【面经】面试官：做过性能优化的工作吗？你会从哪些方面入手做性能优化呢？

写在前面



随着互联网的高速发展，互联网行业已经从IT时代慢慢步入到DT时代。对于Java程序员的要求越来越高，只是单纯的掌握CRUD以不足以胜任互联网公司的相关职位，大量招聘岗位显示：如果是面试中高级的Java岗，基本上都需要懂性能优化的相关知识。今天，我们就一起来聊聊一个经典的面试题：做过性能优化的工作吗？你会从哪些方面入手做性能优化呢？



问题分析



标题中问出了两个问题，一个是有没有做过性能优化的工作，一个是从哪些方面入手做性能优化。对于第一个问题，我们可以直接回答有或者没有。相信小伙伴们都希望自己做过性能优化的工作，如果是回答做过，那第二个问题，我们又该如何回答呢？



首先，对于第二个问题来说，问的是会从哪些方面入手。这个问题就没有固定答案了。你可以按照你以往的经验来回答这个问题，但是，在回答这个问题之前，需要先好好梳理下你的思路，将你要表达的说清楚。



接下来，我们就一起来聊聊第二个问题：你会从哪些方面入手做性能优化？



我们可以从性能优化的几个方面来进行回答。下面，我们就来聊聊性能优化可以从哪些方面进行。



性能优化有哪些方面？



这里，我结合平时工作中的总结，将性能优化总结为下面这张图。





也就是说，我们可以从数据聚合优化、资源冲突优化、算法优化、JVM优化、复用优化、计算优化和快速实现等方面来进行回答。接下来，我们就针对每个点进行说明。



数据聚合优化



数据聚合优化主要针对的是对于数据的整合和传输的优化。比如：我们从数据库中查询出的数据，经过程序的聚合处理后再返回给客户端，而不用客户端调用多次接口来分别获取数据。



再比如：我们在项目中使用的Nginx，一般都会开启GZIP压缩，使传输的数据更加紧凑，同时，使传输的数据量更小。



细心的小伙伴会发现，我们对于数据聚合的优化，主要是使传输的数据量更小。所以，我们在使用SQL语句查询数据库中的数据时，尽量查询那些需要的字段，对于不需要的字段就直接忽略不查询了，避免在SQL语句中出现select *



资源冲突优化



在我们平时的工作中，尤其是在高并发的场景下，经常会出现锁冲突的问题，锁冲突是资源冲突的一个典型场景。



关于锁我们可以联想到数据库的行锁、表锁、Java中的synchronized和Lock等。如果对应到操作系统级别，则会有CPU命令级别的锁，JVM指令级别的锁，操作系统的内部锁等。



这里，小伙伴们需要注意一点：只有在并发的场景下，才会出现资源冲突的问题。也就是说：在同一时刻，只能有一个请求获取到请求资源，解决冲突的方式就是加锁。



我们需要在平时的工作过程中避免锁冲突的问题，优化如何优化加锁方式，小伙伴们可以参见《【高并发】面试官：讲讲高并发场景下如何优化加锁方式？》一文。



算法优化



在一个大型的互联网项目中，往往涉及到分布式和微服务等技术，其中，也会使用到大量的数据结构和算法，对于算法的优化能够显著的提高系统的性能。一个好的实现，相比于一个拙劣的实现来说，在系统性能的提升上存在着巨大的差异。



比如，作为 List 的实现，LinkedList 和 ArrayList 在随机访问的性能上，差了好几个数量级；又比如，CopyOnWriteList 采用写时复制的方式，可以显著降低读多写少场景下的锁冲突。而什么时候使用同步，什么时候是线程安全的，也对我们的编码能力有较高的要求。



所以，我们需要在平时工作过程中，多多积累数据结构和算法的相关知识。



JVM优化



JVM调优，不用说，这是每个Java工程师必须要掌握的标准技能。所有的Java程序最终都是运行在JVM中的，对JVM进行优化也能够提升Java程序的性能。但是，需要注意的是：如果在优化JVM时，参数设置不当，可能会造成内存溢出等严重的问题。



