性能优化

VM 调优概述： 性能定义： 吞吐量 - 指不考虑 GC 引起的停顿时间或内存消耗，垃圾收集器能支撑应用达到的最高性能指标。 延迟 - 其度量标准是缩短由于垃圾啊收集引起的停顿时间或者完全消除因垃圾收集所引起的停顿，避免应用运行时发生抖动。 内存占用 - 垃圾收集器流畅运行所需要的内存数量。 调优原则 GC 优化的两个目标： 将进入老年代的对象数量降到最低 减少 Full GC 的执行时间 GC 优化的基本原则是：将不同的 GC 参数应用到两个及以上的服务器上然后比较它们的性能，然后将那些被证明可以提高性能或减少 GC 执行时间的参数应用于最终的工作服务器上。 将进入老年代的对象数量降到最低 除了可以在 JDK7 及更高版本中使用的 G1 收集器以外，其他分代 GC 都是由 Oracle JVM 提供的。关于分代 GC，就是对象在 Eden 区被创建，随后被转移到 Survivor 区，在此之后剩余的对象会被转入老年代。也有一些对象由于占用内存过大，在 Eden 区被创建后会直接被传入老年代。老年代 GC 相对来说会比新生代 GC 更耗时，因此，减少进入老年代的对象数量可以显著降低 Full GC 的频率。你可能会以为减少进入老年代的对象数量意味着把它们留在新生代，事实正好相反，新生代内存的大小是可以调节的。 降低 Full GC 的时间 Full GC 的执行时间比 Minor

目录 一、优化概述 二、查询与索引优化分析 1性能瓶颈定位 Show命令 慢查询日志 explain分析查询 profiling分析查询 2索引及查询优化 三、配置优化 1) max_connections 2) back_log 3) interactive_timeout 4) key_buffer_size 5) query_cache_size 6) record_buffer_size 7) read_rnd_buffer_size 8) sort_buffer_size 9) join_buffer_size 10) table_cache 11) max_heap_table_size 12) tmp_table_size 13) thread_cache_size 14) thread_concurrency 15) wait_timeout 一、 优化概述 MySQL数据库是常见的两个瓶颈是CPU和I/O的瓶颈，CPU在饱和的时候一般发生在数据装入内存或从磁盘上读取数据时候。磁盘I/O瓶颈发生在装入数据远大于内存容量的时候，如果应用分布在网络上，那么查询量相当大的时候那么平瓶颈就会出现在网络上，我们可以用mpstat, iostat, sar和vmstat来查看系统的性能状态。 除了服务器硬件的性能瓶颈，对于MySQL系统本身，我们可以使用工具来优化数据库的性能

布局渲染流程优化 一、CPU与GPU绘制原理 CPU 的任务繁多，做逻辑计算外，还要做内存管理、显示操作，因此 在实际运算的时候性能会大打折扣，在没有 GPU 的时代，不能显示复 杂的图形，其运算速度远跟不上今天复杂三维游戏的要求。即使 CPU 的工作频率超过 2GHz 或更高，对它绘制图形提高也不大。这时 GPU 的设计就出来了。 CPU 的控制器较为复杂，而 ALU 数量较少。因此 CPU 擅长各种复杂 的逻辑运算，但不擅长数学尤其是浮点运算。 二、卡顿原理分析 1、当一帧的画面渲染超过16ms的时候，我们就会感觉到卡顿。 首先我们要先明确，我们的手机频率为60FPS，意思为我们的手机会在1秒内刷新60次，也就是约16ms刷新一次。 Android 系统每隔 16ms 发出 VSYNC 信号 (1000ms/60=16.66ms) ，触发对 UI 进行渲染， 如果每次渲染都成 功这样就能够达到流畅的画面所需要的 60fps ，为了能够实现 60fps ，这意味着计算渲染的大多数操作都必须 在 16ms 内完成。 这就仿佛我们的手机会16ms发送一趟列车，如果你没有坐上只能等下一趟。 如果错过了，比如说我们花费34ms才完成计算，那么就会出现我们称之为丢帧的情况。 2、16 毫秒的时间主要被两件事情所占用 ： 第一件：CPU将UI对象转换为一系列多边形和纹理 第二件

