效能最佳化是程式設計師工作必備的技能，下面分享一些經典的效能最佳化思路和方法。
首先明確效能最佳化的定義和目標。效能最佳化是指透過 持續的 分析、實踐和測試，確保系統穩定高效執行，從而滿足使用者的訴求。
效能最佳化閉環：
效能最佳化分類
一般情況下，我們把效能最佳化分為 2 大類：
1）通用最佳化
是指一些經典的、對於絕大多數情況都適用的最佳化策略。比如增大伺服器的併發請求處理數、使用快取減少資料庫查詢、透過負載均衡分攤請求、同步轉非同步等。
2）對症下藥
是指結合具體的業務特性和系統現狀，先透過效能監控工具、壓力測試等方式，分析出系統的效能瓶頸，再針對性地選取策略進行最佳化。
比如資料庫單次查詢超過 1 秒，屬於慢查詢，根據實際的查詢條件給對應的欄位增加索引，一般就能提高查詢效能。
實際開發中，這兩類效能最佳化策略通常都要使用。在系統設計和開發階段，我們要根據自己的經驗，本能地引入一些效能最佳化的手段，降低後續系統出現問題、需要迭代最佳化的機率。此外，效能最佳化一定是持續的，隨著需求、使用者、系統用量的增多，原本效能符合要求的系統也可能會出現各種新的問題，很難面面俱到、一步到位。
但是，對於複雜的、對可用性和穩定性要求極高的專案，我們可以提前透過壓力測試來模擬使用者量極大的情況，並提前做好效能最佳化和應對措施。
通用效能最佳化手段
有哪些通用的效能最佳化手段呢？
我們以一個請求的完整生命週期為例，依次去介紹。
通常，使用者從傳送請求，到最終得到資料，要分別經過以下節點：
每個節點，我們都有對應的最佳化方法：
1）前端：
●離線快取：利用瀏覽器的快取機制，請求過一次的資源就不用重複請求，提高頁面載入速度。
●請求合併：頁面請求過多時，將多個小請求合併成一個大請求，減少網路開銷。
●懶載入：延遲載入頁面的圖片等元素，提高首屏載入速度。
2）閘道器：
●負載均衡：負責接受請求，根據一定的路由演算法轉發到對應的後端系統，實現多個後端伺服器分攤請求，增大併發量。
●快取：將後端返回的資料進行快取，下次前端請求時，直接從閘道器獲取資料，減少後端呼叫、提高資料獲取速度。
3）後端請求層：
●伺服器最佳化：根據業務特性，選擇效能更高的伺服器並調整引數，比如 Nginx、Undertow 等。
●微服務：將大型服務拆分為小型服務，並透過微服務閘道器進行轉發，增大各服務的併發處理能力。
4）業務邏輯層：
●非同步化：將同步的業務邏輯改為非同步，儘早響應，提高併發處理能力。
●多執行緒：將複雜的操作拆分成多個任務，透過多執行緒併發執行，提高任務處理效率。
5）中介軟體（第三方依賴）：
●快取：將資料庫查詢出的結果資料快取到效能更高的服務（比如基於記憶體的 Redis 或本地），減少資料庫的壓力、並提高資料查詢效能。
●佇列：使用訊息佇列，對系統進行解耦、或者將操作非同步化，實現流量的削峰填谷。
6）儲存層：
●分庫分表：資料量極大時，對資料庫進行垂直或水平切分，提高資料庫併發處理能力。
●資料清理：定期清理無用或過期的資料，減少儲存壓力，必要時可以對資料進行備份轉儲。
雖然有那麼多效能最佳化方法，但並不是每一種都要用、每一種都有用。在做效能最佳化時，一定要根據實際情況，權衡價效比和系統改動風險，並且做好充分的測試，不要好心最佳化、結果給系統匯入了新的 Bug。而且一般情況下，不建議大家為了最佳化盲目引入新技術，先從成本最低的最佳化方法開始。
舉個例子，你在本地使用 Elasticsearch 最佳化了查詢效能，但是公司根本沒有成本採購 Elasticsearch，這就脫離了實際情況。
大家先了解這些方法，日後做效能最佳化時能夠想起來就足夠了。