 O(log n) 时间。
优化循环和递归：尽量减少循环中的冗余计算，优化递归的深度，避免 StackOverflowError。避免过多的方法调用和递归，尽量减少方法的复杂度
避免不必要的对象创建
重用对象：在高频使用的场景下，考虑重用对象，而不是每次都创建新的实例。
使用基本数据类型：在可能的情况下，使用基本数据类型（如 int、float）替代包装类（如 Integer、Float），减少对象创建的开销。
String 性能优化
使用 StringBuilder：在大量字符串拼接操作中，使用 StringBuilder 替代 + 操作，减少字符串不可变性带来的性能开销。
StringBuilder sb = new StringBuilder();
sb.append("Hello, ").append(“World!”);
避免不必要的 substring() 调用：在某些 JVM 实现中，substring() 可能会导致内存泄漏（旧版本），因为它仍然引用原始字符串的字符数组。
减少异常的使用
避免使用异常作为控制流：异常的抛出和捕获开销较大，不应将异常用作正常的业务逻辑控制流。
选择正确的数据结构：根据数据的使用方式选择合适的数据结构。例如，如果频繁进行查找操作，可以考虑使用HashSet或HashMap。
优化算法：选择或设计更高效的算法以减少计算复杂度。
减少对象创建：通过避免创建不必要的对象或数据结构来减少内存消耗。例如，可以使用对象池技术来重用频繁创建和销毁的对象。
使用StringBuilder或StringBuffer：在需要多次修改字符串时，使用StringBuilder或StringBuffer代替String，以减少内存分配和垃圾回收的开销。
优化循环：减少循环内部的复杂度，移除不必要的计算。
减少自动装箱和拆箱：自动装箱和拆箱可能导致不必要的对象创建，应尽量避免。
代码重构：对于复杂的代码逻辑，进行重构以提高代码质量和性能。
避免过度的异常处理和日志输出，以提高代码执行的效率。
　　代码调优是在软件开发中,或者是软件开发完毕后,软件维护过程中进行的程序代码的改进和优化。代码优化涉及诸多编码技巧,需要开发者熟悉相关的语言API ,并在适合的场景中正确的使用相关API或类库，同时对算法、数据结构的灵活使用也是代码优化的一个重要内容。

内存管理优化

合理配置堆大小、非堆大小、年轻代和老年代的比例，
使用合适的垃圾回收器（GC）以及调整GC参数。
减少内存占用：优化数据结构以减少内存使用，例如使用更紧凑的数据类型。
垃圾回收调优：根据应用的特点调整JVM的垃圾回收参数，例如调整堆大小、选择合适的垃圾回收器。
避免内存泄漏：定期检查代码，确保没有长生命周期的对象持有短生命周期对象的引用。及时释放不再使用的对象，避免创建过多的临时对象

JVM 调优

内存管理
设置堆大小 (-Xms 和 -Xmx)：根据应用的内存需求配置 JVM 堆大小。-Xms 设置初始堆大小，-Xmx 设置最大堆大小。合理配置可以避免频繁的垃圾回收（GC）。
java -Xms512m -Xmx2048m -jar app.jar
配置垃圾回收器：选择适合应用的垃圾回收器，如：
java -XX:+UseG1GC -jar app.jar
G1 GC：适用于低延迟应用，能够在较短暂停时间内处理大部分垃圾回收。
ZGC：适用于超大堆内存，低延迟的场景，暂停时间极短。
调优新生代和老年代：根据应用对象的生命周期，调整新生代（Young Generation）和老年代（Old Generation）的比例，减少 GC 次数和停顿时间。
调整JVM参数：根据应用的特点调整JVM的启动参数，例如堆大小、栈大小、JIT编译阈值等。
分析JVM性能：使用工具如jconsole、jvisualvm或YourKit等分析JVM的性能瓶颈。
调整堆大小、栈大小、元空间大小等参数以适应应用程序的需求。
调整JIT编译器的参数来提高代码的执行效率。
调整堆大小：根据应用需求调整JVM堆大小。
选择合适的垃圾回收器：如G1、CMS等。
配置JVM参数：如-Xms、-Xmx等。
　　作为Java软件的执行平台，JVM的各项參数将会直接影响Java程序的性能，比如JVM的堆大小、垃圾回收策略等等。要进行JVM层面的调优，需要开发者对JVM的执行原理和基本内存结构有一定的了解，如堆内存的结构、GC的种类等，然后根据引用程序的特点设置合理的JVM启动參数。

