[[429492]]

前言

交流群里最常聽到的一句話就是：我項目太垃圾了，面試怎么辦。說實話，我聽了也感同身受，因為我也是這么走過來的。而且，幾乎大部分人都會經歷這個過程。所以，不多說了，安排。

之所以挑性能優(yōu)化這個方向，主要有幾個原因：

1）性能優(yōu)化是我很感興趣的一個方向，同時在過去幾年，我在這個方向上積累了一些經驗，可以說，我之前的面試，項目上幾乎是靠性能優(yōu)化一招走遍天下。因此，我覺得可以拿出來和大家分享一下。

2）性能優(yōu)化非常通用，幾乎對于所有線上項目都可以適用，大家掌握了之后，立馬可以到項目中實踐起來。我想，應該不存在不需要性能優(yōu)化的項目，除非你的項目只有“Hello world”。

3）性能優(yōu)化大部分內容非常簡單，幾乎沒有門檻，經驗較淺的同學也很容易上手，同時性能優(yōu)化也適用二八原則：掌握20%的內容，足以解決80%的問題。

4）性能優(yōu)化很容易拿到結果，稍微有經驗點的同學應該知道，做需求最怕拿不到結果，性能優(yōu)化就不一樣了，都是很直白的數字。1小時的任務，我優(yōu)化成5分鐘，性能提升就是十來倍，簡單粗暴。

不多說了，開懟。

正文

文章的標題來源于 Jeff Dean 在谷歌的內部一次分布式系統的演講，英文標題為：Numbers Everyone Should Know。

這些數字與我們后續(xù)做性能優(yōu)化息息相關，因此我將這部分內容放在第一篇，幫助大家建立基本的性能概念。

先來看 Jeff Dea n 所說的數字是哪些：

注：1μs = 1000ns、1ms = 1000 μ s

表格 第三列將耗時數據提升10億倍，換算成大家更容易看的單位。

這份數據的最初來源為  Peter Norvig 的文章 ：Teach Yourself Programming in Ten Years，地址：http://norvig.com/21-days.html。

伯克利 的  Colin Scott 根據這份 數據，通過一定的算法，制作了一個可以根據時間的推移而變化的網站，地址為：https://colin-scott.github.io/personal_website/research/interactive_latency.html，源碼中注釋有詳細解釋計算邏輯，例如網絡帶寬是按每2年增加1倍，DRAM帶寬按每3年增加一倍。

根據 Colin Scott 的圖表來看，到2021年，網絡帶寬、內存、SSD、磁盤，都有數量級的提升，而 CPU 相關的一二級緩存變化不大，有興趣的可以自己點進去看一看。

看這些數據的目的

首先，這些數據肯定不是完全準確的，受限于眾多環(huán)境因素的影響，其實很難有所謂的準確數字。

我們看這些數據更多是了解每個操作的耗時量級，各個操作之間的數量級比率，從而對于我們工作中接觸到的一些相關知識有初步的概念。

而我將這個數據放在性能優(yōu)化系列文章的開篇，主要想先傳達給各位同學幾個概念：

1）CPU非常非?？?/h4>

CPU執(zhí) 行大部分簡單指令只需要1個時鐘周期，我用個人電腦測試時，CPU可以睿頻到 4.40GHz（見第2點的測試圖），也就是說此時執(zhí)行一個簡單指令需要的時間大約是1/4.4ns，也就是0.23ns（納秒）。

這是什么概念了，舉個簡單的例子，即使是真空中傳播的光，在0.23 ns 內也只能走不到7厘米。

2）內存很快了，但是相比CPU來說還是太慢了

CPU和內存之間的瓶頸通常稱為馮·諾伊曼瓶頸。具體差別有多大了，我用自己的電腦做了個簡單的測試。

我電腦 是 今年剛買的，硬件應該都還比較新，但是配置比較普通，僅供參考。

CPU配置是 11th Gen Intel Core i5-11400F@2.60GHz，睿頻4.40GHz，測試結果看也確實跑到了4.40GHz了， 內存配置是  DDR 4 3 2 00MHz。

