性能瓶颈,最佳实践,经验总结

业务逻辑

1. 出现无效甚至降低性能的逻辑。常见的有
   1. 逻辑重复：相同的操作在不同的位置做了多次或循环跳出的条件设置不当。
   2. 资源未复用：内存频繁申请和释放，数据库链接频繁建立和销毁等。
   3. 无效代码。

存储

1. 未选择恰当的存储方式，常见的有：
   1. 临时数据存放到数据库中，导致频繁读写数据库。
   2. 将复杂的树状结构的数据用 SQL 数据库存储，出现大量冗余列，并且在读写时要进行拆解和拼接。
   3. 数据库表设计不当，无法有效利用索引查询，导致查询操作耗时高甚至出现大量慢查询。
   4. 热点数据未使用缓存，导致数据库负载过高，响应速度下降。

并发处理

1. 并发操作的问题主要出现在资源竞争上，常见的有：
   1. 死锁/活锁导致大量阻塞，性能严重下降。
   2. 资源竞争激烈：大量的线程或协程抢夺一个锁。
   3. 临界区过大：将不必要的操作也放入临界区，导致锁的释放速度过慢，引起其他线程或协程阻塞。

在做内存问题相关的 profiling 时

1. 若 gc 相关函数占用异常，可重点排查对象数量
2. 解决速度问题（CPU占用）时，关注对象数量（ --inuse/alloc_objects ）指标
3. 解决内存占用问题时，关注分配空间（ --inuse/alloc_space ）指标
4. inuse 代表当前时刻的内存情况，alloc 代表从从程序启动到当前时刻累计的内存情况，一般情况下看 inuse 指标更重要一些，但某些时候两张图对比着看也能有些意外发现。

在日常 golang 编码时

1. 参数类型要检查，尤其是 sql 参数要检查（低级错误）
2. 传递struct尽量使用指针，减少复制和内存占用消耗（尤其对于赋值给interface，会分配到堆上，额外增加gc消耗）
3. 尽量不使用循环引用，除非逻辑真的需要
4. 能在初始化中做的事就不要放到每次调用的时候做

性能分析注意事项

1. 性能分析必须在一个可重复的、稳定的环境中来进行。
   1. 不要在共享硬件上进行性能分析;
   2. 不要在性能分析期间，在同一个机器上去浏览网页
   3. 机器必须闲置
   4. 注意省电模式和过热保护，如果突然进入这些模式，会导致分析数据严重不准确
   5. 不要使用虚拟机、共享的云主机，太多干扰因素，分析数据会很不一致；
   6. （如果承受得起，购买专用的性能测试分析的硬件设备，上架）
   7. 关闭电源管理、过热管理;
   8. 绝不要升级，以保证测试的一致性，以及具有可比性。
   9. 如果没有这样的环境，那就一定要在多个环境中，执行多次，以取得可参考的、具有相对一致性的测试结果。

引用

1. web应用性能优化经验总结
2. 各种性能瓶颈汇总，持续更新
3. Go语言 CPU 性能、内存分析调试方法大汇总
4. 滴滴Go实战：高频服务接口超时排查&性能调优
5. 鹅厂 Go 内存池/对象池技术实战爬坑指南
6. 腾讯 Go 性能优化实战
7. 滴滴实战分享：通过 profiling 定位 golang 性能问题 - 内存篇