- 综合排序
- 最热优先
- 最新优先
- 来自专栏Java工程师成长之路
SpringCloud高并发性能优化
SpringCloud高并发性能优化 1.1. 前言 当系统的用户量上来，每秒QPS上千后，可能就会导致系统的各种卡顿，超时等情况，这时优化操作不可避免 1.2. 优化步骤 第一步：优化大SQL，对于多表关联的SQL，当单表数据几百上千万行时，执行可能会达到好几秒，对微服务系统来说，我是不建议join多表操作，除非是数据量少的维表，我们可以将一句大SQL拆分成多个过程 Hystrix参数优化 我们知道Hystrix线程池的大小和超时时间我们都是可以设置的，线上环境，我们需要对这些参数进行调整，该如何调整呢？ 降级操作 对于降级操作，可以举些例子参考 比如redis挂了，对查询可以查本地缓存，mysql等 对插入操作，数据库挂了，可以尝试写入日志文件，或写入MQ之后恢复 参考： 每秒上万并发下的Spring Cloud参数优化实战 微服务架构如何保障双11狂欢下的99.99%高可用
2.8K31发布于 2019-08-21 - 来自专栏算法
高并发性能优化随笔
高并发性能优化技巧 在我的高并发技巧系列文章中，我已经介绍了不少性能优化的技巧。为了保证这篇文章的完整性，可能会有一些重复。 简单介绍下分的原则： 数据量大就分表：单表查询性能会随着数据量增加而下降。 并发高就分库：单库的资源有限，支持的连接数不会太高。 大多数情况下分库分表一起进行：因为量大和并发高经常同时出现。 System.out.printf("次数 %d, result : %s \n", counter.incrementAndGet(), list); } } 线程池 线程池作为 JDK 的一个重要组件，同时也是性能优化的常客 总结 本文介绍了多种高并发性能优化技巧，包括 MySQL 的索引和分库分表、缓存的使用、消息队列与流量聚合、线程池的优化等。 这些技巧在实际开发中非常有用，可以帮助我们更好地应对高并发场景，提升系统的性能和稳定性。
43510编辑于 2025-01-24 - 来自专栏开源部署
高并发下优化Tomcat性能详解
高并发环境下，我知道优化配置tomcat，对连接数和线程池作修改，最重要的是connector的协议Http Connector使用NIO，而不是默认的AJP Connector,当时也没有仔细研究其原理 可以说servlet容器处理请求，是需要Connector连接器进行调度和控制的，Connector连接器是tomcat处理请求的主干，因此对Connector的配置和使用，对tomcat的性能有着决定性的作用 而APR是Apache Portable Runtime，是Apache可移植运行库，利用本地库可以实现高可扩展性、高性能；Apr是在Tomcat上运行高并发应用的首选模式，但是需要安装apr、apr-utils 而这个区别，在并发量较大的情形下可以带来Tomcat效率的显著提升： 目前大多数HTTP请求使用的是长连接（HTTP/1.1默认keep-alive为true），而长连接意味着，一个TCP的socket NIO，“读取socket并交给Worker中的线程”这个过程是非阻塞的，当socket在等待下一个请求或等待释放时，并不会占用工作线程，因此Tomcat可以同时处理的socket数目远大于最大线程数，并发性能大大提高
2K10编辑于 2022-08-08 高并发内存池（五）：性能测试与性能优化
本文将修复这些问题，并实现三个目标： 增加大块内存分配逻辑 替换系统自带的malloc 通过性能测试定位优化瓶颈 一、功能完善 1.大内存块需求 1.1.申请 在ThreadCache 通用 malloc 需要兼顾各种场景，无法针对特定应用模式优化。 高并发场景通常有特定的内存使用模式(如固定大小对象)。 我们观察发现，tcmalloc总在释放的过程慢于malloc，要突破性能瓶颈我们就需要对tcmalloc的释放过程做优化。 五、性能优化 MapObjectToSpan是用来查找页号与Span的映射关系的，使用哈希桶unordered_map，STL中并未对数据结构并发访问问题进行处理，不是原子的。 再次进行性能测试查看火焰图： 它们的时间消耗的是差不多的，没有针对性的优化意义不是很大。
22010编辑于 2025-11-15- 来自专栏jeremy的技术点滴
优化nginx-ingress-controller并发性能
这个性能开销可以说相当巨大了，急需进行性能调优。花了一段时间分析这个问题，终于找到原因了，这里记录一下。 60m，这样一个pod副本可同时处理的页面请求数有限，以模拟真正的业务应用 接下来简单测试一下： # 使用httpd-utils中的ab命令直接压测Kubernetes Service NodePort，并发请求数为 ，参考业界的测试数据，nginx可是可以实现百万并发HTTP反向代理的存在，照理说才一两万的QPS，其不应该有这么大的性能问题。 所以首先怀疑nginx-ingress-controller的配置不够优化，需要进行一些调优。 我们可以从nginx-ingress-controller pod中取得nginx的配置文件，再参考nginx的常用优化配置，可以发现有些优化配置没有应用上。
6.7K30发布于 2019-11-12 - 来自专栏全栈程序员必看
高并发下的nginx性能优化实战
, url_hash) 第六,nginx日志管理和日志切割 日志切割 注：如果要确定自己的定时是正常执行的，可以运行一下命令 tail -f /var/log/cron 结果如下： 高并发架构分析
63410编辑于 2022-07-11 - 来自专栏Lemon黄
