软件系统性能瓶颈真相

请看一个测试：

1、快速排序100次，然后计算排序一次所需要的时间。

public QuickSort() {  
        long beginTime = System.nanoTime();  
        //排100遍  
        int b[]=a.clone();  
        for(int i=0;i<100;i++){  
            quick(b);  
        }  
        long total = System.nanoTime() - beginTime;  
        //18133  
        System.out.println("小数组快速排序所需平均时间:" + total/100);  
    }  

在我的机器上，大概时间是：

小数组快速排序所需平均时间:18133

 

 

2、计算使用system.out.println打印一个字符串使用的时间：

public static void main(String[] args) {  
        long beginTime = System.nanoTime();  
        for(int i=0;i<100;i++){  
            System.out.println("hello World");  
        }  
        long total = System.nanoTime() - beginTime;  
        /** 
         * 18214 
         */  
        System.out.println("平均每次磁盘IO时间:" + total/100);  
    }  

打印时间大概是：

平均每次磁盘IO时间:18334

 

 

3、记录从局域网的机器上获取一个数据所需要的时间，我们使用虚拟机的memcached作为测试对象。

public class MemcachedTest {  
    private MemcachedClient memCachedClient ;  
    MemcachedTest() throws IOException{  
        memCachedClient = new MemcachedClient(  
                new InetSocketAddress("192.168.1.103", 11211));  
    }  
      
    public static void main(String[] args) throws IOException {  
        new MemcachedTest().test();  
    }  
  
    private void test() throws IOException {  
        long beginTime = System.nanoTime();  
        for(int i=0;i<100;i++){  
            memCachedClient.get("dfsdf" + i);  
        }  
        long totalTime = System.nanoTime()-beginTime;  
        //计算平均时间，这里抹掉了小数点，平均：516486  
        System.out.println("从局域网的memcached取一次数据所需平均时间:" + (totalTime/100));  
    }  
}  

打印时间：

从局域网的memcached取一次数据所需平均时间:528065

 

其实测试1是计算机最擅长的操作，通常这个操作在计算机的内存进行，测试2操作其实是一个IO操作，会涉及到一个向显卡写数据的IO，第三个操作，其实是一个网络IO，计算机会向网卡发送一个指令，到另外一条机器接收到命令，最后再从网卡读结果。

最后得出，各时间大概有如下关系：

快速排序≈一次磁盘IO≈1/29memcached所需要的时间。

 

可以看出，系统中一旦发生IO，其所需的时间通常比直接操作内存慢好几百倍，因为一个快速排序，会有好几百次的数据移动和比较。对于经过网络的操作，通常其速度又会比磁盘慢至少一个数量级。

 

尽管现在各种分布式产品很流行，但是这些基础常识，还是应该牢记在心，这样才能够写出高效率，高稳定性的软件。下面是我总结出的代码中几条涉及到性能的几条准则：

一、能够在内存解决的尽量不要访问磁盘，能在本机磁盘解决的，尽量不要访问网络。

二、多线程并发访问程序中，能不共享数据的尽量不要共享（StringBuilder优于StringBuffer)；能够使用并发工具类(Atomic相关类,ConcurrentHashMap，CAS等）的，尽量不要使用synchronized。

三、在访问数据库时，对于常用的查询条件一定要建好复合索引。能够不排序的尽量不要排序，如果需要排序的，一定把排序字段提前存好，而不要在查询的时候再计算排序字段。

四、批量优于单个操作，很多产品，比如数据库，memcached等，都有批量及单个操作。在一些任务类中，如果能够批量操作，则优先使用批量接口。

五、某些计算时间长（比如用户要导出大文件）的操作，尽量进行优化。如果系统中必须存在这样的操作，那就用队列来专门解决这些问题，一定要控制系统线程的数量。

 

另外，在项目中，大多数系统的瓶颈可能都在数据库，通常，如果一个系统的用户超过1w，缓存就非常必要了。其实，性能问题，不仅仅出在代码级别，还有可能是在中间件上发生，比如apache的默认配置，就非常不适合大的并发系统，mysql的缓存，oracle的最大连接数等等，甚至前段的JS加载及运行，都可能带来性能问题。精通一些中间件，同样可以提高系统的性能和吞吐量。

 

通常性能都是在用户使用时才被发现，因此，排查问题比较困难。关于他的话题，写出好几本书也阐述不完，在这里，写的标题有点夸张，但是，不可置疑，软件中的IO确实是系统瓶颈很重要的一个原因。

 

 

对这类话题感兴趣？欢迎发送邮件至 [email protected]

关于我：邯郸人，擅长Java，Javascript，Extjs，oracle sql。

更多我之前的文章，可以访问  我的空间