性能工程手册linux
最大延迟预算
多个服务串联时，每个服务都有最大延迟预算，总和不能超过总目标延迟。
所需知识和技能
性能问题解决思路
统计知识
贝叶斯定理
置信区间
点估计理论
数据分布模型
排队理论
如何分析性能数据？
数据的因果关系
数据的大小和趋势
数据有效性
性能数据之间的关系
如何展示性能数据？
确定展示的目的和对象
根据展示目的，确定展示所需要的图形
性能数据估计
磁盘
缓存
网络
性能测试的种类
根据流量大小划分
如何规划性能测试？
搞清楚测试对象
确定性能指标，常见的有响应时间，吞吐量，利用率。
决定测试指标度量，平均值，百分位数等。
确定性能测试的期望结果
性能测试规划
- 负载如何注入
- 黑盒还是白盒
- 测试工具选择
- 测试环境搭建
执行测试
- 分步进行
- 先短时间测试，再长时间测试
- 模拟测试，进行预先检查工具正确性
分析测试结果
测试工具选择
如何保证测试的可靠性？
测试规划
测试进行
测试分析
如何将性能测试集成到开发流程中？
性能分析概述
主要指标
- 服务延迟
- 吞吐率
- 资源使用率
主要性能瓶颈
CPU相关性能分析
内核进程调度负责分配CPU资源，调度优先级关系是硬件中断>内核进程>用户进程。
内存相关性能分析
| 概念 | 对性能的影响 | 操作系统如何进行管理和优化 |
|---|---|---|
| 缓存命中率 | 高缓存命中率意味着 CPU 能更快地从缓存中获取数据，减少访问主内存的延迟，提高处理速度。低缓存命中率则导致频繁的内存访问，影响性能。 | 操作系统通过智能的缓存管理策略（如 LRU 算法）来优化缓存的使用，操作系统和硬件协同工作以提高缓存命中率。 |
| 缓存一致性 | 在多核 CPU 中，缓存一致性确保各个核心的缓存中存储的数据是一致的，避免不同核心读取到不同版本的数据。若缓存一致性机制不完善，会导致数据不一致、错误或性能瓶颈。 | 操作系统配合硬件的缓存一致性协议（如 MESI 协议）管理缓存更新，确保各核心缓存的数据一致性，减少同步开销。 |
| 内存带宽 | 内存带宽越大，CPU 和内存之间的数据传输速度越快，能更快速地访问大量数据。低内存带宽限制了数据传输速度，可能成为性能瓶颈。 | 操作系统通过优化内存访问模式，减少频繁的内存访问冲突。硬件层面，如 DDR4、GDDR 等内存标准的选择直接影响内存带宽。 |
| 内存延迟 | 内存延迟影响 CPU 从内存获取数据的速度，低延迟可以加快数据访问，提升计算效率。高延迟则导致 CPU 等待数据返回，浪费宝贵的计算时间。 | 操作系统通过内存访问优化、数据预取等技术降低内存延迟。同时，操作系统可调整内存调度策略，优先访问“热”数据，减少延迟。 |
| 内存使用大小及碎片 | 内存使用过大或内存碎片过多可能导致系统内存不足，频繁交换数据到硬盘，影响性能。内存碎片化还可能导致内存浪费，降低可用内存。 | 操作系统通过内存分配算法（如伙伴系统、区块分配）管理内存，避免碎片化。通过垃圾回收、内存压缩等方式优化内存使用。 |
| 内存的分配和回收速度 | 内存分配和回收速度影响程序的启动、运行及资源管理效率。分配慢会导致程序启动延迟，回收慢会造成内存泄漏或过多的内存占用。 | 操作系统通过内存管理策略（如虚拟内存、堆栈管理、内存池）进行内存分配和回收。高效的内存分配算法（如 SLAB、Tcmalloc）可以优化这一过程。 |
存储系统相关性能分析
主要指标
- IOPS
- 访问延迟
- 吞吐率/带宽
网络性能分析
主要指标
- 可用性
- 响应时间
- 网络带宽
- 网络吞吐量
- 网络利用率
调优原则