目前被广泛使用的垃圾回收器是 G1，通过很少的参数配置，内存即可高效回收。CMS 垃圾回收器已经在 Java 14 中被移除，由于它的 GC 时间不可控，有条件应该尽量避免使用。



复用优化



复用优化，这个看名字就知道，说白了就是可以重复利用。估计很多小伙伴都有这样的经验，在写代码的时候，可以将很多重复的代码抽象出来，做成公共的方法。这样，就不用每次都去写重复的逻辑代码了。这是代码层面的复用。



如果是数据层面的话，我们可以使用缓冲和缓存来复用数据。



这里，小伙伴们需要注意一个知识点：缓冲主要针对的是写操作，缓存主要针对的是读操作。



另一个复用优化的典型场景就是池化技术，比如：数据库连接池、线程池等。



计算优化



对于计算优化来说，我们可以从以下几个小的方面来阐述。



并行计算



不难理解，就是多个计算同时进行。这里，又可以将并行计算分为：多机并行计算、多进程并行计算和多线程并行计算。



多机并行计算： 将一个大的计算任务，拆分成N个小的计算任务，分发到不同的机器进行处理。典型的场景就是Hadoop的MapReduce极端。



多进程计算： 比如，Nginx采用的NIO模型，采用的是进程调度的策略，由Master进程调度Worker进程，Worker进行来处理具体的请求。



多线程计算： 对于多线程计算来说，也是我们平时接触最多的一种计算方式，我们可以使用多线程技术，将复杂的逻辑计算拆分成一个个小的计算任务，分发到不同的线程中去执行。



同步变异步



同步和异步的区别就是：同步需要等待返回结果，异步不需要等待返回结果。如果我们在业务程序中，不需要等待返回结果数据，则我们可以将同步调用优化为异步调用，从而提升我们系统的性能。



懒加载



最典型的场景就是Spring中的懒加载，只有第一次获取bean的时候，才会创建bean实例。



快速实现



对于快速实现来说，不仅包含我们需要利用相关的程序框架迅速开发出我们想要的业务，也需要我们在进行技术选型时，尽量使用一些性能优良的组件。比如，在进行网络开发时，尽量选择Netty，结合轻量级的数据传输，就不要使用WebService等技术了。



很多公司喜欢使用适配器模式，在一些现有的开源组件之上，再抽象一层自己的组件，这样就能够做到切换底层组件的时候，对上层应用无感。



好了，今天我们就到这儿吧，我是冰河，我们下期见！！



重磅福利



微信搜一搜【冰河技术】微信公众号，关注这个有深度的程序员，每天阅读超硬核技术干货，公众号内回复【PDF】有我准备的一线大厂面试资料和我原创的超硬核PDF技术文档，以及我为大家精心准备的多套简历模板（不断更新中），希望大家都能找到心仪的工作，学习是一条时而郁郁寡欢，时而开怀大笑的路，加油。如果你通过努力成功进入到了心仪的公司，一定不要懈怠放松，职场成长和新技术学习一样，不进则退。如果有幸我们江湖再见！



另外，我开源的各个PDF，后续我都会持续更新和维护，感谢大家长期以来对冰河的支持！！



写在最后



如果你觉得冰河写的还不错，请微信搜索并关注「 冰河技术 」微信公众号，跟冰河学习高并发、分布式、微服务、大数据、互联网和云原生技术，「 冰河技术 」微信公众号更新了大量技术专题，每一篇技术文章干货满满！不少读者已经通过阅读「 冰河技术 」微信公众号文章，吊打面试官，成功跳槽到大厂；也有不少读者实现了技术上的飞跃，成为公司的技术骨干！如果你也想像他们一样提升自己的能力，实现技术能力的飞跃，进大厂，升职加薪，那就关注「 冰河技术 」微信公众号吧，每天更新超硬核技术干货，让你对如何提升技术能力不再迷茫！