Python性能优化方案 从编码方面入手，代码算法优化，如多重条件判断有限判断先决条件(可看 《改进python的91个建议》) 使用Cython (核心算法, 对性能要求较大的建议使用Cython编写) 是python & c++的结合, 性能有数量级的提升 使用ast抽象语法树 根据python CAPI扩展, 编写c++ python加载器 (即使用加载器将python 代码转为c++执行) 如开源模块 py2c 推荐使用Cython进行核心算法的编写 注: cython 编译环境，需要vc++14.0 需要安装visual studio 17以上版本 安装cython: pip install cython 编写.py或者.pyx文件 .pyx文件可用python语法和Cython语法建议使用Cython语法 编译.pyx 文件为.pyd文件(二进制文件) 也是一种 python代码加密方案 执行编译 python setup.py build_ext --inplace # 编译命令 cython优化案例 Github 文档记录 cython 中文文档 python/C API Reference Manual extension option 说明 - py_limited_api 使用受限API 官方说明 链接其他库格式 官方说明参考 from distutils

intern方法解释 首先来看interna方法的说明： /** * Returns a canonical representation for the string object. * <p> * A pool of strings, initially empty, is maintained privately by the * class {@code String}. * <p> * When the intern method is invoked, if the pool already contains a * string equal to this {@code String} object as determined by * the {@link #equals(Object)} method, then the string from the pool is * returned. Otherwise, this {@code String} object is added to the * pool and a reference to this {@code String} object is returned. * <p> * It follows that for any two strings {@code s} and {@code t},

优化算法时间复杂度 算法的时间复杂度对程序的执行效率影响最大，在Python中可以通过选择合适的数据结构来优化时间复杂度，如list和set查找某一个元素的时间复杂度分别是O(n)和O(1)。不同的场景有不同的优化方式，总得来说，一般有分治，分支界限，贪心，动态规划等思想。 减少冗余数据 如用上三角或下三角的方式去保存一个大的对称矩阵。在0元素占大多数的矩阵里使用稀疏矩阵表示。 合理使用copy与deepcopy 对于dict和list等数据结构的对象，直接赋值使用的是引用的方式。而有些情况下需要复制整个对象，这时可以使用copy包里的copy和deepcopy，这两个函数的不同之处在于后者是递归复制的。效率也不一样：（以下程序在ipython中运行） import copy a = range(100000) %timeit -n 10 copy.copy(a) # 运行10次 copy.copy(a) %timeit -n 10 copy.deepcopy(a) 10 loops, best of 3: 1.55 ms per loop 10 loops, best of 3: 151 ms per loop timeit后面的-n表示运行的次数，后两行对应的是两个timeit的输出，下同。由此可见后者慢一个数量级。 使用dict或set查找元素 python

原文链接：http://www.cnblogs.com/xxcanghai/p/5205998.html 链接：http://www.zhihu.com/question/21658448/answer/18903129 前端优化的途径有很多，按粒度大致可以分为两类， 第一类是页面级别的优化，例如 HTTP请求数、脚本的无阻塞加载、内联脚本的位置优化等 ; 第二类则是代码级别的优化，例如 Javascript中的DOM 操作优化、CSS选择符优化、图片优化以及 HTML结构优化等等。 一、页面级优化 　　1. 减少 HTTP请求数 　　一个完整的请求都需要经过 DNS寻址、与服务器建立连接、发送数据、等待服务器响应、接收数据这样一个 “漫长” 而复杂的过程。时间成本就是用户需要看到或者 “感受” 到这个资源是必须要等待这个过程结束的，资源上由于每个请求都需要携带数据，因此每个请求都需要占用带宽。另外，由于浏览器进行并发请求的请求数是有上限的 (具体参见此处 )，因此请求数多了以后，浏览器需要分批进行请求，因此会增加用户的等待时间，会给用户造成站点速度慢这样一个印象，即使可能用户能看到的第一屏的资源都已经请求完了，但是浏览器的进度条会一直存在。 　　减少 HTTP请求数的主要途径包括： 　　(1). 从设计实现层面简化页面 　　　　如果你的页面像百度首页一样简单

