这篇文章跟大家分析一下“大数据中如何分析架构性能优化”。内容详细易懂，对“大数据中如何分析架构性能优化”感兴趣的朋友可以跟着小编的思路慢慢深入来阅读一下，希望阅读后能够对大家有所帮助。下面跟着小编一起深入学习“大数据中如何分析架构性能优化”的知识吧。
性能压测工具：
通常使用工具：Jmeter及LoadRunner发起压力测试并收集压测指标。
nmon：检测Linux的性能情况，被广泛用于linux系统上进行监控与分析工具。
内存的使用情况：MAT、GC日志、vmstat
I/O情况：iostat
网络情况：Netstat
热点代码：JProfiler、BTrace、JStack、JStat
CPU情况：Linux下的top命令
优化方法论：
阿姆达尔定律：分析对整体影响最大的点，进行优化
不访问不必要的数据：减少不必要的环节，减少故障点和维护点
就近加载：缓存为王
故障隔离：不要因为一个系统瓶颈压垮整个系统
具备良好的扩展能力：合理地利用资源，提高处理效率并避免单点故障
对整个链路进行优化：减少串行同步调用，合理拆分（水平或垂直吃饭）
性能与功能同等重要：5个功能的性能指标是设计阶段的90%，则整体的性能变为设计时的59%。
优化思路：
1、了解现状，发现问题
2、确定清晰的优化目标，分析现状与目标的差距并确认执行路线。
3、对系统进行拆分，分别对逻辑层（Web层、业务层、持久化层）和物理层（客户端、网络、应用服务器、数据库服务器）进行优化。
4、利用工具对系统进行监控和测试，并对监控结果进行分析
5、科学的对系统进行优化，需遵循一定的程序：监控/性能测试 -> 分析瓶颈 罗列瓶颈的原因 验证瓶颈因素 修改系统 确认是否达到优化目标。
影响性能的因素：CPU、内存、IO、网络或其他因素
找出主要瓶颈：先解决关键因素、再重复监控或测试验证
避免过度优化，一个修改一个瓶颈，不要对不需要的地方进行优化
提高CPU性能，写出更快的代码，设计出更好的算法，减少短期生存的对象
提高内存性能：减少长期生存的对象
提高I/O性能：重新设计应用，减少I/O的交互
缓存为王：适度缓存，做到最大化发挥数据库缓存、应用端缓存、客户端缓存的作用。
分层优化：
客户端优化
服务器优化
JVM优化
数据库优化
负载均衡优化
关于大数据中如何分析架构性能优化就分享到这里啦，希望上述内容能够让大家有所提升。如果想要学习更多知识，请大家多多留意小编的更新。谢谢大家关注一下亿速云网站！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
