架构设计｜性能优化的十种手段（中篇）
共 3488字，需浏览 7分钟
·
2022-09-29 19:10
上一篇架构设计｜性能优化的十种手段（上篇），我们总结了六种普适的性能优化方法，包括索引、压缩、缓存、预取、削峰填谷、批量处理，简单讲解了每种技术手段的原理和实际应用。
在开启最后一篇前，我们先需要搞清楚：在程序运行期间，时间和空间都耗在哪里了？
本文转载信息如下：
作者：code2life
链接：https://code2life.top/2020/08/14/0056-performance2/
时间都去哪儿了？
人眨一次眼大约100毫秒，而现代1核CPU在一眨眼的功夫就可以执行数亿条指令。
现代的CPU已经非常厉害了，频率已经达到了GHz级别，也就是每秒数十亿个指令周期。
即使一些CPU指令需要多个时钟周期，但由于有流水线机制的存在，平均下来大约每个时钟周期能执行1条指令，比如一个3GHz频率的CPU核心，每秒大概可以执行20亿到40亿左右的指令数量。
程序运行还需要RAM，也可能用到持久化存储，网络等等。随着新的技术和工艺的出现，这些硬件也越来越厉害，比如CPU高速缓存的提升、NVMe固态硬盘相对SATA盘读写速率和延迟的飞跃等等。这些硬件具体有多强呢？
有一个非常棒的网站“Latency Numbers Every Programmer Should Know”，可以直观地查看从1990年到现在，高速缓存、内存、硬盘、网络时间开销的具体数值。
https://colin-scott.github.io/personal_website/research/interactive_latency.html
下图是2020年的截图，的确是“每个开发者应该知道的数字”。
这里有几个非常关键的数据：
存取一次CPU多级高速缓存的时间大约1-10纳秒级别； 存取一次主存(RAM)的时间大概在100纳秒级别； 固态硬盘的一次随机读写大约在10微秒到1毫秒这个数量级； 网络包在局域网传输一个来回大约是0.5毫秒。
看到不同硬件之间数量级的差距，就很容易理解性能优化的一些技术手段了。
比如一次网络传输的时间，是主存访问的5000倍，明白这点就不难理解写for循环发HTTP请求，为什么会被扣工资了。
放大到我们容易感知的时间范围，来理解5000倍的差距：如果一次主存访问是1天的话，一趟局域网数据传输就要13.7年。
如果要传输更多网络数据，每两个网络帧之间还有固定的间隔（Interpacket Gap），在间隔期间传输Idle信号，数据链路层以此来区分两个数据包，具体数值在链接Wiki中有，这里截取几个我们熟悉的网络来感受一下：
百兆以太网: 0.96 µs 千兆以太网：96 ns 万兆以太网：9.6 ns
不过，单纯看硬件的上限意义不大，从代码到机器指令中间有许多层抽象，仅仅是在TCP连接上发一个字节的数据包，从操作系统内核到网线，涉及到的基础设施级别的软硬件不计其数。到了应用层，单次操作耗时虽然没有非常精确的数字，但经验上的范围也值得参考：
用Memcached/Redis存取缓存数据：1-5 ms 执行一条简单的数据库查询或更新操作：5-50ms 在局域网中的TCP连接上收发一趟数据包：1-10ms；广域网中大约10-200ms，视传输距离和网络节点的设备而定 从用户态切换到内核态，完成一次系统调用：100ns - 1 μs，视不同的系统调用函数和硬件水平而定，少数系统调用可能远超此范围。
空间都去哪儿了？
在计算机历史上，非易失存储技术的发展速度超过了摩尔定律。除了嵌入式设备、数据库系统等等，现在大部分场景已经不太需要优化持久化存储的空间占用了，这里主要讲的是另一个相对稀缺的存储形式 —— RAM，或者说主存/内存。
以JVM为例，在堆里面有很多我们创建的对象（Object）。
每个Object都有一个包含Mark和类型指针的Header，占12个字节 每个成员变量，根据数据类型的不同占不同的字节数，如果是另一个对象，其对象指针占4个字节 数组会根据声明的大小，占用N倍于其类型Size的字节数 成员变量之间需要对齐到4字节，每个对象之间需要对齐到8字节
