应用性能优化
1，服务器硬件瓶颈
2，网络瓶颈（局域网可以不考虑）
3，服务器操作系统瓶颈（参数配置）
4，中间件瓶颈（参数配置，数据库，web服务器等）
5，应用瓶颈（SQL语句，数据库设计，业务逻辑，算法等。）
1，前端优化
针对于一些公用的图片或者JS，放在CDN服务器上减少带宽的使用
2，查看JVM里面运行情况，找出卡顿或者速度很慢，或者没有释放的对象，针对其优化。
top :查看当前系统是CPU和内存使用情况，从高到底排序
jmap -heap 4987 看看是不是内存分配太少
jmap -histo:live 2897|more 看看对象大小
ll /proc/PID/task |wc -| 进程数
ll /proc/PID/fd |wc -|查看句柄数
使用内存快照，将内存中的东西快照出来，分析一下主要是什么东西，然后结合代码结构，做相应的优化
3，数据库层优化
优化查询SQL 少使用关联查询，建索引
加缓存，减少对数据库的访问频率
主从复制，读写分离
用msql 分区表 ，优化SQL
垂直拆分
专库专用，即是按照业务将数据库查分出来，每个业务对应一个数据库，可以实现不同业务分配到不同数据库，上面。减少要用
有点：拆分后业务清晰，规则明确
系统之间的整合或者扩展容易
数据库维护简单
缺点：部分业务表无法join,只能通过接口方式解决，提高了系统的复杂度
每种业务不同的限制存在单库性能瓶颈，不易数据库扩展跟性能提高
事物处理复杂
水平拆分
及把相同表查分到不同数据库中。
相对垂直拆分，水平查分的作用是按照摸个字段或者规则，将数据分散到多个库中，每个表包含一部分数据，简单的来说，就是按照数据行数查分，，主要有分表和分库两种模式
有点：不存在单库大数据库，高并发的性能瓶颈
对应用透明，应用端改造少
按照合理的拆分规则拆分，join操作基本避免夸库
提高了系统的稳定性和复杂能力
缺点，拆分规则很难抽象，
分片事物一致性难以解决
夸库join性能较差
1. 引入分布式事务的问题。
2. 跨节点Join 的问题。
3. 跨节点合并排序分页问题。
1. 尽量不拆分，架构是进化而来，不是一蹴而就。(SOA)
2. 最大可能的找到最合适的切分维度。
3. 由于数据库中间件对数据Join 实现的优劣难以把握，而且实现高性能难度极大，业务读取 尽量少使用多表Join -尽量通过数据冗余，分组避免数据垮库多表join。
4. 尽量避免分布式事务。
5. 单表拆分到数据1000万以内。
切分方案
范围、枚举、时间、取模、哈希、指定等