并发编程优化

使用并发集合而不是同步集合来提高多线程环境下的性能。
合理配置线程池：根据 CPU 和任务类型（CPU 密集型或 I/O 密集型）配置线程池大小，避免过多或过少的线程导致资源浪费或竞争。使用线程池来管理线程，避免频繁地创建和销毁线程。合理配置线程池，根据应用程序的具体需求，配置合理数量和参数的线程池
减少锁的竞争：优化并发代码中的锁使用，尽量减少锁的粒度，或使用无锁数据结构（如 ConcurrentHashMap）来提高并发性能。精简同步块，减少锁的持有时间，使用粒度更小的锁。避免使用过多的锁，减少线程间的竞争
使用 ForkJoinPool：对于分治算法或并行流操作，使用 ForkJoinPool 可以提高多核 CPU 的利用率。
使用多线程：通过并行处理来提高速度，但需注意线程安全和正确的同步。
使用异步编程：利用异步操作避免阻塞调用，提高程序整体性能。
I/O 和网络优化
减少 I/O 阻塞，使用缓冲流来减少I/O次数，提高读写效率
使用 NIO：使用 Java NIO 提供的非阻塞 I/O 操作，可以减少线程等待时间，提高并发性能。使用NIO来实现非阻塞I/O，提高系统的吞吐量和响应性能
使用缓冲流：对于频繁的 I/O 操作，使用缓冲输入输出流（BufferedInputStream、BufferedOutputStream）来减少底层系统调用次数，提高 I/O 性能。
BufferedReader reader = new BufferedReader(new FileReader(“file.txt”));
优化网络通信
连接池管理：对于 HTTP 或数据库连接，使用连接池来复用连接，避免频繁创建和销毁连接的开销。
启用压缩：在网络传输中启用压缩（如 Gzip），可以减少数据传输量，尤其是在传输大量文本数据时。

数据库优化

在应用层对SQL语句进行优化时会涉及大量的编程技巧;
在对数据库优化时主要目的是建立一个具有良好表结构的数据库;
对数据库软件进行优化
优化SQL语句：避免SELECT *，使用索引，减少全表扫描。
使用数据库连接池：减少数据库连接的创建和销毁开销。
读写分离：对于读多写少的场景，使用主从复制或读写分离架构。
减少查询次数
批量处理：将多次单条 SQL 操作合并为批量操作，减少数据库交互次数，提升性能。
String sql = “INSERT INTO table_name (col1, col2) VALUES (?, ?)”;
PreparedStatement pstmt = connection.prepareStatement(sql);
for (int i = 0; i < data.size(); i++) {
pstmt.setString(1, data.get(i).getCol1());
pstmt.setString(2, data.get(i).getCol2());
pstmt.addBatch();
}
pstmt.executeBatch();
使用索引：在查询频繁的字段上添加索引，减少全表扫描，显著提高查询性能。
避免 N+1 查询问题：在 ORM（如 Hibernate）使用中，避免 N+1 查询问题，使用 JOIN FETCH 或 @EntityGraph 优化查询。
数据库连接池配置
配置合适的连接池大小：根据数据库的并发能力，设置合理的连接池大小，避免过多或过少的数据库连接。
启用数据库缓存：使用数据库自带的缓存功能（如 MySQL Query Cache），或在应用层启用二级缓存，减少重复查询。

应用层优化和资源管理优化

使用缓存
本地缓存：对于频繁访问的数据，使用本地缓存（如 ConcurrentHashMap、Guava Cache）来减少数据库或远程服务的调用次数。
分布式缓存：在多实例应用中，使用分布式缓存（如 Redis、Memcached）来共享缓存数据，减少数据存储层的访问压力。
异步处理
异步任务执行：对于不需要立即返回结果的操作，使用异步任务（如 CompletableFuture、ExecutorService）来提高响应时间和吞吐量。
CompletableFuture.supplyAsync(() -> {
// Perform async task
});
消息队列：对于跨系统或大量任务处理，使用消息队列（如 RabbitMQ、Kafka）来解耦和异步处理，缓解系统压力。
及时释放资源，如数据库连接、文件句柄等，避免资源的长时间占用。
使用连接池和对象池来重复利用资源，减少资源的创建和销毁开销。

工具和监控

性能分析工具
使用 Profiler：如 VisualVM、YourKit Profiler 或 JProfiler 等工具，分析应用的 CPU 使用情况、内存泄漏、线程阻塞、GC 开销等性能瓶颈。
使用 APM：如 New Relic、AppDynamics 或 Prometheus 等应用性能监控工具，实时监控应用的性能指标，识别潜在问题。
日志和指标监控
集中化日志管理：使用 ELK（Elasticsearch, Logstash, Kibana）或 Loki 等工具，统一收集和分析日志，快速定位问题。
健康检查和报警：通过 Spring Boot Actuator 或其他监控工具，定期检查系统的健康状况（如内存使用、线程池状态、数据库连接池状态），及时预警和处理问题。
部署优化