如果在32G以上内存的机器上，禁用了对象指针压缩，对象指针会变成8字节，包括Header中的Klass指针，这也就不难理解为什么堆内存超过32G，JVM的性能直线下降了。
举个例子，一个有8个int类型成员的对象，需要占用48个字节（12+32+4），如果有十万个这样的Object，就需要占用4.58MB的内存了。这个数字似乎看起来不大，而实际上一个Java服务的堆内存里面，各种各样的对象占用的内存通常比这个数字多得多，大部分内存耗在char[]这类数组或集合型数据类型上。
堆内存之外，又是另一个世界了。
从操作系统进程的角度去看，也有不少耗内存的大户，不管什么Runtime都逃不开这些空间开销：每个线程需要分配MB级别的线程栈，运行的程序和数据会缓存下来，用到的输入输出设备需要缓冲区……
代码“写出来”的内存占用，仅仅是冰山之上的部分，真正的内存占用比“写出来”的要更多，到处都存在空间利用率的问题。
比如，即使我们在Java代码中只是写了 response.getWriter().print(“OK”)，给浏览器返回2字节，网络协议栈的层层封装，协议头部不断增加的额外数据，让最终返回给浏览器的字节数远超原始的2字节，像IP协议的报头部就至少有20个字节，而数据链路层的一个以太网帧头部至少有18字节。
如果传输的数据过大，各层协议还有最大传输单元MTU的限制，IPv4一个报文最大只能有64K比特，超过此值需要分拆发送并在接收端组合，更多额外的报头导致空间利用率降低（IPv6则提供了Jumbogram机制，最大单包4G比特，“浪费”就减少了）。
这部分的“浪费”有多大呢？下面的链接有个表格，传输1460个字节的载荷，经过有线到无线网络的转换，至少再添120个字节，空间利用率<92.4%。
https://en.wikipedia.org/wiki/Jumbo_frame
这种现象非常普遍，使用抽象层级越高的技术平台，平台提供高级能力的同时，其底层实现的“信息密度”通常越低。像Java的Object Header就是使用JVM的代价，而更进一步使用动态类型语言，要为灵活性付出空间的代价则更大。哈希表的自动扩容，强大的反射能力等等，背后也付出了空间的代价。
再比如，二进制数据交换协议通常比纯文本协议更加节约空间。但多数厂家我们仍然用JSON、XML等纯文本协议，用信息的冗余来换取可读性。即便是二进制的数据交互格式，也会存在信息冗余，只能通过更好的协议和压缩算法，尽量去逼近压缩的极限 —— 信息熵。
结语
理解了时间和空间的消耗在哪后，还不能完全解释软件为何倾向于耗尽硬件资源。有一条定律可以解释，正是它锤爆了摩尔定律。
它就是安迪-比尔定律。
“安迪给什么，比尔拿走什么”。
安迪指的是Intel前CEO安迪·葛洛夫，比尔指的是比尔·盖茨。这句话的意思就是：软件发展比硬件还快，总能吃得下硬件。20年前，在最强的计算机也不见得可以玩赛车游戏；10年前，个人电脑已经可以玩画质还可以的3D赛车游戏了；现在，自动驾驶+5G云驾驶已经快成为现实。在这背后，是无数的硬件技术飞跃，以及吃掉了这些硬件的各类软件。这也是我们每隔两三年都要换手机的原因：不是机器老化变卡了，是嗜血的软件在作怪。
因此，即使现代的硬件水平已经强悍到如此境地，性能优化仍然是有必要的。软件日益复杂，抽象层级越来越高，就越需要底层基础设施被充分优化。对于大部分开发者而言，高层代码逐步走向低代码化、可视化，“一行代码”能产生的影响也越来越大，写出低效代码则会吃掉更多的硬件资源。
以上就是本文的全部内容，如果觉得还不错的话欢迎点赞，转发和关注，感谢支持。
参考：
https://colin-scott.github.io/personal_website/research/interactive_latency.html https://en.wikipedia.org/wiki/Interpacket_gap https://www.baeldung.com/java-memory-layout https://tools.ietf.org/html/rfc791 https://en.wikipedia.org/wiki/Andy_and_Bill%27s_law
推荐阅读：