- 综合排序
- 最热优先
- 最新优先
- 来自专栏刷题笔记
HashMap的性能瓶颈
afterNodeInsertion(evict); return null; } 编码优化点 这个 好像答出来了 我说 hashcode 需要占cpu资源 在编码中也可以优化 HashMap 的性能 ，例如，重写 key 值的 hashCode() 方法，降低哈希冲突，从而减少链表的产生，高效利用哈希表，达到提高性能的效果。
99520发布于 2021-04-14 - 来自专栏测试之道
性能TPS 瓶颈定位
因为系统反复写日志不成功，导致内核频繁的上下文切换；因为tcp连接故障导致的系统频繁中断 解决问题 1：调整tcp的keepalive时间，从1200加到了3000 2：增加tcp缓冲和内存共享 3：日志问题开发暂时不想解决
1.9K20发布于 2021-03-04 - 来自专栏腾讯社交用户体验设计
深挖data URI性能瓶颈
即使在最有经验的前端开发者眼中，也会形成对 data URI 截然不同的看法：有人认为它是性能优化神器，有人认为它已经落后于时代。为什么会这样？本文带你进行深入的剖析。 25%138h%00%80g%02%A3%04%A2J%8D%BA%60i%D3%88%0D%9E%3A%B8%C9%95kU%A6N%8D%0E%18Kv%EC%D7%AB%10%B3%1A-%C0% 性能神器还是弃之可惜的鸡肋？ 在一次面试中，我问一个候选人图片优化有哪些方法，他说，可以用 base64（data URI）。 其实这只是“不要重复你自己原则”（DRY原则）的一个应用，谈不上性能优化。可能他觉得 base64 是一个较少见的技术，所以说出来肯定比较厉害。 其实不然，下面就来深挖一下 data URI 的性能优劣。 误区一：节省请求等于优化性能？
2.3K20发布于 2018-06-29 - 来自专栏测试小牛进阶
性能测试如何定位分析性能瓶颈？
对于一般公司普通测试工程师来说，可能性能测试做的并不是很复杂，可能只是编写下脚本，做个压测，然后输出报告结果，瓶颈分析和调优的事都丢给开发去做。 在一些大厂都有专门的性能测试团队去定位分析系统性能瓶颈，并进行调优。 但是，这并不意味着对于那些不想进大厂或者限于学历暂时无法进入大厂的人学习性能测试就没有意义了。 那么接下来详细聊聊如何定位分析性能瓶颈，并调优呢？首先，说一下相对专业一些的性能测试在压测之前一般是怎么做的？ 为什么讲性能瓶颈分析之前要先讲监控呢？ 原因很简单，监控就像是人的眼睛一样，或者说就像是做手工测试时定位分析bug需要先去看日志报什么错一样，那么一通百通，性能测试问题瓶颈定位分析也是如此。 网络带宽，单位时间内网络传输数据量过大，超过带宽处理能力 数据库连接数太少，最大连接数不够 Cpu，内存，磁盘硬件资源达到瓶颈 中间件redis也有可能存在瓶颈比如缓存穿透，缓存过期等等 存在大量线程阻塞
2.4K41编辑于 2022-04-25 - 来自专栏FunTester
性能瓶颈的范式转变
但现实中，很多系统的性能瓶颈根本不是算得慢，而是数据来得太慢。这篇文章的目的很简单，就是帮大家纠正"只有算得慢才会慢"的直觉误区，在设计和测试系统时，建立起对数据移动成本的敏感度。 就像口袋里的钥匙，随时都能拿到手 • L1/L2/L3 缓存：L1 缓存就像办公桌抽屉（1-2ns），L2 是同一层楼的茶水间（3-10ns），L3 则是整栋楼的公共区域（10-40ns）。 跨线程、跨进程，本质都是数据搬家 —SPRING FESTIVAL— 从性能角度看，线程和进程的最大区别根本不在创建成本上，而在于数据搬运。数据搬得越多，性能就越差。 总结：性能直觉，要从"算"转向"搬" —SPRING FESTIVAL— 现代系统的性能瓶颈，早就不在计算能力上了，而是转向了数据流动。算力再强，数据搬不动也是白搭。 它会帮你从源头避免很多性能坑。
13810编辑于 2026-06-17 - 来自专栏Kubernetes
