• 确定性能瓶颈/热点
• 确定优化方案
• 实施、反馈优化情况

• 性能压测：通过工具/人肉等方式量化运行时性能情况。
• 业务/代码梳理：通过代码走读，发现资源消耗热点（牛B的人可以这么干）；通过统计代码对资源的操作，量化代码对资源的消耗（比如一个业务操作会进行多少次数据库调用，会进行多少次服务运算等方式）。

这里举例java应用

• 压测工具：jmeter
• 内存的使用情况：mat，gc日志，vmstat
• IO情况：iostat
• 网络情况：netstat
• 热点代码：jprofile，btrace，jstack，jstat
• CPU情况：top

• 静态化：动态数据和静态数据分离。
• 异步化：使用异步化减少主流程中的非关键业务逻辑。
• 并行化：使用多线程并发处理，缩短响应时间。
• 内存优化：减少对象大小，减少对象创造，数据模型优化。
• 去重复运算：业务逻辑优化，或者使用缓存。
• 减少数据库操作：数据冗余，数据缓存等。
• 缩短数据库事务：短事务，异步化，最终一致性等方式可以考虑。
• 精简代码逻辑：去除冗余代码，诸如过度设计检查等代码。
• 精简日志操作：日志大小要关注，注意IO上的瓶颈；日志太多，说明生成的string也会多，也增加了gc负担。

此部分介绍的内容，在很多网站架构变迁的文章中介绍过，这里通过图的方式展现出来。

每个阶段都有适用的软件架构，基于成本、建设复杂度、维护成本的考虑，不必强求一开始建设很完整的技术体系。

个人认为，性能是驱动应用体系研究的重要驱动力，可以通过下面应用结构演进看出来。

1. 单应用时代常见瓶颈先发生在DB。

1. 单应用时代常见第一个解法是使用缓存（偏向应用级别缓存）。

1. 单应用时代常见第一个解法是独立缓存服务（集中式缓存，如memcache）。

1. 单应用集中式部署带来应用集群处理能力提升。

1. 单应用集中式部署部署后的DB瓶颈。

1. 单应用集中式部署部署后的DB瓶颈解法（数据库拆分、读写分离）。

1. 服务化拆分应对更大范围请求量。

1. 服务化集群部署模式。

http://dwz.cn/2DL5U3