性能分析

自顶向下

自顶向下是最常见的性能调优方式，其着眼于软件栈顶层的应用，从上往下找寻优化机会和问题，应用开发人员使用较多。如果调优涉及软件栈顶层应用代码的更改，也常使用这种方式

自顶向下时，通常会从发现性能问题的负载开始监控应用。应用的配置变化和日常负荷变化都可能导致性能降低，所以需要持续监控应用。此外，一旦应用的性能和扩展性需求发生变化，应用就可能无法满足新要求，所以也要监控应用程序的性能

因此自顶向下的第一步总是对运行在特定负载下的应用进行监控，监控范围包括操作系统、Java虚拟机、Java EE容器以及应用的性能测量统计指标。基于监控信息指标给出的提示再展开下一步的工作，比如JVM垃圾收集器调优、JVM命令行选项调优、操作系统调优或应用程序性能分析。应用程序性能分析又可能导致应用程序的更改，或第三方库或Java SE类库在实现上的不足

自底向上

在不同平台(底层CPU架构或CPU数量不同)上进行应用系统调优时，或将应用迁移到其他操作系统上，性能专家常使用自底向上的方法，用以辨别因不同硬件架构、操作系统或不同Java虚拟机实现导致的性能差异。在无法更改应用源代码时，也常使用这种方式

自底向上需要收集和监控最底层CPU的性能统计数据。监控的CPU数据包括执行特定任务所需要的CPU指令数，以及应用在一定负载下运行时CPU告诉缓存命中率，虽然还有其他重要的CPU统计数据，但这2个是自底向上中最常用的。在一定负载下，应用执行和扩展的CPU指令越少，应用就越快；同样CPU缓存命中率高，能减少CPU从内存取数据的等待时间，应用也就运行更快

Java应用性能分析

性能的定义
- 响应性 Response
- 吞吐量 Throughput
性能分析方法
- 方法分析
- 内存分析
性能分析技巧
- 性能优化机会
  - 使用更高效的算法
  - 为算法生成更有效的代码
  - 减少锁竞争
    - 采用Java SE中的原子并发数据结构
    - 合理设计应用程序，减少多线程访问同一数据的频率，缩小并发访问范围
- 减少系统(内核)态CPU的使用
  - 监控操作系统在系统或内核态上CPU的使用情况
  - 减少I/O系统调用的频率
    - 缓存数据
    - 批量读取或批量写入
    - 使用Java NIO非阻塞数据结构
- 合理定义volatile字段
- 调整数据结构的大小
- 增加并行性

JVM性能调优

方法
- 分析系统需求，划分优先级
  - 可用性、可管理性、吞吐量、延迟及响应性、内存占用、启动时间
- 选择JVM部署方式
  - 单JVM与多JVM
  - 32位JVM与64位JVM
  - Client模式与Server模式
- 选择JVM运行时
- 调优应用程序内存使用
- 调优应用程序延迟
- 调优应用程序吞吐量
垃圾收集器
- Serial收集器
- Throughput收集器
- Mostly-Concurrent收集器
- G1收集器
- 垃圾收集三个基本原则
  - Minor GC回收原则：每次Minor GC都尽可能多地收集垃圾对象
  - GC内存最大化原则：处理吞吐量和延迟问题时，垃圾处理器能使用的内存越大，垃圾收集效果越好
  - GC调优的3选2原则：吞吐量、延迟、内存占用中任意选择2个进行JVM垃圾收集器调优
性能属性
- 吞吐量
- 延迟
- 内存占用

内存管理策略

应用程序显式管理内容可能产生的问题
- 引用悬空
- 内存泄露
由系统自动管理内存
- 垃圾收集器GC概念
  - 目的：为新建的内存分配腾出空间
  - 确保被引用的对象保持在内存中
  - 回收代码执行过程中不可达对象占用的内存空间
- 大多数动态内存分配面临的问题
  - 如何避免内存空间碎片化
- 内存管理策略设计的考量点
  - 采用Serial收集器还是Parallel收集器
  - 采用Most-Concurrent收集器让应用线程和垃圾收集器并行运行，还是暂停所有线程进行垃圾收集STW
  - 垃圾收集采用标记-压缩算法，还是复制算法
- 性能指标
  - 对应用吞吐量的影响
  - 对应用响应性的影响
  - 垃圾收集的开销
  - 垃圾收集导致的应用停顿时间
  - 垃圾收集的频率
  - 垃圾收集器自身的内存占用

参考：
《Java性能优化权威指南》

Java监控与性能优化(一) 概况

性能分析

自顶向下

自底向上

Java应用性能分析

JVM性能调优

内存管理策略

CATALOG

FEATURED TAGS

FRIENDS