TensorFlow on Kubernetes性能瓶颈定位
Author: xidianwangtao@gmail.com 当前性能问题描述 增加worker数，一定范围内能带来较好的性能提升，但是继续增加worker数时，训练性能提升不明显； 增加ps数 ，一定范围内能带来较好的性能提升，但是继续增加ps数时，训练性能提升不明显； 可能原因： 与ps和worker的分布情况强相关： 目前的调度策略，主要根据服务器的cpu和内存使用情况进行均衡调度， 如果调度时，每台包含worker的服务器都有对应一个ps，那么训练性能会更高?如果有，性能提升多少呢？ K8S中的worker从HDFS集群中读取训练数据时存在IO瓶颈？ 测试用例 用例ID 服务器数 worker数 ps数 说明 1 1 10 1 一台服务器部署了10个worker和1个ps 2 5 50 5 5台服务器分别部署了10个worker和1个p 3 10 100 服务器数 worker数 ps数 说明 1 2 10 1 一台服务器部署10个worker，另外一台部署1个ps 2 10 20 5 5台服务器分别部署10个worker，5台服务器分别部署1个ps 3
1.7K70发布于 2018-04-16 - 来自专栏终有链响
五步定位性能瓶颈
同样，在测试中，直接绕过某些层级（如Web代理层），向应用中间件发送请求，可以有效验证该层级是否构成性能瓶颈。 3. 这种结构化的方法论确保了在面对复杂系统性能挑战时，能够有条不紊地推进优化工作。 二、日志分析：洞察系统异常与性能瓶颈 日志作为系统运行状况的直接反映，是诊断性能瓶颈和功能问题的宝贵资源。 3. 日志分析实践建议 预测试优化：在测试开始前，根据应用需求调整系统句柄限制，预防Too many open files错误。 3.3 磁盘I/O 磁盘I/O瓶颈：作为系统中最易成为瓶颈的部分，磁盘读写速度直接影响性能。高性能系统设计需规避磁盘I/O密集型操作。 四、软件性能分析重点：数据库监控与优化 在Web系统性能瓶颈排查中，数据库子系统往往是问题频发之地，据统计，超过70%的性能瓶颈与数据库相关。
82410编辑于 2024-07-29 - 来自专栏让技术和时代并行
redis AOF性能瓶颈分析
由操作系统控制何时写会，性能非常好；如果发生宕机，也会造成大量数据丢失。 说到AOF，其实很多人都会拿它跟Rdb去做比较，Rdb是以二进制的方式存储到磁盘上。 另外一点，RDB和AOF对客户端的写入性能影响，一般情况下，AOF的写入性能是比不上RDB的，因为AOF多了一个写入操作，但是随着写入数据量越来越大，这个差距会越来越小。 3、重写是直接把当前内存的数据生成对应命令，并不需要读取老的AOF文件，最后通过 rename 完成文件的替换工作。 2.3. AOF重写发生条件。 1、开启AOF 2、没有RDB和AOF进程运行 3、auto-aof-rewrite-min-size：AOF 文件大小绝对值的最小值，默认为 64MB，具体见redis.conf。 尽可能减少CPU和IO消耗 3. 如何避免AOF造成的影响 3.1. 影响原因 上文中也说了，AOF主要耗时发生在fork一个子进程并且会阻塞主进程，这是为什么呢？
1.4K20编辑于 2023-03-18 3D 模型加载太慢？5 步解决 Web3D 性能瓶颈
问题描述在做Web3D项目时，经常遇到以下问题：•3D模型文件体积超过50MB，首屏加载需要十几秒•移动端用户加载体验极差•网页白屏时间过长，用户流失率高本文提供一套完整的解决思路，帮助你系统性地优化Web3D 加载性能。 第一步：诊断问题在优化之前，先搞清楚瓶颈在哪里。 优化效果参考指标优化前优化后（Meshopt+KTX2）模型文件大小45MB4.2MB首屏加载时间（4G）18s1.8sGPU纹理内存280MB48MB总结Web3D性能优化优先级：1. ✅贴图优化（经常是主要瓶颈）3.✅KTX2纹理（GPU友好，内存占用低）4.✅场景拆分+懒加载（大场景必做）5.
