---

Pre

性能优化 - 理论篇：常见指标及切入点

性能优化 - 理论篇：性能优化的七类技术手段

性能优化 - 理论篇：CPU、内存、I/O诊断手段

性能优化 - 工具篇：常用的性能测试工具

性能优化 - 工具篇：基准测试 JMH

性能优化 - 案例篇：缓冲区

性能优化 - 案例篇：缓存

性能优化 - 案例篇：数据一致性

性能优化 - 案例篇：池化对象_Commons Pool 2.0通用对象池框架

性能优化 - 案例篇：大对象的优化

性能优化 - 案例篇：使用设计模式优化性能

性能优化 - 案例篇：并行计算

性能优化 - 案例篇：多线程锁的优化

性能优化 - 案例篇：CAS、乐观锁、分布式锁和无锁

性能优化 - 案例篇： 详解 BIO NIO AIO

性能优化 - 案例篇： 19 条常见的 Java 代码优化法则

性能优化 - 案例篇：JVM垃圾回收器

性能优化 - 案例篇：JIT

---

性能优化不是一蹴而就的，它是一次“认知 + 实践”的双向奔赴。

你是不是也遇到过这样的场景：

• 某核心接口，TPS（每秒事务数）一上来就拉垮；
• 一个无害的查询，突然把数据库搞宕了；
• 接口明明逻辑简单，但响应就是卡成 PPT。

接下来我将总结出的 11 条接口性能优化法则，其中不少优化点只需几行代码，就能把接口响应从 几秒 → 毫秒。

---

1. 加索引：最低成本，最大收益

有没有用索引？用了索引有没有生效？MySQL 选对了索引吗？

这三个问题必须要会回答。

常见问题：

• WHERE 条件没加索引；
• ORDER BY 字段无索引或顺序不匹配；
• 字段上存在函数、类型不一致导致索引失效；
• 多个索引冲突，MySQL 选错了路径。

工具命令：

SHOW INDEX FROM `table_name`;
EXPLAIN SELECT * FROM `table_name` WHERE cloumn= 1;

建议：

• 别忘了联合索引的最左前缀原则；
• 必要时用 FORCE INDEX；
• 注意：添加、删除索引都要评估业务负载，避免高峰期操作。

---

2. SQL 优化：比加索引再进阶一步

索引优化完了，执行慢？那就看 SQL 本身。

常见 5 类问题：

1. SELECT *（无脑全查）
2. IN 太长或嵌套子查询
3. 关联字段未加索引
4. 过多 JOIN + 复杂嵌套
5. 分页偏移过大（OFFSET）

实用建议：

• 明确列名，不要 SELECT *；
• 拆子查询，用临时表换 IN；
• 使用 LIMIT 时避免大偏移（“延迟分页”）；
• COUNT(*) 太大可用缓存兜底。

---

3. 远程调用：从串行改并行，性能翻倍不止

场景复现：

某接口需要：

• 用户服务：昵称、头像、等级
• 积分服务：积分
• 成长值服务：成长值

如果这样写：

A → 用户服务（200ms）  
A → 积分服务（150ms）  
A → 成长值服务（180ms）  
总耗时：530ms

优化：并行调用

CompletableFuture.allOf(userFuture, bonusFuture, growthFuture
).join();

三路并发，总耗时 = 最长的一次，约 200ms。

建议：

• 使用自定义线程池，避免高并发下线程爆炸；
• 注意业务合并时机和异常兜底。

---

4. 数据异构：跨服务请求太慢？同步一份！

高并发接口建议使用缓存异构数据，减少远程依赖。

• 用户信息 Redis 缓存结构：

{"userId": 123,"nickname": "Artisan","score": 87,"growth": 42
}

• 更新策略：

  • 数据变更后同步更新 Redis；
  • 可选：异步 MQ 通知，或双写机制。

缺点：

• 一致性需关注；
• 数据过期和失效策略要设计清晰。

---

5. 避免重复调用

案例 1：循环查数据库

// 低效写法
for (User u : list) {userMapper.getUserById(u.getId());
}

优化写法

List<Long> ids = list.stream().map(User::getId).collect(toList());
userMapper.getUserByIds(ids);

减少 N 次 DB 请求 → 只要 1 次。

案例 2：死循环自旋

while (true) {if (flag) break;
}

• 慎用！在并发条件不明的场景下容易让 CPU 打满；
• 推荐用 LockSupport.park() 或 CountDownLatch 等并发工具类。

---

6. 异步处理

什么情况适合异步？

• 写操作完成后通知其他服务；
• 接口响应不需要等待的操作。

推荐工具：

• @Async
• CompletableFuture
• 消息队列（RocketMQ/Kafka）

注意：

• 异步任务一定要兜底（失败重试、幂等保障）；
• 核心链路要保障同步结果，不建议异步。

---

7. 锁粒度控制：避免全表级锁

比如订单取消逻辑：

synchronized(lock) {cancelOrder();
}

这种是“粗粒度锁”。

优化方式：

• 基于订单号加锁（细粒度）
• Redis 分布式锁（Redisson）
• 乐观锁：加版本号 version

---

8. 分页优化

分页是最常见的接口之一，但最容易踩坑。

大偏移问题：

SELECT * FROM order LIMIT 100000, 20;

扫描 10w 行，慢得要命！

推荐：

• 延迟分页：记录上次最大 id
• 游标分页：基于上次的主键分页

SELECT * FROM order WHERE id > lastId ORDER BY id LIMIT 20;

---

9. 加缓存：请求再多，读缓存照样稳

场景：

• 热门xx详情
• 用户画像、配置数据
• 访问频率高但更新低的数据

推荐策略：

• Redis String/Hash
• 结合 Guava Cache 做本地一级缓存
• 使用 CacheAside 模式：先查缓存 → 缓存失效再查库

注意：

• 缓存过期 + 主动刷新；
• 防止缓存雪崩/穿透/击穿（布隆过滤器 + 限流）。

---

10. 分库分表

适用场景：

• 单表数据超千万；
• 读写压力过大。

常见方案：

• 垂直拆分：按业务分库
• 水平拆分：按 ID 取模、按时间分表
• 中间件：ShardingSphere、MyCat

注意：

• JOIN 语句需要格外处理；
• 跨分片分页/排序要小心。

---

11. 辅助功能控制：接口不是万金油

很多接口包含了不必要的逻辑，尤其是在企业后台管理系统中：

• 复杂日志打印；
• 权限、数据范围过滤；
• 多租户、国际化处理；
• 无用字段/参数传递。

建议：

• 精简接口：核心功能优先返回；
• 将辅助功能放到独立服务或中间件；
• 用 AOP + 过滤器统一处理非业务逻辑。

---

总结：性能优化是一门系统工程

接口优化，不是追求“代码完美”，而是要用尽可能少的改动，达到可接受的性能表现。

提到的这 11 点优化手段，从数据库 → 接口逻辑 → 缓存中间件 → 分布式架构全面覆盖，几乎涵盖了主流系统中所有性能问题的“对症下药”。