1. 用線程池執行異步任務

為了減少阻塞時間，加快響應速度，把無需返回結果的操作變成異步任務，用線程池來執行，這是提高性能的一種手段。

你可能要驚訝了，這么做不對嗎?

首先，我們把異步任務分為兩種：

• 務必成功執行的
• 不成功就放棄

顯然大多數時候都是***種。那么當你把任務丟給線程池，你知道它完成了沒有嗎?

如果服務器宕機、升級或重啟，那些尚未完成或還在排隊的任務就丟了。后果是，用戶在促銷活動中搶到的優惠券，沒有發給用戶。更嚴重的后果是，一個訂單在送往倉庫系統的途中消失了。

我推薦的做法是把任務投遞到消息中間件，讓它分發給消息消費者來執行(消費者可能是發送者自身)。

• 消息中間件可以要求消費者在完成任務后通知中間件，否則就重新分發消息，直到收到任務已完成的通知。
• 如果中間件沒這種功能，可以讓應用要求消費者在完成任務后回發一個"任務已完成"的消息，但應用不能同步等待這一消息，否則異步就退化為同步了。

更重要的是，消息中間件有持久化功能，即使宕機也不丟消息，而且可以長期不升級、不重啟。消息中間件的缺點是，對失敗情況的處理難以定制化——你可能想定制重試間隔、重試次數等細節。

換個角度來看，要解決丟任務的問題，你不一定要用消息中間件。你可以在應用代碼中把任務和完成狀態保存到數據庫中，用線程池執行，在完成后更新狀態。這是不是很像作業調度(例如Quartz)呢?是的。

然而，有些任務確實是可有可無的，例如『刷新一個不重要的緩存』的任務，那么就隨便丟到線程池吧。

2. 日志采用同步模式

我們知道，性能瓶頸通常都是I/O，尤其是數據庫的I/O。因此我們用了緩存，速度蹬的一下竄上來了——不一定哦。

用緩存把I/O變成了內存計算，***瓶頸消除，速度上升一個數量級。在這個數量級，一些原本不重要的因素開始產生影響了。

日志是一種I/O啊，雖然順序寫磁盤很快，但還是比內存計算要慢啊。更糟的是，一個線程寫日志時，另一個線程必須等它寫完才能接著寫，否則日志會亂，當日志量較大時，就stop the world了。

所以當你的系統性能高到一定程度，就要對日志做性能優化了(有過提高3倍QPS的案例)，兩個常見辦法：

• 少打日志
• 異步模式

今天少打日志，明天排查bug就想哭。所以主要靠異步模式。

Logback可以通過配置(網上搜一搜)，在RollingFileAppender上套一個AsyncAppender，實際上就是加了個緩沖隊列，變成了批量寫磁盤。缺點是無法看到***日志(還沒寫磁盤)。queueSize默認是256，即使設為16，也有明顯的性能提升，還緩和了不能及時看到***日志的問題。

Log4j 2的異步模式有更深入的優化，是否選用，以測試數據為準。

3. 沒有超時設置

網絡忘記設超時，系統隨時可能掛。

每一個網絡操作，都記得設置超時時間，超過這個時間就放棄。訪問分布式緩存也如此。

如果不設超時，可能會等到天荒地老。網絡，就是這么不確定。

4. 沒有統計緩存***率

一個***率低下的緩存，不如沒有。雖然LRU算法很好用，但未必沒有例外情況。頻繁作廢的數據、大體積數據都可能是負擔。

統計緩存***率的實現辦法可以是內存里計數，定期寫到數據庫或文件;也可以是把***情況打到日志里，日后匯總統計。也可能有更精巧的實現。

當你的系統進入精耕細作時代，這個問題必然擺上案頭。

5. 沒有統計緩存響應時間

緩存一定快嗎?我真的見過不快的。分布式緩存要經由網絡，網絡抖一抖，緩存抖三抖;還依賴運維，運維抖一抖，緩存抖三抖。此事之微妙，不可不察也。

留個心，設個超時，記個響應時間。一個簡單辦法是，當響應時間過長時，打一行日志，正常情況不打日志。這樣既留了記錄，又不產生過多日志。

6. 單一的緩存模式

分布式緩存是由緩存中間件組成的集群，一致性較好，緩存的很快會同步到所有副本。但是畢竟要經由網絡，延遲為亞毫秒級，而且負載聚集到中間件，可能因網絡擁塞或機器負載高而出現性能波動。

為了進一步提高部分業務的性能和穩定性，可能要輔以本地緩存。

• 緩存要有過期策略，如果使用了Guava Cache，可以選擇expireAfterAccess(不常用)、expireAfterWrite或refreshAfterWrite策略：
  expire是先丟棄舊數據，再從數據庫加載新數據，期間讓數據庫承擔壓力，適用于一般情況。
  refresh是在異步加載新數據完成前，一直保留舊數據，能始終為數據庫擋住壓力，適用于高壓情況。
• 各個應用實例的本地緩存是獨立的，舊數據的作廢依賴于過期策略。作為改進，可以利用消息隊列，一個實例廣播消息說某數據作廢了，其他實例紛紛自檢。這是準實時同步。

緩存的更新方式也影響著性能，@左耳朵耗子 的緩存更新的套路很好地介紹了三種套路，現在我來對比一下：

• Cache Aside Pattern: 應用程序在數據庫和緩存之間周旋，以數據庫為準。適合一般情況，因此最常用。
• Read/Write Through Pattern: 應用只讀寫緩存，緩存同步寫回數據庫(同步是指應用等待著寫回完成)。理論性能略高一些。
• Write Behind Caching Pattern: 應用只讀寫緩存，緩存異步寫回數據庫(應用不等待寫回完成，緩存若宕機將丟數據)。理論性能***，如果有Write Ahead Logging特性，可避免丟數據，但略為降低性能。

7. 分布式緩存加鎖

有的系統步入精耕細作時代后，想避免一種情況——緩存作廢時，很多應用實例同時訪問數據庫，加重負載，而且浪費資源。于是有了給緩存加鎖的方案。

簡單版是每個實例內部設鎖，某條數據只許一個線程去數據庫取。復雜版是把鎖設在分布式緩存中，某條數據只許一個實例去數據庫取，然后放入緩存讓其他實例用。

復雜版的想法是好的，但注意，鎖要設置超時(還記得我上文說的嗎)，否則萬一持有鎖的實例發生問題，就全體耽誤了。即使設了超時，也可能全體實例一直等待超時，浪費時間。所以這種方案不一定好，需以測試數據為準。

8. 疲于奔命

很多公司經常加班，實際上效率低下、也不持久，只能復制既有經驗，靠不停換人來維持，其后果就是：需求混亂、bug巨多、創新乏力。

要把技術搞好，需要有條不紊，遇變不亂，持久輸出。疲于奔命的模式，做不好大型服務端開發，也難以做好各種領域的開發。