24511编辑于 2026-06-14- 来自专栏流柯技术学院
性能测试之----瓶颈分析方法
1、内存分析法 内存分析用于判断系统有无内存瓶颈，是否需要通过增加内存等手段提高系统性能表现。 内存分析需要使用的计数器：Memory类别和Physical Disk类别的计数器。 注：在UNIX/LINUX系统中，对于指标是(page)si和(page)so. (3)根据Physical Disk计数器的值分析性能瓶颈 对Physical Disk计数器的分析包括对Page Reads 如果该值持续超过90％，则说明整个系统面临着处理器方面的瓶颈，需要通过增加处理器来提高性能。 注：多处理器系统中，该数据本身不大，但PUT直接负载状况极不均衡，也应该视作系统产生处理器方面瓶颈。 （3）研究系统处理器瓶颈 查看 System\Processor Queue Length 计数器的值，当该计数器的值大于CPU数量的总数＋1时，说明产生了处理器阻塞。 3、磁盘I/O分析法 （1）计算梅磁盘的I/O数 梅磁盘的I/O数可用来与磁盘的I/O能力进行对比，如果经过计算得到的每磁盘I/O数超过了磁盘标称的I/O能力，则说明确实存在磁盘的性能瓶颈。
1.9K20发布于 2018-08-30 - 来自专栏啄木鸟软件测试
性能测试中会遇到的瓶颈
性能测试中如何定位性能瓶颈： 性能测试这种测试方式在发生过程中，其中一个过渡性的工作，就是对执行过程中的问题，进行定位，对功能的定位，对负载的定位，最重要的，当然就是问题中说的“瓶颈”，接触性能测试不深 ，更非专家，自己的理解，瓶颈产生在以下几方面： 1、网络瓶颈，如带宽，流量等形成的网络环境 2、应用服务瓶颈，如中间件的基本配置，CACHE等 3、系统瓶颈，这个比较常用：应用服务器，数据库服务器以及客户机的 我们需要关注的性能点有：CPU负载，内存使用率，网络I/O等 3. 工具和日志只是手段，除此之外，还需要设计合理的性能测试场景 具体场景有：性能测试，负载测试，压力测试，稳定性测试，浪涌测试等 好的测试场景，能更加快速的发现瓶颈，定位瓶颈 4. 内存泄露（比如：在长时间运行下，内存没有正常释放，发生宕机等） 3. CPU使用偏离（比如：高并发导致CPU使用率过高） 4.
2.3K20发布于 2020-09-04 - 来自专栏golang分享
遇到性能瓶颈的排查思路
看看有没有异常报警，如果初期还没有监控的情况我会按照下面步骤去看看系统层面有没有异常 1、我首先会去看看系统的平均负载，使用top或者htop命令查看,平均负载体现的是系统的一个整体情况，他应该是cpu、内存、磁盘性能的一个综合 ，一般是平均负载的值大于机器cpu的核数，这时候说明机器资源已经紧张了 2、平均负载高了以后，接下来就要看看具体是什么资源导致，我首先会在top中看cpu每个核的使用情况，如果占比很高，那瓶颈应该是cpu ,接下来就要看看是什么进程导致的 3、如果cpu没有问题，那接下来我会去看内存，首先是用free去查看内存的是用情况，但不直接看他剩余了多少，还要结合看看cache和buffer，然后再看看具体是什么进程占用了过高的内存 16777216 提高Linux内核自动对socket缓冲区进行优化的能力 net.ipv4.tcp_mem = 8192 87380 16777216 用来配置写缓冲的大小，第1个值为最小值，第2个值为默认值，第3个值为最大值 net.ipv4.tcp_wmem = 8192 65536 16777216 用来配置读缓冲的大小，第1个值为最小值，第2个值为默认值，第3个值为最大值 net.ipv4.tcp_rmem = 8192
5.3K22编辑于 2023-11-30 如何进行性能瓶颈分析
