效能問題多是多方面的問題的堆積
最近部署服務的虛擬機器降低規格（為了和某公司較勁），在效能測試過程中，很不幸的發現系統cpu佔比週期性的衝高。
使用top命令，可以觀察到idle週期性的會為0，同時會有較多的資料庫連線出現
從解決問題的角度看
1.由於是效能測試環境，環境中資料較多。當資料查詢方法不當是，會導致查詢出過多的冗餘資料。
2.有一些資料在在jvm啟動的時候，從xml讀取至記憶體，然後從持久化到db。在使用時，從db中讀出。
明眼人一眼就看出，持久化到db並無必要。（期間資料不會變動）
3.資料庫的連線保持太久
4。。。。。。（明天繼續）
從版本的角度
上乙個版本沒有搞過類似的效能測試，導致問題堆積。
從架構的角度
1.當前雖然使用的執行緒池，但仍有單獨的執行緒
2.定時器使用混亂，無相應約束,各特性根據業務需要隨意啟動定時器
3.定時器相互之間取法必要的規劃，重疊導致cpu疊加
從管理的角度
領導總希望一蹴而就，溝通過程中瞬間感覺，最近剛學習的溝通技巧，比如換位思考，比如傾聽，無任何效用了。
調優 Nginx效能調優
一.nginx優化配置 1.主配置檔案優化 注 部分配置詳解 worker processes 8 nginx程序數，建議按照cpu數目來指定，一般為它的倍數。worker cpu affinity 00000001 00000010 00000100 00001000 00010000 00100...
Spark效能調優 JVM調優
通過一張圖讓你明白以下四個問題 1.jvm gc機制，堆記憶體的組成 2.spark的調優為什麼會和jvm的調優會有關聯？因為scala也是基於jvm執行的語言 3.spark中oom產生的原因 4.如何在jvm這個層面上來對spark進行調優 補充 spark程式執行時 jvm堆記憶體分配比例 r...
七 Spark效能調優 Shuffle 調優
目錄 一 調節 map 端緩衝區大小 二 調節 reduce 端拉取資料緩衝區大小 三 調節 reduce 端拉取資料重試次數 四 調節 reduce 端拉取資料等待間隔 五 調節 sortshuffle 排序操作閾值 val conf new sparkconf set spark.shuffle...