人人都能掌握的Java服务端性能优化方案

点击上方“Hollis”关注我，精彩内容第一时间呈现。

全文字数：   2000

阅读时间：  4分钟

作为一个Java后端开发，我们写出的大部分代码都决定着用户的使用体验。如果我们的代码性能不好，那么用户在访问我们的网站时就要浪费一些时间等待服务器的响应。这就可能导致用户投诉甚至用户的流失。

关于性能优化是一个很大的话题。《Java程序性能优化》说性能优化包含五个层次：设计调优、代码调优、JVM调优、数据库调优、操作系统调优等。而每一个层次又包含很多方法论和最佳实践。本文不想大而广的概述这些内容。只是举几个常用的Java代码优化方案，读者看完之后可以真正的实践到自己代码中的方案。

使用单例

对于IO处理、数据库连接、配置文件解析加载等一些非常耗费系统资源的操作,我们必须对这些实例的创建进行限制,或者是始终使用一个公用的实例,以节约系统开销,这种情况下就需要用到单例模式。

public class Singleton {  
    private volatile static Singleton singleton;  
    private Singleton (){}  
    public static Singleton getSingleton() {  
    if (singleton == null) {  
        synchronized (Singleton.class) {  
        if (singleton == null) {  
            singleton = new Singleton();  
        }  
        }  
    }  
    return singleton;  
    }  
}

单例模式有很多种写法，我的公众号也推送过多篇和单例相关的文章：

使用线程池

合理利用线程池能够带来三个好处。

第一：降低资源消耗。通过重复利用已创建的线程降低线程创建和销毁造成的消耗。

第二：提高响应速度。当任务到达时，任务可以不需要等到线程创建就能立即执行。

第三：提高线程的可管理性。线程是稀缺资源，如果无限制的创建，不仅会消耗系统资源，还会降低系统的稳定性，使用线程池可以进行统一的分配，调优和监控。

在 Java 5 之后，并发编程引入了一堆新的启动、调度和管理线程的API。Executor 框架便是 Java 5 中引入的，其内部使用了线程池机制，它在 java.util.cocurrent 包下，通过该框架来控制线程的启动、执行和关闭，可以简化并发编程的操作。

public class MultiThreadTest {
   public static void main(String[] args) {
       ThreadFactory threadFactory = new ThreadFactoryBuilder().setNameFormat("thread-%d").build();
       ExecutorService executor = new ThreadPoolExecutor(2, 5, 60L, TimeUnit.SECONDS, new LinkedBlockingQueue<Runnable>(), threadFactory);
       executor.execute(new Runnable() {
           @Override
           public void run() {
              System.out.println("hello world !");
           }
       });
       System.out.println(" ===> main Thread! " );
   }
}

使用Future模式

假设一个任务执行起来需要花费一些时间,为了省去不必要的等待时间,可以先获取一个“提货单”,即Future,然后继续处理别的任务,直到“货物”到达,即任务执行完得到结果,此时便可以用“提货单”进行提货,即通过Future对象得到返回值。

public class RealData implements Callable<String> {  
   protected String data;  

   public RealData(String data) {  
       this.data = data;  
   }  

   @Override  
   public String call() throws Exception {  
       //利用sleep方法来表示真是业务是非常缓慢的  
       try {  
           Thread.sleep(1000);  
       } catch (InterruptedException e) {  
           e.printStackTrace();  
       }  
       return data;  
   }  
}  

public class Application {  
   public static void main(String[] args) throws Exception {  
       FutureTask<String> futureTask =   
               new FutureTask<String>(new RealData("name"));  
       ExecutorService executor =   
               Executors.newFixedThreadPool(1); //使用线程池  
       //执行FutureTask，相当于上例中的client.request("name")发送请求  
       executor.submit(futureTask);  
       //这里可以用一个sleep代替对其他业务逻辑的处理  
       //在处理这些业务逻辑过程中，RealData也正在创建，从而充分了利用等待时间  
       Thread.sleep(2000);  
       //使用真实数据  
       //如果call()没有执行完成依然会等待  
       System.out.println("数据=" + futureTask.get());  
   }  
}

使用NIO

JDK自1.4起开始提供全新的I/O编程类库,简称NIO,其不但引入了全新高效的Buffer和Channel,同时,还引入了基于Selector的非阻塞 I/O机制,将多个异步的I/O操作集中到一个或几个线程当中进行处理,使用NIO代替阻塞I/O能提高程序的并发吞吐能力,降低系统的开销。

对于每一个请求,如果单独开一个线程进行相应的逻辑处理,当客户端的数据传递并不是一直进行,而是断断续续的,则相应的线程需要 I/O等待,并进行上下文切换。而使用NIO引入的Selector机制后,可以提升程序的并发效率,改善这一状况。

public class NioTest {  
    static public void main( String args[] ) throws Exception {  
        FileInputStream fin = new FileInputStream("c:\\test.txt");  
        // 获取通道  
        FileChannel fc = fin.getChannel();  
        // 创建缓冲区  
        ByteBuffer buffer = ByteBuffer.allocate(1024);  
        // 读取数据到缓冲区  
        fc.read(buffer);  
        buffer.flip();  
        while (buffer.remaining()>0) {  
            byte b = buffer.get();  
            System.out.print(((char)b));  
        }  
        fin.close();  
    }  
}

锁优化

在并发场景中，我们的代码中经常会用到锁。存在锁，就必然存在锁的竞争，存在锁的竞争，就会消耗很多资源。那么，如何优化我们Java代码中的锁呢？主要可以从以下几个方面考虑：

• 减少锁持有时间

• 可以使用同步代码块来代替同步方法。这样既可以减少锁持有的时间。

• 减少锁粒度

• 要在并发场景中使用Map的时候，记得使用ConcurrentHashMap来代替HashTable和HashMap。

• 锁分离

• 普通锁（如syncronized）会导致读阻塞写、写也会阻塞读，同时读读与写写之间也会进行阻塞，可以想办法将读操作和写操作分离开。

• 锁粗化

• 有些情况下我们希望把很多次锁的请求合并成一个请求，以降低短时间内大量锁请求、同步、释放带来的性能损耗。

• 锁消除

• 锁消除是Java虚拟机在JIT编译是，通过对运行上下文的扫描，去除不可能存在共享资源竞争的锁，通过锁消除，可以节省毫无意义的请求锁时间。 

关于锁优化的内容，后面会出一篇文章详细介绍。

压缩传输

在进行数据传输之前,可以先将数据进行压缩,以减少网络传输的字节数,提升数据传输的速度,接收端可以将数据进行解压,以还原出传递的数据,并且,经过压缩的数据还可以节约所耗费的存储介质(磁盘或内存)的空间以及网络带宽,降低成本。当然,压缩也并不是没有开销的,数据压缩需要大量的CPU计算,并且,根据压缩算法的不同,计算的复杂度以及数据的压缩比也存在较大差异。一般情况下,需要根据不同的业务场景,选择不同的压缩算法。

缓存结果

对于相同的用户请求,如果每次都重复的查询数据库,重复的进行计算,将浪费很多的时间和资源。将计算后的结果缓存到本地内存,或者是通过分布式缓存来进行结果的缓存,可以节约宝贵的CPU计算资源,减少重复的数据库查询或者是磁盘I/O,将原本磁头的物理转动变成内存的电子运动,提高响应速度,并且线程的迅速释放也使得应用的吞吐能力得到提升。

- MORE | 更多精彩文章 -

如果你看到了这里，说明你喜欢本文。

那么请长按二维码，关注Hollis

转发朋友圈，是对我最大的支持。