分析性能瓶颈需要了解系统部署架构，知道瓶颈可能会发生在哪些节点上，并熟悉查看各个节点指标数据的方法。 可以通过查看其性能指标来分析这些节点是否出现性能瓶颈。此外，有些项目使用的第三方工作流、ETL等工具，通常也会提供性能指标。二、监控一个好的监控系统可以快速获得节点的性能信息。 压测过程中，会碰到系统响应时间长、压测请求数上不去等情况，可以查看各个节点的性能指标去发现其性能瓶颈，主要关注如下指标。 3、磁盘I/O当磁盘成为性能瓶颈时，一般会出现磁盘I/O繁忙，导致执行程序在I/O处等待。在Linux中，使用top命令查看wa数据，判断CPU是否长时间等待I/O。 4、网络带宽一般在局域网做压测，网络带宽很少出现瓶颈。当传输大数据量，带宽同时被其他应用占用以及有网络限速等情况时，则带宽可能成为性能瓶颈。
1.4K20编辑于 2025-02-03- 来自专栏Spark学习技巧
通过源码分析Producer性能瓶颈
异步策略支持批量发送和超时发送，提升了性能。 设置合理的批大小和超时时间(异步处理情况) 配置 默认 作用 queue.buffering.max.ms 5000 异步发送消息超时发送时间 batch.num.messages 200 异步消息批量发送的阈值 3， 并不是分区数越多就越好，磁盘竞争也很影响性能的。 4，尽量使数据均匀分布 重要等级高，可以使我们后端处理线程负载均匀。
81450发布于 2019-07-09 - 来自专栏公众号-测试驿栈
性能测试之nginx瓶颈优化
可以发现，很明显是Nginx返回的错误。但是从接口返回看不出太多的细节问题，需要打印nginix日志查看
2.7K30发布于 2021-08-18 - 来自专栏ThoughtWorks
找到了性能瓶颈，然后呢？
前言 本文直接从性能优化开始谈起，并非意味着寻找性能瓶颈无关紧要，性能优化一般都存在于发现性能瓶颈之后。找到性能瓶颈自然是优化的第一步，毕竟所谓有的放矢。 我们今天主要讨论的是找到了性能问题之后，到底该怎么办？ 为什么要进行性能优化？ 虽然看上去仅改了一行代码，但这一行的改变中就包含了批处理的解决方案，它减少了与数据库的交互，与原代码之间的时间成本天差地别，这就是性能优化带来的的好处。 什么是性能优化模式？ 聊完了性能优化的好处，我们接下来就讨论一下什么是性能优化模式，这个说法也是最近看到的一篇博客中提到的： 性能优化模式是一个模型对模型的方式，我们把性能问题想象(抽象)成模型，再把解决它的办法也抽象成模型 小结 性能问题根据场景不同而千变万化，不同场景下其对应的性能优化模式不同，付出的代价也不同，其归根结底还是“看碟下菜”四字。
48010编辑于 2023-05-22 - 来自专栏数字芯片实验室
处理 SoC 中的性能瓶颈
SoC 中不断添加处理核心，但它们不会都得到充分利用，因为真正的瓶颈没有得到解决。 SoC 需要处理的数据量激增，虽然处理核心本身可以处理这些数据，但内存和通信带宽成为瓶颈。 在考虑系统性能时，要么受计算限制，要么受内存限制，要么受 I/O 限制。随着计算速度的加快，需要更加重视内存是否能够跟上计算速度，并且还需要更高的带宽接口来将传输数据。 但业界对处理性能非常着迷。 无论你的计算速度有多快，或者你的内存阵列有多大，最终决定芯片和系统性能的是连接两者的总线带宽。这就是最大的瓶颈所在，不仅仅是总线，还有高速接口，它们都为解决数据访问瓶颈做出了自己的努力。 处理器性能的提高如此之快，主要是通过核心数量的快速增加。然而，cache性能一直在下降，这是导致延迟增加的主要原因之一。即使 HBM 的引入也未能扭转这一趋势。 3、第三个介于两者之间。对于某些堆叠式存储器（例如 HBM），通常有一个逻辑芯片与 DRAM 共同封装在同一堆叠中，并且该逻辑芯片是面向 CPU 和 DRAM 设备的总线之间的接口。
