性能优化的几个维度
性能优化有迹可循，我们可以按照不同维度进行针对性的优化，在维度划分上可以分为如下三个维度。
第一维度：应用程序层面
缓存 缓存的数据结构设计很重要，没有一种数据结构是万能的。数据结构设计得越简单、单一，缓存数据的二次运算就越多。 此外，如果缓存的数据量很大，就要增加一个缓存淘汰算法，否则会白白浪费大量内存资源。
异步 异步有两种方式：
- 线程异步。主要用于涉及到 I/O 的地方，像磁盘 I/O 和网络 I/O；
- MQ异步。适用于更大的场景，通过 MQ 进行异步可以大大提高性能。
多线程并行和分布式并行 线程不要分得太多，否则管理成本会高，分布式系统中也存在管理成本。
延后运算懒加载 这个和缓存的思路相反，它适用于一些低频、运算耗时的数据。
批量，合并，归并 如果要短时间内频繁地传递多个数据到同一个目的地，尽量打包到一起，一次性传输，特别是I/O 的场景。如果系统是一个单点系统，将数据打包传输的性价比会非常高。
应用程序层面的优化方式还有很多。比如，用长链接代替频繁打开关闭的短链接、压缩、重用等等。
第二维度：组件层面优化
组件是指那些非业务性的东西，如中间件、数据库、运行时的环境（JVM、WebServer）等。
数据库的调优可以分为：SQL 语句、索引、连接池。
运行时的环境调优时，对 JVM 的调优主要是调优 GC 相关的配置，对 WebServer 的调优主要是针对连接相关的调优。
第三维度：系统层面调优
借助系统层面的一些技术指标，来观测并判断程序是否正常。比如，CPU、线程、网络、磁盘以及内存。
CPU 方面，大多数情况下关注这三个指标就够了：CPU 利用率、CPU 平均负载、CPU 上下文切换。
线程方面，除了线程数之外，还需要关注一下处于“挂起”状态的线程数量有多少。数量越多，意味着程序里锁竞争越激烈，需要通过其它方案来缩小锁的粒度、级别，或者避免用锁。
