[[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。

之所以挑性能優化這個方向，主要有幾個原因：

1）性能優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化的項目，除非你的項目只有“Hello world”。

3）性能優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，性能優化就不一樣了，都是很直白的數字。1小時的任務，我優化成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做性能優化息息相關，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非常非常快

CPU執 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，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先使用同機房優先、同中心優先的策略。

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，發現每次DB操作都需要30ms左右，看了下機房分布后 ，發現是應用服務器和 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

本文著重介紹了業務開發在做性能優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化的過程中，發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。