對于大部分應用來說，想要高性能，主要是要做到盡可能的減少網絡請求(含DB、Redis、MongoDB、MQ)等。幾乎所有的應用，性能瓶頸永遠是在帶寬那里；關于各個組件到CPU的時間周期，文字描述如下：L1>L2>memory>disk>internet。

大家都知道IP是逐跳協議，也就是說我只能從一個路由器，到下一個路由器，再到下一個路由器，如果你的電腦到服務器，中途要經過很多個路由器，那時間周期就會長很多很多很多。為什么要做CDN、P2P等也是這個考慮，縮短網絡的路徑（降低帶寬承載也是一方面）。

就像是我有一個游戲服務器，在線人數約4000，里面是一個狀態機在跑，需要不斷的去檢測各種狀態、經驗、星座、任務開放、技能開放等。一個玩家大約10個狀態的判定，4000個玩家必須在200ms之內檢測完畢，不然延遲會很嚴重，那1s就是大約執行5次，如果每一次數據都去Redis去取，大約是5*10*4000 = 200k次，別說Redis，再牛的服務器都頂不住！

遇到這種情況，建議把數據放在內存里面，直接從內存取，然后foreach。大部分的應用優化到這里，基本上應付所謂的日pv百萬，就不是什么問題了。

到了這一步，那么問題來了，對于內部應用，比如分布式文件存儲、數據分析、任務調度，咋整？

對于大數據，其實一直是一個偽命題，數據量太大屬于硬傷。所有的做大數據處理的，都是把數據分成小數據，然后分塊來處理，最后再合并。其實從MySQL、Oracle、msSQL等一系列人RMDB的分區，分庫上的處理就可以看出來。想要提高性能，必須要做到，每個模塊處理的數據量，都是細分到了一定粒度的。這個時候index、group、hash等的重要性，在這里就體現出來了。

若我有一個業務系統，每天的日志大約是10個G，一個月就大約是300G，一季度大約1T，我需要看每小時/每天/每周/每月/每季度的各種報表，每次都去數T里面去找，肯定是不可能的。

一般按業務分析每分鐘的數據，10G/24/60大約7M，然后生成一個分析后的結果文件，大約幾K，1小時就是60個文件，需要查看每小時的數據，則將60個文件的結果合并。

那我需要查看某一個用戶，最近10天來的所有操作/訂單，那原分組方式，已經無法滿足，這個時候怎么辦呢？

在插入用戶數據的時候，可以按照一定規則，比如用戶編號的后兩位取摸，去存儲在某一個文件里面，10G的數據，則可以相對平均的分配到100個文件里面去，需要查看某用戶時，則可以針對用戶編號取摸，直接定位到那個文件，然后再去里面查詢數據。這個是比較簡單的gourp+index。這一塊想明白以后，你就可以在這個基礎上面，寫個定制化的簡單的fs了

經常聽到有人說，多線程的程序還不如單線程的程序性能高。那如何編寫一個能合理利用CPU資源的多線程程序？

大家都知道，線程切換是需要額外的開銷，所以在編寫多線程程序的時候，就需要盡可能的避免共享式資源，這樣就可以在保證數據一致性的同時，而又避開線程等待的時間。

舉個簡單的例子：

我有個大的字典(Dictionary/Map)存放用戶的會話數據，每個線程，去這個字典里面去讀/寫數據的時候，都需要去上鎖，才能保證數據的一致性，如果兩個(更多)線程同時去讀/寫數據，其他的線程就需要去等待當前線程釋放資源，線程越多，則等待的幾率越大，性能則越差，多線程處理變成了單線程處理，且等待完了以后，能否再切換回來這個線程繼續執行，又是另外一個開銷，這一部分屬于系統拖托管，屬于不可控的。

那么問題來了：怎么解決呢？

根據硬件和實際測試數據，合理分配線程資源，比如，我初始化了8個線程，每個用戶的請求，對于線程總數取模，保證每個用戶的請求，同一個線程處理，則可以在每個線程內部，存放這些用戶數據，每個線程在自己內部進行存取，避開了lock，也避開了線程等待/切換帶來的資源開銷。不取模，隨機分配線程，然后用一個hash表來存放，也可。讓每個線程，專注于做自己的事情，任務調度作業，也是基于這個處理。把線程處理機制，放大到虛擬機/物理機之間的消息分發，也是如此。

總體來說，避開網絡開銷，避開海量數據，避開資源爭奪 是所有高性能的幾個基本要素。