Redis优化高并发下的秒杀性能
作者：xialeistudio 来源：developer.51cto.com 本文内容 使用Redis优化高并发场景下的接口性能 数据库乐观锁 随着双11的临近，各种促销活动开始变得热门起来，比较主流的有秒杀 涉及到高并发争抢同一个资源的主要场景有秒杀和抢优惠券。 ，本文不予讨论，讨论一下使用乐观锁解决高并发问题的优缺点。 31 吞吐量458.7/s Redis实现 可以看到乐观锁的实现下争抢比太高，不是推荐的实现方法，下面通过Redis来优化这个秒杀业务。 48ms 发放成功数100 吞吐量497.0/s 结论 可以看到Redis的表现是稳定的，不会出现超发，且访问延迟少了8倍左右，吞吐量还没达到瓶颈，可以看出Redis对于高并发系统的性能提升是非常大的!
2K40发布于 2019-11-01 - 来自专栏PHP在线
性能调优之MYSQL高并发优化
2、能够用数字类型的字段尽量选择数字类型而不用字符串类型的（电话号码），这会降低查询和连接的性能，并会增加存储开销。 优化器将无法通过索引来确定将要命中的行数,因此需要搜索该表的所有行。 6.必要时强制查询优化器使用某个索引，如在 where 子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运行时；它必须在编译时进行选择。 18.尽量避免大事务操作，提高系统并发能力。 19.尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理。 20. 避免使用不兼容的数据类型。 数据类型的不兼容可能使优化器无法执行一些本来可以进行的优化操作。
2.3K80发布于 2018-03-08 - 来自专栏人工智能领域
Python并发编程：开启性能优化的大门（710）
性能优化则通过一系列技术手段，减少程序的运行时间和资源消耗，提升用户体验。对于数据处理、机器学习模型训练、Web 服务器等应用场景，并发编程与性能优化的重要性不言而喻。 性能对比 为了直观地展示并发编程与性能优化带来的效果，我们对比优化前后的程序执行时间和资源消耗。假设优化前的程序使用单线程下载网页，单进程进行数据分析，优化后的程序如上述代码所示。 这充分证明了并发编程与性能优化在实际应用中的有效性和重要性。 6.总结与展望 总结 Python 并发编程与性能优化是提升 Python 程序效率的关键技术。 展望 随着计算机技术的不断发展，Python 并发编程与性能优化领域也将迎来更多的机遇和挑战。 例如，在机器学习模型训练中，利用并发编程可以加速模型的训练过程；在物联网设备数据处理中，高效的性能优化能够确保系统的实时响应和稳定性。 Python 并发编程与性能优化是一个不断发展和演进的领域。
53510编辑于 2025-05-12 - 来自专栏日常活动篇
性能突破的关键--Java 并发编程核心优化
今天我们跳出基础 API 讲解，聚焦 6 个实战级优化方向，结合真实业务场景我们如何从 “线程安全” 到 “性能突破” 。 若用 synchronized 会导致查询线程阻塞，用 ReentrantReadWriteLock 可优化读并发性能。 Java 提供了专门的并发容器（java.util.concurrent 包），通过分段锁、CAS 等机制优化并发性能。 Java 并发编程的优化没有最优解，需结合业务场景（如并发量、读写比例、任务类型）灵活调整方案。 我列出的6 个核心优化方向，可在保证线程安全的前提下，大幅提升并发代码的性能和稳定性，避免线上常见的并发故障，当然也不止这些，更多精彩的想法，大家可以在评论区一起交流。
17721编辑于 2026-01-21 大佬总结 Nginx 高并发性能优化笔记
在日常的运维工作中，经常会用到nginx服务，也时常会碰到nginx因高并发导致的性能瓶颈问题。这里简单梳理下nginx性能优化的配置。 FastCGI，可以修改配置文件中的以下值： 1）同时处理的并发请求数，即它将开启最多60个子线程来处理并发连接。 net.ipv4.tcp_timestamps = 1 有不少服务器为了提高性能，开启net.ipv4.tcp_tw_recycle选项，在NAT网络环境下，容易导致网站访问出现了一些connect Nginx worker 进程数 5、绑定 Nginx 进程到不同的 CPU 上 6、优化 Nginx 处理事件模型 7、优化 Nginx 单个进程允许的最大连接数 8、优化 Nginx worker Nginx 错误页面优雅显示 20、优化 Nginx 文件权限 21、Nginx 防爬虫优化 22、控制 Nginx 并发连接数 23、集群代理优化
78410编辑于 2025-10-14- 来自专栏冰河技术
【高并发】高并发环境下如何优化Tomcat性能？看完我懂了！
写在前面 Tomcat作为最常用的Java Web服务器，随着并发量越来越高，Tomcat的性能会急剧下降，那有没有什么方法来优化Tomcat在高并发环境下的性能呢？ 1.bio模式 默认的模式,性能非常低下,没有经过任何优化处理和支持。 2.nio模式 利用java的异步io护理技术,noblocking IO技术。 3.apr模式 安装起来最困难,但是从操作系统级别来解决异步的IO问题,大幅度的提高性能。此种模式下，必须要安装apr和native，直接启动就支持apr。 protocol="org.apache.coyote.http11.Http11AprProtocol" Tomcat并发优化 安装APR [root@binghe ~]# yum -y install 最后，附上并发编程需要掌握的核心技能知识图，祝大家在学习并发编程时，少走弯路。 ?