69410编辑于 2024-04-23 - 来自专栏7DGroup
性能分析之两个性能瓶颈分析
最近处理了几个项目中的性能问题，来跟大家唠唠。 这几个问题是非常常见的。 性能瓶颈就有这么个特点，大部分瓶颈分析到最后，都给人有一种猛拍大腿突然醒悟的感觉。 这就是性能瓶颈的魅力所在了。 问题一：单队列网卡导致软中断高 这个问题在我的专栏也好，公众号文章也好，都不止一次描述过。但是看到过的同学们似乎还是没办法在项目中非常快速地定位出来。 因为上面提到这个基础设施是企业3提供的。而影响的却是企业2的业务服务。 于是企业2联系企业3说，要把虚拟机的配置修改一下支持多队列网卡，企业3说不行，要解决问题去虚拟机操作系统层面解决，别想着改KVM这一层。 于是这样明确可优化的点，也就搁浅了。 从这些事情可以看出来，性能问题不止是技术问题，还会涉及到沟通、协作甚至合同、商务的问题。 问题2：通过网络队列判断瓶颈点 这是一个生产上的问题。架构简单画一下。 架构逻辑是非常简单的。
1.5K20编辑于 2022-04-01 - 来自专栏解Bug之路
解Bug之路-NAT引发的性能瓶颈解Bug之路-NAT引发的性能瓶颈总结
解Bug之路-NAT引发的性能瓶颈 笔者最近解决了一个非常曲折的问题，从抓包开始一路排查到不同内核版本间的细微差异，最后才完美解释了所有的现象。 感觉就像每天10点在做活动，导致流量超过了系统瓶颈，进而暴露出问题。而11:40之后，流量慢慢下降，系统才慢慢恢复。难道LVS这点量都撑不住?才550TPS啊？就崩溃了？ 难道是网络问题? TSval=1164446830 2 09:57:30.64 20.1.1.1 30.1.1.1 33735 443 [FIN,ACK]Seq=2195,Ack=508,TSval=2149756058 3 NAT下固定ip地址对的性能瓶颈 好了，现在可以下结论了。在ip源和目的地址固定，目的端口号也固定的情况下，五元组的可变量只有ip源端口号了。 那么我们放开源地址的限定，例如将源IP增加到3个，无疑可以将TPS扩大三倍。 ? 同理，将目的地址给扩容，也能达到类似的效果。
1.4K31发布于 2020-11-12 - 来自专栏code秘密花园
Chrome 运行时性能瓶颈分析
/devtools-samples/jank/ 可以看到如下的页面： image.png 页面中有一些蓝色小方块在运动 ---- step 3: 限制 cpu 速度 由于有些用户的设备 cpu 性能很高 4：添加运动小块，找到性能瓶颈 前面限制了 cpu 的性能，接下来就要找到性能瓶颈了 连续点击 Add 10 按钮，向页面中添加小块，直到自己都感觉页面上小块运动出现明显卡顿 image.png 类似下面这种情况 可以看到： 这一帧的时间间隔是 129.1ms 当前的 fps 是 1000ms/129.1ms = 7.75 fps，约等于 8 fps 这里主要体现的是页面两次刷新之间间隔了 129.1ms 3， 3，直接在页面上，出现了一个fps统计器 ? 这个东西，暂时先关闭，不利于系统性的学习 三，找到瓶颈 前面已经知道我们的测试页面有性能问题，那么接下来就要想为什么了？ 可以看到，每个小紫条上，都有一个红色三角 前面提到：红色三角就是 chrome 帮助自动识别有问题的地方 查看提示信息：强制回流可能是性能瓶颈 点击查看摘要： ?
2.1K21发布于 2020-05-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号