大数据中如何分析架构性能优化

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。

创新互联建站主要从事网站建设、成都做网站、网页设计、企业做网站、公司建网站等业务。立足成都服务松阳,10余年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18980820575

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

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。谢谢大家关注一下创新互联网站！

新闻标题：大数据中如何分析架构性能优化
网页路径：http://6mz.cn/article/iigiid.html

网站建设知识