1.3K30发布于 2020-10-29 - 来自专栏学习与分享
优化并发程序性能：锁的调优技巧
在并发编程中，锁是保护共享资源的重要机制。然而，不正确的锁使用可能会导致性能下降、死锁等问题。因此，对锁进行调优是提高并发程序性能和稳定性的关键之一。 本文将介绍一些常用的锁调优技巧，帮助您更好地优化并发程序性能。 1. 使用更小粒度的锁 锁的粒度越小，竞争的可能性就越小，从而提高并发性能。因此，尽量使用更小粒度的锁来保护共享资源。 这样可以最大程度地减少线程之间的竞争，提高了程序的并发性能。 2. 减少锁的持有时间 减少锁的持有时间可以降低线程之间的竞争，提高并发性能。 使用性能分析工具进行优化 性能分析工具（如JProfiler、VisualVM等）可以帮助定位并发程序中的性能瓶颈，识别锁的竞争情况和热点代码，从而有针对性地进行优化。 通过以上锁调优技巧，可以有效地提高并发程序的性能和稳定性。选择合适的锁粒度、减少锁的持有时间、使用非阻塞锁等方法，都能帮助您优化并发程序，提升系统的吞吐量和响应速度，为用户提供更好的体验。
48910编辑于 2024-03-09 - 来自专栏nginx
Redis 高并发读写性能深度解析与优化实践
Redis 高并发读写性能深度解析与优化实践 引言 Redis 作为一款高性能的内存数据库，广泛应用于缓存、消息队列、实时统计等场景。其出色的读写性能使其成为高并发系统的首选。 本文将深入探讨 Redis 的读写并发能力，分析影响性能的关键因素，并提供优化建议和 Java 代码示例，帮助开发者充分发挥 Redis 的潜力。 在高并发场景下，建议使用高性能的网络设备，并优化网络配置。 六、Redis 版本对并发能力的影响 新版本的 Redis 通常包含性能优化和改进。 通过合理的硬件配置、数据结构选择、持久化设置和网络优化，可以进一步提升 Redis 的性能。 在实际项目中，合理运用这些优化策略，可以显著提升系统的性能和稳定性。
46810编辑于 2025-11-15 - 来自专栏码海
深入理解高并发服务器性能优化
Apache的问题 Apache的问题是，（并发）连接数越多它的性能会越低下。 关键问题：（服务器的）性能和可扩展性并不是一码事。它们指的不是同一件事情。 处理事务的规模或许仅仅提高到了每秒6,000个（即每秒6,000个并发请求）。继续提高处理器速度，还是无济于事。甚至当性能提升到16倍时，并发连接数还不能达到10,000个。 语言当然也可以实现高并发系统，总之:怎样合理的压榨CPU,让其发挥出应有的价值，是优化一直需要探索学习的方向。 根据测试，fasthttp的性能可以达到net/http的10倍。所以，在一些高并发的项目中，我们经常用fasthttp来代替net/http。 //www.techempower.com/benchmarks/ 有兴趣同学可以试一试你的极限优化，让你们的程序上榜！
1.3K31发布于 2021-11-11 - 来自专栏CPP开发前沿
深入理解高并发服务器性能优化
Apache的问题 Apache的问题是，（并发）连接数越多它的性能会越低下。 关键问题：（服务器的）性能和可扩展性并不是一码事。它们指的不是同一件事情。 处理事务的规模或许仅仅提高到了每秒6,000个（即每秒6,000个并发请求）。 继续提高处理器速度，还是无济于事。甚至当性能提升到16倍时，并发连接数还不能达到10,000个。 语言当然也可以实现高并发系统，总之:怎样合理的压榨CPU,让其发挥出应有的价值，是优化一直需要探索学习的方向。 根据测试，fasthttp的性能可以达到net/http的10倍。所以，在一些高并发的项目中，我们经常用fasthttp来代替net/http。 //www.techempower.com/benchmarks/ 有兴趣同学可以试一试你的极限优化，让你们的程序上榜！
1.3K20发布于 2021-11-26 - 来自专栏散尽浮华
nginx应用总结（2）--突破高并发的性能优化