原文地址http://www.2cto.com/kf/201604/498725.html 网站的划分一般为二：前端和后台。我们可以理解成后台是用来实现网站的功能的，比如：实现用户注册，用户能够为文章发表评论等等。而前端呢？其实应该是属于功能的表现。并且影响用户访问体验的绝大部分来自前端页面。 而我们建设网站的目的是什么呢？不就是为了让目标人群来访问吗？所以我们可以理解成前端才是真正和用户接触的。除了后台需要在性能上做优化外，其实前端的页面更需要在性能优化上下功夫，只有这样才能给我们的用户带来更好的用户体验。就好像，好多人问，男人在找女朋友的时候是不是只看外表，一些智慧的男人给出了这样的回答：脸蛋和身材决定了我是否想去了解她的思想，思想决定了我是否会一票否决她的脸蛋和身材。同理，网站也是这样，网站前端的用户体验决定了用户是否想要去使用网站的功能，而网站的功能决定了用户是否会一票否决前端体验。 不仅仅如此，如果前端优化得好，他不仅可以为企业节约成本，他还能给用户带来更多的用户，因为增强的用户体验。说了这么多，那么我们应该如何对我们前端的页面进行性能优化呢？ 一般说来，web前端指网站业务逻辑之前的部分，包括浏览器加载、网站视图模型、图片服务、CDN服务等，主要优化手段有浏览器访问、使用反向代理才、CDN等。 浏览器访问优化 浏览器请求处理流程如下图： 1、减少http请求，合理设置

在项目开发的过程中总结了一下starling的性能优化方案： 1. 不要频繁的读取显示对象的宽高： 调用宽高属性时会调用显示对象的getBounds()方法，该方法会遍历该对象的所有子对象，重新计算宽高。在频繁使用宽高属性时，如没有特殊需要，最好把宽高保存到变量中，使用变量保存的值替代直接读取宽高属性。 2. 扁平化的Sprites ： starling在每一帧都会遍历所有对象检查它们的状态，上传它们的数据到GPU进行重新渲染，调用Sprite的flatten()方法后，GUP便不会对该对象进行重新上传渲染，当你需要更新这个显示对象时，可以调用它的unflatten()方法。 3. QuadBatch ： QuadBatch类是一个扁平化的容器，你每在容器上add一个对象时，它都会派发一个"ADDED"和"ADDED_TO_STAGE"事件，当你有很多对象时，也是一个不小的开销，特别时当你使用的纹理都是来自同一个纹理图集时QuadBatch会更加高效，它只能添加Image, Quad, 或 QuadBatch类的实例。 4. 减少事件派发： starling的显示对象在add在舞台上的时候都会派发一个"ADDED"和"ADDED_TO_STAGE"事件，移除的时候也是会派发"REMOVEED"和" REMOVEED _TO_STAGE"事件，很多时候这些事件对我们都没有意义

在项目开发的过程中总结了一下starling的性能优化方案： 1. 不要频繁的读取显示对象的宽高： 调用宽高属性时会调用显示对象的getBounds()方法，该方法会遍历该对象的所有子对象，重新计算宽高。在频繁使用宽高属性时，如没有特殊需要，最好把宽高保存到变量中，使用变量保存的值替代直接读取宽高属性。 2. 扁平化的Sprites ： starling在每一帧都会遍历所有对象检查它们的状态，上传它们的数据到GPU进行重新渲染，调用Sprite的flatten()方法后，GUP便不会对该对象进行重新上传渲染，当你需要更新这个显示对象时，可以调用它的unflatten()方法。 3. QuadBatch ： QuadBatch类是一个扁平化的容器，你每在容器上add一个对象时，它都会派发一个"ADDED"和"ADDED_TO_STAGE"事件，当你有很多对象时，也是一个不小的开销，特别时当你使用的纹理都是来自同一个纹理图集时QuadBatch会更加高效，它只能添加Image, Quad, 或 QuadBatch类的实例。 4. 减少事件派发： starling的显示对象在add在舞台上的时候都会派发一个"ADDED"和"ADDED_TO_STAGE"事件，移除的时候也是会派发"REMOVEED"和" REMOVEED _TO_STAGE"事件，很多时候这些事件对我们都没有意义