性能优化：让系统跑得更快

性能优化是技术含量最高的工作之一。

很多人优化的第一反应是"加缓存"、"换数据库"、"上分布式"——但如果没有数据支撑，优化就是盲目的。

优化的正确姿势

先测量，再优化。没有数据的优化是耍流氓。

优化前先问：

1. 慢在哪里？（定位瓶颈）
2. 有多慢？（量化指标）
3. 为什么慢？（分析原因）

优化后再问： 4. 优化后快了多少？（验证效果）

常见优化方向

方向	常见问题	优化手段
内存	对象创建过多	对象复用、减少 GC
计算	算法复杂度高	换算法
IO	同步阻塞	异步、批量
数据库	SQL 慢	加索引、改写 SQL

字符串优化

字符串拼接是性能问题的高发区：

// ❌ 循环内拼接，O(n²)
String result = "";
for (int i = 0; i < 1000; i++) {
    result += "item" + i;
}

// ✅ StringBuilder，O(n)
StringBuilder sb = new StringBuilder();
for (int i = 0; i < 1000; i++) {
    sb.append("item").append(i);
}

// ✅ JDK 8+ 用 StringJoiner
String result = IntStream.range(0, 1000)
    .mapToObj(i -> "item" + i)
    .collect(Collectors.joining(","));

集合优化

// ✅ 预估容量，减少扩容
List<String> list = new ArrayList&lt;&gt;(10000);

// ✅ 循环中删除用 removeIf
list.removeIf(item -> item.length() &gt; 10);

// ✅ 用迭代器而不是 for-each 当要边遍历边删除
Iterator&lt;String&gt; it = list.iterator();
while (it.hasNext()) {
    if (it.next().length() &gt; 10) {
        it.remove();
    }
}

缓存优化

重复计算的结果缓存起来：

// ❌ 每次都重新计算
public String getFullName(Long userId) {
    User user = userRepository.findById(userId);
    return user.getFirstName() + user.getLastName();
}

// ✅ 用 Map 缓存
private final Map<Long, String> fullNameCache = new ConcurrentHashMap<>();

public String getFullName(Long userId) {
    return fullNameCache.computeIfAbsent(userId, id -> {
        User user = userRepository.findById(id);
        return user.getFirstName() + user.getLastName();
    });
}

批量操作

减少数据库/网络调用次数：

// ❌ 循环中逐条插入
for (OrderItem item : items) {
    orderItemRepository.save(item);
}

// ✅ 批量插入
orderItemRepository.saveAll(items);

// ❌ 循环中逐条查询
for (Long userId : userIds) {
    User user = userRepository.findById(userId); // N 次数据库查询
}

// ✅ 批量查询
Map<Long, User> userMap = userRepository.findAllById(userIds).stream()
    .collect(Collectors.toMap(User::getId, u -> u));

总结

1. 先测量：用 Arthas / Profiler 找到真正的瓶颈
2. 避免过早优化：先保证代码可读，性能问题出现再优化
3. 选择合适的数据结构：数据结构选对了，性能自然好
4. 批量操作：减少 IO 次数是优化的捷径

优化的本质是减少浪费：减少不必要的计算、不必要的 IO、不必要的内存分配。