在日常的运维工作中，经常会用到nginx服务，也时常会碰到nginx因高并发导致的性能瓶颈问题。 今天这里简单梳理下nginx性能优化的配置（仅仅依据本人的实战经验而述，如有不妥，敬请指出~） 一、这里的优化主要是指对nginx的配置优化，一般来说nginx配置文件中对优化比较有作用的主要有以下几项 ，如果你使用php-fpm来管理FastCGI，可以修改配置文件中的以下值： 1）同时处理的并发请求数，即它将开启最多60个子线程来处理并发连接。 <value name="max_requests">65535</value> 三、关于内核参数的优化，在/etc/sysctl.conf文件内 1）timewait的数量，默认是180000。 -------------------------------------------------------------------------------------- 有不少服务器为了提高性能
2K100发布于 2018-01-23 - 来自专栏Web前端
📝 《React性能优化完全手册：从useMemo到并发模式》
未拆分大型组件导致更新颗粒度过粗 性能优化黄金法则：先测量（Profiler），再优化，避免过早优化！ ⚡️ 突破性能瓶颈：理解并发模式核心React 18的并发模式（Concurrent Mode）不是魔法，而是通过可中断渲染与优先级调度实现流畅交互：传统渲染 并发模式渲染 同步阻塞主线程 —— 工程化落地：性能监控与自动化优化️ 构建React性能监控体系核心指标采集方案：graph TD A[性能数据采集] --> B{关键指标} B --> C[FPS波动] B --> D[组件渲染耗时 （Vue3响应式启发）异步处理：Generator+调度器实现无感知并发开发体验：TypeScript类型推导覆盖所有优化路径// 未来可能的方向：编译时优化function OptimizedComponent 从记忆化Hooks到并发模式，从工程化监控到编码规范，我们已覆盖React优化的完整路径。
1.2K20编辑于 2025-04-28 - 来自专栏爱撸猫的杰
【性能优化之道】每秒上万并发下的Spring Cloud参数优化实战
一段时间没日没夜的加班，好不容易核心业务系统给做出来了，平时正常QA测试没发现什么大毛病，感觉性能还不错，一切都很完美。 优化了参数后，看上去效果不错，用户虽然觉得有的页面慢是慢点，但是起码过几秒能刷出来。 这个时候，日活几千的用户量，压根儿没什么并发可言，高峰期每秒最多一二十并发请求罢了。 比如这个公司，明明应该去优化服务接口性能，结果硬是调大了超时时间。结果导致并发量高了，对那个服务的调用直接hang死，系统的核心页面刷不出来，影响用户体验了，这怪谁呢？ 下面就是作者全程指导他们完成系统优化的过程。 第一步 关键点，优化图中核心服务B的性能。 如果一个接口响应时间达到1秒+，建议考虑用缓存、索引、NoSQL等各种你能想到的技术手段，优化一下性能。 否则你要是胡乱设置超时时间是几秒，甚至几十秒，万一下游服务偶然出了点问题响应时间长了点呢？
1.7K20发布于 2019-03-28 - 来自专栏腾讯云可观测专栏
前端性能监控(RUM)接入层服务高并发优化实践(二)——并发模型原理
前言 往期我们介绍了 前端性能监控 (RUM) 接入层服务高并发优化实践 ，我们针对缓存模型进行重新设计与优化，相信不少用户也感受到了 RUM 前所未有的流畅。 接着往期 前端性能监控 (RUM) 接入层服务高并发优化实践 说的缓存模型，本次我们将带为您潜入 GO 内部了解其原理和思路，并介绍接入层使用 GO 到底有哪些优势？ 如往期前端性能监控 (RUM) 接入层服务高并发优化实践—缓存模型文中所提及，锁的性能消耗很大，并且会有很大的局部性原理问题。 因此需要进一步优化调度器的实现。 优化调度器 不知道你是否还记得，前端性能监控 (RUM) 接入层服务高并发优化实践—缓存模型文章里所说的三级缓存优化？ 其实学习 GO 的高并发原理等等的一系列知识并不是为了学习原理本身，而是为了看其中的优化思路，以便应用到下一次系统优化上，就如往期文章 前端性能监控 (RUM) 接入层服务高并发优化实践—缓存模型 ，将局部性原理中
80930编辑于 2022-08-26
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