共计 1640 个字符，预计需要花费 5 分钟才能阅读完成。
下半年换了个工作环境，而后有了些新的感悟。在元旦这天，总结一下这几个月为了进步程序性能，而做的那些事。
1. 异步线程
刚入行的时候，很烦面试的时候被考多线程，毕竟过后很少在工作中用到。但工作几年后发现，只有想进步程序的性能，就绕不开它。最常见的场景，就是利用多线程并发执行多个部分事件，缩短总体实现工夫。开发中，通常整个我的项目注册一个线程池的 Bean，各个办法都基于这个线程池来拿线程执行业务，容易针对线程池做参数调优。
有返回参数的异步，能够试试 CompletableFuture，也是 jdk8 提供的神器，比传统的 Feature 要好用，用法参考 CompletableFuture 教程。例如：当接口须要从多个内部零碎取数据时，都能够异步执行，而后对立收集返回值。甚至利用 CompletableFuture 中个性，主动执行回调办法。
但要留神，也不是什么时候都要用异步：
- 机器 CPU 资源无限：单台机器 CPU 的外围数无限，当多线程并发数达到顶点时，再加线程，反倒事与愿违。此时能够思考负载平衡，将并发线程摊派到多台机器上。
- 同步更快：有些程序本来执行就很快，加了异步后反而慢了，毕竟调配线程资源也是须要工夫的。例如总共只有十几条数据，流运算时不必
stream，而是parallelStream。
2. 缓存中间件
Redis
Redis 是最罕用的缓存中间件了，它反对的罕用数据结构挺多，要依据理论利用场景来抉择，我目前用的有 String、Hash、Set、List。
原始数据当然落在关系数据库中，但业务上罕用的，通常是通过转化的两头数据。例如：员工登录后所属部门、角色权限、积分等数据，来自于不同的微服务，不能每次要用都调各方服务的接口，这些都须要缓存起来。
用缓存很无脑，但刷新缓存才是难题。像刚刚的例子，不能把所有的缓存数据都落到员工的粒度上，要依据业务来分层。例如：机构级别的数据，就每个机构存一份，依照员工所属机构来查；部门级别的数据，就每个部门存一份，依照员工所属部门来查。等等。
Elastic Search
用 ES 做缓存？预计很多人是大大的问号，谁让 Redis 过后不反对 Json 呢。从关系型数据库抽离进去的数据有时比较复杂，例如：人员所属的部门、角色、岗位等，每一个属性往下，背地的数据都不少。有人说 Redis 缓存个部门 ID、角色 ID，剩下的依据 ID 查表。但这些可是根底数据，且不说会不会把数据库查出问题，如果想要依据部门属性、角色属性、岗位属性来查人员，这个 SQL 该咋写。
最好的形式就是将这些数据从关系数据库中抽出来，以 Json 文档的模式缓存下来，MongoDB、ES 都无能这事。但为了应答后续可能千奇百怪的查问场景，还是 ES 保险一些。
可 ES 毕竟不是业余的缓存中间件，我很看好最近新进去的 RedisJson。齐全满足日常工作需要，而且据说查问性能是 ES 的上百倍。但毕竟刚进去怕有坑，等稳固一段时间再动手吧。
3. 消息中间件
这里不说 MQ 的其余个性，就聊优化性能吧。后面说单台机器的 CPU 资源无限，能够思考将并发线程摊派到多台机器上，具体怎么做呢？
将须要解决工作通过音讯投递到 MQ 中，消费者监听到 MQ 的音讯后理论执行。假使有 1000 个工作，单台机器能解决工作的最大并发线程数是 100，那么 10 台机器就够了。
4. 缩小零碎交互
内存运算是最快的，要尽量减少和内部零碎的交互次数。
例如：在查问一批数据时，每条数据须要通过外键，查问匹配的其余零碎信息。如果其余零碎信息品种不多的话，是不是通过查一次 SQL 或调用一次接口，一次性全拿过去。而后写代码做数据拼接。而不是遍历出每条数据，都去内部零碎查一遍。
还有一些插入 MySQL、Redis 的一批数据，或给 MQ 发一批音讯的，如果能够的话，就在程序外部解决好，而后调用批量插入、发送的办法，性能相对能省不少。
5. Jvm 调优
这是陈词滥调啦！我之前文章有写过，网上材料更多，这就不说了。只说一点，尽量少狐疑 Jvm 调优能进步你的程序性能，多从方案设计和代码上反思。
新年快乐～
