Java性能调优是一门需要经验和技巧的艺术。它涉及JVM参数调优、垃圾回收优化、线程分析、内存分析、以及代码级优化等多个层面。一个微小的配置错误可能导致吞吐量下降50%，而一个精心设计的优化可以让系统支持10倍的流量。性能调优不是盲目的猜测，而是基于数据驱动的科学方法。
参考：https://vhjpe.cn/category/mingan-huli.html
性能调优的流程：首先是明确目标——吞吐量优先还是延迟优先？目标是每秒处理多少请求？99.9%的延迟需要低于多少毫秒？没有目标就无法判断调优是否成功。然后是建立基准——在受控环境下运行负载测试，收集性能指标。接下来是定位瓶颈——使用性能分析工具找出系统中耗时最长的部分。接着是实施优化——从最容易实现、收益最大的优化开始。最后是验证效果——在相同环境下重新测试，对比指标。
JVM参数调优是性能优化的第一步。最常用的参数包括：-Xms和-Xmx（初始堆和最大堆大小，建议设置为相同值，避免动态调整）、-XX:MetaspaceSize和-XX:MaxMetaspaceSize（元空间大小）、-XX:+UseG1GC（使用G1垃圾回收器）、-XX:MaxGCPauseMillis（G1的期望最大暂停时间）、-XX:ParallelGCThreads（GC线程数）、以及-XX:ConcGCThreads（并发GC线程数）。不建议随意调整JVM参数——错误的参数可能比默认参数更差。
GC日志分析是理解GC行为的关键。启用GC日志：-Xlog:gc*:file=gc.log:time,uptime,level,tags。GC日志包含GC事件的时间、持续时间、堆大小变化、晋升数据等信息。GCViewer、GCEasy、JMC等工具可以可视化GC日志。分析GC日志时关注：GC频率（过高则堆太小）、暂停时间（是否超过SLA）、晋升速率（晋升过快可能年轻代太小）、以及Full GC次数（应尽可能少）。
参考：https://vhjpe.cn/category/kang-shuailao.html
内存分析使用堆转储（Heap Dump）。触发堆转储：jmap -dump:live,format=b,file=heap.bin 。分析工具：Eclipse MAT、VisualVM、JProfiler、YourKit。内存分析的常见问题：内存泄漏（对象无法被GC回收，通常由于静态集合、ThreadLocal、监听器未注销等）、大对象（频繁分配大对象导致GC压力）、重复字符串（使用String.intern或避免不必要的字符串创建）。
CPU分析使用采样或插桩。采样Profiler（如Async Profiler、JFR）定期采样线程栈，开销低，适合生产环境。插桩Profiler（如JProfiler的CPU视图）在方法入口和出口插入监控代码，开销高，适合开发环境。CPU分析的输出是火焰图（Flame Graph），它显示了CPU时间的分布。火焰图的x轴是采样数量（宽度代表时间），y轴是调用栈深度。火焰图中的“平顶山”表示热点方法。
线程分析使用线程转储（Thread Dump）。jstack 或kill -3 （Linux）可以获取线程转储。线程转储显示每个线程的状态（RUNNABLE、BLOCKED、WAITING、TIMED_WAITING）和调用栈。常见问题：死锁（多个线程相互等待锁，线程转储会检测死锁）、线程饥饿（某个线程长时间未得到CPU）、锁竞争（大量线程阻塞在同一个锁上）。
IO分析包括文件I/O和网络I/O。iostat查看磁盘I/O；netstat查看网络连接；lsof查看文件描述符。Java应用层面的I/O问题通常表现为：频繁的小I/O（应该使用缓冲）、同步阻塞I/O（应该使用NIO或异步I/O）、以及文件句柄泄漏（未正确关闭流）。
参考：https://vhjpe.cn/category/hufu-chengfen.html
数据库访问优化是Java服务端性能调优的重点。常见问题包括：N+1查询（循环中查询数据库，应该使用JOIN或批量查询）、缺少索引（使用EXPLAIN分析查询计划）、大结果集（应该分页查询）、连接池配置不当（连接数过小或过大）。
代码级优化是最后的手段。常见的代码优化：避免在循环中分配对象（导致频繁GC）、使用StringBuilder替代字符串拼接、使用原始类型替代包装类型、使用懒加载延迟初始化、以及缓存昂贵计算的结果。但注意，微优化往往适得其反——优先保证代码可读性，只在性能分析确认瓶颈后才进行优化。
性能测试工具：JMH（Java Microbenchmark Harness）是编写微基准测试的标准工具，它解决了JIT预热、死代码消除、虚假共享等问题。Apache JMeter、Gatling、wrk用于负载测试。Java Flight Recorder（JFR）是JVM内置的低开销性能监控工具，JDK 8u40+免费，JDK 11+开源。
生产环境性能监控：使用APM工具（如SkyWalking、Pinpoint、Datadog）持续监控应用性能。关键指标包括：请求延迟（平均值、P99、P999）、吞吐量（TPS）、错误率、GC指标（频率、暂停时间）、线程数、以及CPU/内存使用率。设置告警阈值，在性能下降时及时通知。
性能调优的陷阱：过早优化（优化了非瓶颈代码，浪费了时间）、过度优化（让代码难以维护，但收益微小）、在错误的环境中测试（开发环境的结果不能代表生产环境）、忽略预热（JIT编译需要时间，应该让测试先运行一段时间再测量）、以及依赖平均延迟（P99比平均值更能反映用户体验）。
性能调优是一个迭代的过程，不是一次性的任务。随着业务的发展和流量的增长，系统的性能瓶颈会发生变化。持续监控、定期分析、渐进优化，是保持系统高性能的正确方式。
参考：https://vhjpe.cn
