前言
“性能优化“相信是每个程序员都关心的问题，在实际工作中也常会对系统做优化。关于性能优化有两个问题很值得探讨：
- HOW：影响性能的因素很多，该从何入手？找到需要优化的点后，如何进行优化？
- WHY：优化后为什么能提升性能？为什么有些优化点更值得做？
至于WHAT，我认为是不言而喻的，性能优化的终极目标只有两点：QPS和RT，可以说所有优化最终都是为了这两个指标。
本文讨论的核心内容是几个与性能相关的公式，比如QPS公式、RT公式、线程数公式等。熟悉这几个公式能让我们抓住系统性能的底层逻辑，有助于在实践过程中对症下药。这些公式在一些性能相关的书籍里都有出现，公式提供了很好的理论支持，但关于如何实践的文章并不多。
本文先对公式进行简单推导和验证，熟悉的同学可以跳过这部分。
- 针对HOW：本文会通过一个线上应用的优化案例，尝试探讨出一套可参照的实践流程。
- 针对WHY：在公式验证和实践中，对实际优化结果结合公式进行定量计算，解释类似如下问题——为什么做了一个优化，QPS能提升100或者50%？
PS：个人水平有限，难免出现纰漏，欢迎指正。
公式推导
本小节对几个核心公式进行简单推导，帮助尚不太了解的同学弄清来龙去脉。
QPS和RT
前文提到，QPS和RT是性能优化的终极目标。其中QPS(Query per second)描述了单位时间内系统的吞吐量，而RT长短则反应了接口响应速度。提升QPS能帮助我们利用更少的机器资源扛住更多的流量，而降低RT能提升用户体验。
单线程QPS公式
在单线程下，这个公式永远正确。而我们的系统都是多线程的，所以我们需要知道多线程的QPS如何计算。
多线程QPS公式
很简单，就是单线程的QPS * 线程数：
可以看到，多线程下的QPS和两个因素相关：RT和线程数，接下里分别讨论下RT和线程数。
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
