# 1.1 性能概述
为什么程序总是那么慢？它现在到底在干什么？时间都花在哪里取了？也行，你经常会抱怨这些问题。如果是这样，那说明你的程序出了性能问题。和功能性问题相比，性能问题在有些情况下，可能并不算什么太大的问题，将就将就，也就过去了。但是，严重的性能问题会导致程序瘫痪、假死，直至崩溃。本节就先来认识性能的各种表现和指标。
# 1.1.1 看懂程序的性能
对客户端程序而言，拙劣的性能会严重影响用户的体验，界面停顿、抖动、响应迟钝等问题会遭到用户不停的抱怨。一个典型的例子就是 Eclipse IDE 工具在Full GC的时候会出现程序假死的现象，相信一定被不少开发人员所诟病。对于服务器程序来说，性能问题则更为重要，相信不少后台服务器软件都有各自的性能目标。以Web服务器为例，服务器的响应时间、吞吐量就是两个重要的性能参数。当服务器承受巨大的访问压力时，可能出现响应时间边长‘、吞吐量下降，甚至是抛出内存溢出异常而崩溃。这些问题，都是性能退遨游需要解决的。
一般来是，程序的性能通过一下几个方面来表现：
- 执行速度：程序的反应是否迅速，响应时间是否足够短。
- 内存分配：内存分配是否合理，是否过多的消耗内存或者存在泄漏。
- 启动时间：程序从运行到可以正常处理业务需要花费多长时间。
- 负载承受能力：当系统压力上升时，系统的执行速度、响应时间的上升曲线是否平缓。
# 1.1.2 性能的参考指标
为了能够科学的进行性能分析，对性能指标进行定量评测是非常重要的。目前，一些可以用于定量评测的性能指标有：
- 执行时间：一段代码从开始运行到运行结束，所使用的时间。
- CPU时间：函数或者线程占用CPU的时间。
- 内存分配：程序再运行时占用的内存空间。
- 磁盘吞吐量：描述I/O的使用情况。
- 网络吞吐量：描述网络的使用情况。
- 响应时间：系统对某用户行为或者时间做出响应的时间。响应时间越短，性能越好。
# 1.1.3 木桶原理与性能瓶颈
木桶原理又称“短板理论”，其核心思想是：一只木桶盛水的多少，并不取决于桶壁上最高的那块木块，二十取决于桶壁上最短的那块，如果1.1所示：
将这个理论应用到系统性能优化上，可以这么理解，及时系统拥有充足的内存资源和CPU资源，但是如果磁盘I/O性能低下，那么系统的总体性能是取决于当前最慢的磁盘I/O速度，而不是当前最优越的CPU或者内存。在这种情况下，如果需要进一步提升系统性能，优化内存或者CPU资源是好无用处的。只有提高磁盘I/O性能才能对系统的整体性能进行优化。而此时。磁盘I/O就是系统的性能瓶颈。
注意：根据木桶原理，系统的最终性能取决于系统中性能表现最差的组件，因此，为了提升系统整体性能，必须对系统中表现最差的组件进行优化，而不是对系统中表现良好的组件进行优化。
根据应用的特点不通，任何计算机资源都有可能成为系统瓶颈。其中，最优可能成为系统瓶颈的计算资源如下：
- 磁盘I/O：由于磁盘I/O读写的速度要比内存慢很多，程序再运行过程中，如果需要等待磁盘I/O完成，那么低效的I/O操作会拖累整个系统。
- 网络操作：对网络数据进行读写的情况与磁盘I/O类似。由于网络环境的不确定性，尤其是对互联网上数据的读写，网络操作的速度可能比本地磁盘I/O更慢。因此，如不加特殊处理，也极可能成为系统瓶颈。
- CPU：对计算资源要求较高的应用，由于期长时间、不间断的大量占用CPU资源，那么对CPU的争夺将导致性能问题。如科学计算、3D渲染等对CPU需求旺盛的应用。
- 异常：对Java应用来说，异常的捕获和处理是非常消耗资源的。如果程序高频率的进行异常处理，则整体性能便会有明显下降。
- 数据库：大部分应用程序都离不开数据库，而海量数据的读写操作可能是相当费时的。而应用程序可能需要等待数据库操作完成或者返回请求的结果集，那么缓慢的同步操作将成为系统瓶颈。
- 锁竞争：对高并发程序来说，如果存在激烈的锁竞争，无疑是对性能极大的打击。锁竞争将会明显增加线程上下文切换的开销。而且，这些开销都是与应用需求无关的系统开销，白白占用宝贵的CPU资源，却不带来任何好处。
- 内存：一般来说，只要应用程序设计合理，内存在读写速度上不太可能成为性能瓶颈。除非应用程序进行了高频率的内存交换和扫描，但这些情况比较少见。使内存制约系统性能的最可能情况是内存大小不足。与磁盘相比，内存的大小似乎小的可怜，这意味着应用软件只能尽可能将常用的核心数据读入内存，这再一定程度上降低了系统性能。
# 1.1.4 Amdahl 定律
AmdahI 定律是计算机科学中非常重要的定律，它定义了串行系统并行化后加速比的设计公式和理论上限。
加速比定义：加速比 = 优化前系统耗时/优化后系统耗时
所谓加速比，就是优化前的耗时与优化后的系统耗时的比值。加速比越高，表明优化效果越明显。
Amdahl定律给出了加速比与系统并行度和处理器数量的关系。设加速比为 Speedup，内存必须串行化的程序比重为F，CPU处理器数量为N，则有:
根据这个公式，如果CPU处理器数量趋于无穷，那么加速比与系统的串行化率成反比，如果系统中必须有50%的代码串行执行，那么系统的最大加速比为2。
假设有一程序分为一下步骤执行，每个执行步骤花费100个时间单位。其中，只有步骤2和步骤5可以进行并行，步骤1、3、4必须串行，如图1.2所示。在全串行的情况下，系统合计耗时500个时间单位。
若将步骤2和步骤5并行化，假设在双核处理上，则有如果1.3所示的处理流程。在这种情况下，步骤2和步骤5的耗时将为50个是单位。故系统整体耗时为400个时间单位。根据加速比的定义有：加速比 = 优化前系统耗时/优化后系统耗时 = 500/400 = 1.25 。或者前文中给出的加速比公式。由于5个步骤中，3个步骤必须串行，因此其串行化比重为3/5=0.6，即F=0.6，且双核处理器的处理器个数N为2.带入公式得：加速比 = 1/(0.6+(1-0.6)/2)=1.25
在极端情况下，假设并行处理器个数为无穷大，则有如图1.4所示的处理过程。步骤2和步骤5的处理时间趋于0。即使这样，系统整体耗时依然大于300个时间单位。即加速比的极限为500/300=1.67。
使用加速比计算公式，N趋于无穷大，有Speedup=1/F,且F=0.6，故有Speedup=1.67。由此可见，为了提高系统的速度，仅增加CPU处理器的数量并不一定能起到有效的作用，需要从根本上修改程序的串行行为，提高系统内可并行化的模块比重，在此基础上，合理增加并行处理器数量，才能以最小的投入，得到最大的加速比。
注意：根据Amdahl定律，使用多核CPU对系统进行优化，优化的效果取决于CPU的数量以及系统中的串行化程序的比重。CPU数量越多，串行化比重越低，则优化效果越好。仅提高CPU数量而不降低程序的串行化比重，也无法提高系统性能。