Basic

这里都是通用的性能优化法则。一些特殊情况，一些特定场景的办法都不会介绍到。

索引——空间换时间

索引的原理是拿额外的存储空间换取查询时间，增加了写入数据的开销，但使读取数据的时间复杂度一般从 O(n) 降低到 O(logn) 甚至 O(1)。

如果我们想在程序中存储一系列数据，除了基本的数组和 Vector，还可以使用下面这些带索引的数据结构：

• Hash Table 的 增删改查 算法复杂度 是 O(1)，实际上就是用 Hash 值作为索引。
• 红黑树/AVL 树/B Tree：也可以当作索引。由于他的树形结构，让我们不需要用遍历的方式查找内容。
• Trie：这种结构能非常方便的做前缀查找或词频统计
• 倒排索引：搜索引擎使用的技术，帮助我们快速在全文搜索关键词。

数据库的索引。

缓存和预取 (Cache & Buffer)

压缩——时间换空间

在网络传输中用到压缩算法尤其多

• 我们经常看到 HTTP 的请求头里头有 Accept-Encoding: Gzip/deflate，就是用无损压缩算法对数据进行了压缩
• 我们网上看到的图片和视频可能是有损压缩后的结果，比如 jpg
• JVM 的对象指针压缩，JVM 在 32G 以下的堆内存情况下默认开启“UseCompressedOops”，用 4 个 byte 就可以表示一个对象的指针，这也是 JVM 尽量不要把堆内存设置到 32G 以上的原因
• 布隆过滤器其实也可以算？

削峰填谷

记得在字节的时候有人专门研究这玩意儿。

• 代码和数据等资源的 延时加载、分批加载、后台异步加载、或按需懒加载 等等。
• 我们在使用库函数对文件进行写入的时候，可能会先写到 buffer 里面。

并行和异步

这里其实有很多可说的，只是我才疏学浅

• 对于计算密集型的程序，尽量以 CPU 的个数进行多进程处理，多线程（Python 除外，他有 GIL）也差不多。
• 对于 IO 密集的程序，可以使用协程，多线程。
• 使用线程池，减少内核切换的开销。
• 使用无锁结构，我只是听说过这个东西，并不太清楚具体是什么。

Linux 性能分析

大佬 Brendan’ 介绍了很多在 Linux 上进行性能分析的方法。他绘制了一张图，分析程序各个部分的情况。比较值得注意的是 perf。

基础分析工具

这些工具能让我们对程序的资源占用情况有基本认识。

底层工具

工具名称	作用
uptime	uptime 命令显示的信息显示依次为：现在时间、系统已经运行了多长时间、目前有多少登陆用户、系统在过去的 1 分钟、5 分钟和 15 分钟内的平均负载。
top	查看 CPU 占用情况
vmstat	查看虚拟内存使用情况
iostat	查看 IO 使用情况
mpstat	查看每个 CPU 的使用情况，适用多核
free	内存使用情况

中间层工具

工具名称	作用
strace	查看系统调用使用情况，但是非常消耗性能
tcpdump	抓包
netstat	网络状态
pidstat	针对某个进程的 CPU 监控，可取代 top
swapon	查看 swap 分区的使用情况
sar	system activity reporter, 可以监控很多情况
collectl

这都是最基本的工具。。