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