一般来讲，性能优化也就是下面的几个策略：
- 用空间换时间。各类cache如CPU L1/L2/RAM到硬盘，都是用空间来换时间的策略。这样策略根基上是把计较的过程一步一步的保存或缓存下来，这样就不消每次用的时候都要再计较一遍，比如数据缓冲，CDN，等。这样的策略还表示为冗余数据，比如数据镜象，负载平衡什么的。
- 用时间换空间。有时候，少量的空间可能性能会更好，比如网络传输，如果有一些压缩数据的算法（如前些天说的"Huffman 编码压缩算法" 和 "rsync 的核心算法"），这样的算法其实很耗时，可是因为瓶颈在网络传输，所以用时间来换空间反而能省时间。
- 简化代码。最高效的法度就是不执行任何代码的法度，所以，代码越少性能就越高。关于代码级优化的手艺年夜学里的教科书有很多示例了。如：削减循环的层数，削减递归，在循环中少声明变量，少做分派和释放内存的操作，尽可能把循环体内的表达式抽到循环外，条件表达的中的多个条件判断的顺序，尽可能在法度启动时把一些东西准备好，注意函数挪用的开消（栈上开消），注意面向对象语言中姑且对象的开消，小心使用异常（不要用异常来查抄一些可接管可疏忽并常常产生的毛病），…… 等等，等等，这连东西需要我们很是体会编程语言和常常使用的库。
- 并行措置。如果CPU只有一个核，你要玩多过程，多线程，对计较密集型的软件会反而更慢（因为操作系统调剂和切换开消很年夜），CPU的核多了才能真正体现出多过程多线程的优势。并行措置需要我们的法度有Scalability，不克不及水平或垂直扩大的法度无法进行并行措置。从架构上来讲，这表再为——是否可以做到不改代码只是加加机械便可以完成性能提升？
总之，按照2：8原则来讲，20%的代码耗了你80%的性能，找到那20%的代码，你便可以优化那80%的性能。 下面的一些东西都是我的一些经验，我只例举了一些最有价值的性能调优的的体例，供你参考，也欢迎弥补。
4.1）算法调优。算法很是重要，好的算法会有更好的性能。举几个我经历过的项目的例子，年夜家可以感触感染一下。
- 一个是过滤算法，系统需要对收到的请求做过滤，我们把可以被filter in/out的东西配置在了一个文件中，原有的过滤算法是遍历过滤配置，后来，我们找到了一种体例可以对这个过滤配置进行排序，这样便可以用二分折半的体例来过滤，系统性能增加了50%。
- 一个是哈希算法。计较哈希算法的函数其实不高效，一方面是计较太费时，另外一方面是碰撞太高，碰撞高了就跟单向链表一个性能（可参看Hash Collision DoS 问题）。我们知道，算法都是和需要措置的数据很有关系的，就算是被年夜家所嘲笑的"冒泡排序"在某些情况下（年夜大都数据是排好序的）其效率会高于所有的排序算法。哈希算法也一样，广为人知的哈希算法都是用英文字典做测试，可是我们的业务在数据有其特殊性，所以，对还需要按照自己的数据来挑选适合的哈希算法。对我以前的一个项目，公司内某牛人给我发来了一个哈希算法，成果让我们的系统性能上升了150%。（关于各类哈希算法，你一定要看看StackExchange上的这篇关于各类hash算法的文章 ）
- 分而治之和预措置。以前有一个法度为了生成月报表，每次都需要计较很长的时间，有时候需要花将近一整天的时间。于是我们把我们找到了一种体例可以把这个算法发成增量式的，也就是说我每天都把当天的数据计较好了后和前一天的报表归并，这样可以年夜年夜的节流计较时间，每天的数据计较劲只需要20分钟，可是如果我要算整个月的，系统则需要10个小时以上（SQL语句在年夜数据量面前性能成级数性下降）。这种分而治之的思路在年夜数据面前对性能有很帮忙，就像merge排序一样。SQL语句和数据库的性能优化也是这一策略，如：使用嵌套式的Select而不是笛卡尔积的Select，使用视图，等等。