做系统优化有两个角度，一是优化算法，二是优化代码的写法。
往往优化算法带来的效率提升要远大于优化代码的效果，这个无需多说。但算法的优化就取决于一个人对系统算法的熟悉程度，
假如一个人并不对系统有多熟，然后要对系统做优化（这个做法是不是本来就有点二呀，汗。。。），怎么办呢。
或者说要集中考察系统的执行情况，确定要针对性地解决的问题，而不是全篇通盘考虑所有代码，考虑多处重构的话，
就要用工具：最近使用了dotTrace跟ANTS，两者都可以既跟踪运行时间，又跟踪内存占用，
前期是主要用dotTrace跟踪执行时间，然后用ANTS跟踪内存使用，但后来发现只用ANTS就够了，ANTS的时间跟踪也很强大。
使用工具可以发现系统中哪些方法被调用了最多次，哪些方法占用了最多的时间，然后进行针对性地处理，
我们这次进行的某个操作就是把多次循环中的一些其实相同的计算（因为得到的值实际上是每次都相同的）提到外面去，并且把循环最内层的代码进行重点照顾，尽量用优化的写法，
比如少用中间变量，用Dictionary的key查询代替List<>的遍历（这个操作效果非常明显），等
遗憾的是在一个调用次数千万级别的方法中，有字符串拼接，然后我用 StringBuilder 代替了 String，竟然没有啥效果，执行时间一点都没上去。。。
可能对内存占用有效果，明天去测一下子。
另外，系统优化绝对是要非常熟悉系统的算法，否则就算你用工具定位到最费时，最占内存的地方，也不知道该怎么优化，单是代码层面，优化空间
往往不大。
另外有一个问题是DB中的40几张表，在系统中要用，反复查询，但是该表在使用过程中不修改，不变化，因此为了减少DB连接，
首先把它读到内存中用 DataTable存起来，直接从其中查，但还是很费时间，
现在在想办法把每张表用一个自定义的类封装起来，数据用array或者dictionary,list之类的存，因为感觉查DataTable也还是慢
试试看有没有效果，但是也挺麻烦呀，40多张表，并且表一旦发生变化，代码也得跟着变，很麻烦。
可是为了让用户使用效果好，只能开发者自己麻烦了。毕竟，要能把一个小时的仿真时间降到半小时，开发者再麻烦也值。
还有，系统在计算最后要序列化一系列东西，这些东西每次算出来都放在内存中，最终导致内存溢出了。。。。。
解决方法是减少序列化的内容，不是必需的就不序列化，不保存了，另外，想办法实时序列化，而不是存在内存中最后再序列化。
在操作过程中发现，大概序列化对象大于180MB以上就会报 Out of memory 异常了。并且，整体内存占用并不高，
我试过不停地分配内存，分配到内存占用率达到2.99G，都不会报错，但是，如果要把一个大对象一次性序列化到内存中的话，很容易就溢出了。
在多线程的使用上，我们这个系统需要依次做多次同样的计算过程，这个过程可以同时开多个线程跑，也可以一个线程依次跑，
经过实验发现，开两个线程，然后每结束一个就开一个新的，同时最多只开两个线程时比较合理，这时CPU（所用机器为双核CPU）利用率已经差不多90%多了，如果只开一个的话CPU利用率大概在60%多的样子，效率不高。
而如果开得线程大于2个的话，CPU利用率还是90%多，整体计算时间并没有减少多少，但是内存占用却成倍增大反而影响了用户体验，得不偿失。
当然前提是这些线程都执行的是完全计算密集型的算法，而不是像刷新一下Timer之类的小线程。像后者，开多少都其实无所谓。