容器化与微服务

Docker 容器优化：使用精简的 Docker 镜像，优化应用启动时间和内存占用。通过多阶段构建减少不必要的依赖。
微服务架构：将单体应用拆分为多个微服务，分别优化和扩展每个微服务，提升整体系统的灵活性和性能。
自动扩展
使用 Kubernetes：通过 Kubernetes 配置自动扩展（auto-scaling）策略，根据应用的负载自动调整实例数量，确保系统在高并发下仍然稳定运行。
负载均衡：使用 NGINX、HAProxy 或 Kubernetes Ingress 进行负载均衡，分摊流量，避免单点过载。
操作系统优化
　　操作系统调优的手段和參数可能有所不同，比如在主流Unix系统中，共享内存段、信号量、共享内存最大值(shmmax)、共享内存最小值(shmmin)等都是能够进行优化的系统资源。此外，如最大文件句柄数、虚拟内存大小、磁盘的块大小等參数都可能对软件的性能产生影响。

设计优化

设计优化处于性能优化手段的上层，它需要在软件开发之前进行。在软件开发之前，系统架构师应该就评估系统可能存在的各种潜在问题和技术难点，并给出合理的设计方案，是对系统”质”的优化。进行设计优化时,设计人员和必须熟悉经常使用的设计方法、设计模式,以及主要的性能组件和经常使用的优化思想,并将其有机地集成在软件系统中。

接口性能优化

索引、缓存、压缩、预取、削峰填谷、批量
缓存、异步异步、预热、分批、并发调用、批量操作
优化程序，优化服务配置，优化系统配置
尽量使用缓存，包括用户缓存，信息缓存等，多花点内存来做缓存，可以大量减少与数据库的交互，提高性能。
⽤jprofiler等工具找出性能瓶颈，减少额外的开销。
优化数据库查询语句，减少直接使⽤hibernate等⼯具的直接⽣成语句（仅耗时较⻓的查询做优化）。
优化数据库结构，多做索引，提高查询效率。
统计的功能尽量做缓存，或按每天⼀统计或定时统计相关报表，避免需要时进⾏统计的功能。

能使⽤静态页面的地方尽量使用，减少容器的解析（尽量将动态内容⽣成静态html来显示）。
解决以上问题后，使⽤服务器集群来解决单台的瓶颈问题。
循环消除rpc调用、串行改并行处理、消除重复调用、消除循环数据库操作、多线程批量处理
网络通信优化之IO模型、nio
多用池-线程池、redis连接池、线程池（多线程）
压缩传输
空间换时间 算法
网络带宽、分布式部署
在多线程编程中，锁其实不是性能开销的根源，竞争锁才是。
数据库优化、sql优化、锁优化
使用连接池：使用数据库连接池减少连接创建和销毁的开销。
索引优化：在数据库表上添加合适的索引。
查询优化：优化SQL查询，避免全表扫描。

循环消除rpc调用
针对单次rpc调用，加一层缓存特性，使得大部分的请求可以命中缓存；循环中传递层次多，不好修改，使用缓存处理；寻找批量rpc接口，在循环的外层完成批量rpc接口调用，将循环体内需要的数据一次性准备好，自己对rpc调用方法进行封装，提供一个批量的本地方法实现，然后加一层批量数据缓存，将循环rpc调用所需要的dtoList进行去重，避免重复调用，减少调用rpc接口的调用次数；使用并发编程，对循环中的大量rpc请求进行并发调用，以减少接口调用响应时间；最好是提供批量调用方式，防止多次调用微服务，减少服务通讯耗时、
串行改并行处理
对于一个大任务，如果可以分解成相互没关联的小任务，可进行多线程并行程处理小任务，从而提供效率
消除重复调用
重复对象引用，参数传递，导致循环查询数据，可以按需加载，定义大对象，需要的时候调用就可以获取数据；（按需加载）
添加线程上下文，在线程中使用缓存，注意整个链路前后要cleanup（线程上下文）
消除循环数据库操作
简单批量数据库，批量查询,新增，修改2.复杂多条件数据库查询，批量查询
资源复用：资源复用主要有两种方式，
一是单例
二是对象池，我们使用的数据库连接池、线程池都是对象池化技术，这是典型的用空间换取时间的策略，另一方面也实现对资源的复用，从而避免了不必要的创建和释放资源所带来的开销