測試結果如下圖所示：

從上圖看，內存的讀取速度為41GB/s，感覺還是挺快的，但是L1 Cache為3TB/s，一比較，相差還是很大。

如果CPU按4.40GHz來算，執(zhí)行一個簡單指令需要的時間大約是0.23ns（納秒），而內存的延遲是88.7ns，相當于CPU去內存里取一個字節(jié)，需要等待386個周期，可以看出，內存相較于CPU來說，確實太慢了。

這也是為什么引入了L1、L2、L3緩存的原因，不過這邊我們不深入去研究這些東西，只是對CPU和內存的性能差距有個大概概念。

3）磁盤性能非常非常慢

這個大家估計大家都知道，具體有多慢了， 我這邊在用自 己的電腦做了個簡單的測試。

我電腦剛好有兩塊硬盤，一塊256GB的SSD（固態(tài)硬盤），一塊1T的HDD（機械硬盤）。

SSD測試結果如下圖所示：

忽略隊列（Q）和線程（T）的影響，順序讀（SEQ）的性能為1535.67MB/s，隨機讀（RND）的性能為49.61MB/s。

對比下上面內存的性能 41GB/s ，盡管是SSD，性能還是存在數量級的差距，另一個就是隨機讀的性能相比順序讀也是存在數量級的差距。

HDD測試結果如下圖所示：

忽 略隊列（Q）和線程（T）的影響，順序讀（SEQ）的性能為183.49MB/s，隨機讀（RND）的性能為0.6MB/s。

對比下上面SSD的性能：順序讀 1535.67 比183.49，存在一個數量級的差距，隨機讀 49.61 比0.6，存在兩個數量級的差距。

而HDD順序讀和隨機讀的性能差距相比SSD就比較嚴重了，大概有300倍。簡直慘不忍睹，不過相信現在的服務器應該基本都是SSD了。如果發(fā)現自己公司服務器的磁盤還是HDD，那就趕緊溜吧。

4）磁盤順序I/O比隨機讀I/O快很多

這個在上面的測試也看出來了，都是數量級上的差距，特別是在以前的HDD上。有不少技術就是利用了順序I/O性能好的特點來提升性能，典型的有：kafka順序寫消息、Leveldb和RocksDB底層使用的LSM-Tree等。

5）網絡傳輸也是比較耗時的，基本都是毫秒級別

在開始的表格中可以看到，在同數據中心一個往返，需要0.5ms。

如果 是跨城市就更久了 ， 這個 相信也不難理解，畢竟 信 號 要順著網線爬，距離越遠，當然所需時間就越久了 。

下圖是上海到一些城市進行PING操作所需的時間，可以看到張家口已經需要30ms左右了，這也差不多就是北上的延遲。

這也是為什么我們在服務器的路由策略上通常會優(yōu)先使用同機房優(yōu)先、同中心優(yōu)先的策略。

這讓我想到我之前碰到的一個問題，當時是一個新服務在測試，數據庫基本沒數據，測試場景也是很簡單的增刪改查，但是接口的性能就是很差，動不動就上百毫秒。

仔 細看了調用鏈后，發(fā)現每次DB操作都需要30ms左右，看了下機房分布后 ，發(fā)現是應用服務器和 數據庫 服務器跨城市了，一個在北京一個在上海，導致會有固定30ms左右的延遲 。將兩者換到同機房后，基本就是1ms了。

總結

本文著重介紹了業(yè)務開發(fā)在做性能優(yōu)化需要掌握的一些核心概念，之所以放在最先介紹，是因為在我做性能優(yōu)化的過程中，發(fā)現絕大多數性能問題都是由于網絡I/O和磁盤I/O引起的。 對這些概念心中有數后 ，有利于我們更快的定位出性能瓶頸，從而更快的解決問題。