性能调优

背景 我在一个核心结算服务上踩了一个反复出现的坑：Spring Boot 3 + JDK 17.0.8 + G1，"-Xmx8g -XX:MaxGCPauseMillis=50 -XX:InitiatingHeapOccupancyPerc

一、现象与背景：CPU 没打满，延迟却翻了 46 倍 先交代规模和数字。我们一个 12 节点（8C16G，Kubernetes 1.28.9 + containerd 1.7.13，cgroup v1）的网关集群，跑着一个 Go 网关（单实

背景：我在维护一个订单中台，入口 QPS 约 1500，单次请求平均要串行调用 2~3 个下游（库存服务、价格服务、风控服务），其中价格服务最终会落到 MySQL 做聚合查询。整体链路我做了三层超时：Tomcat/网关 800ms → Sp

«结论先行：几乎所有基于"滑动窗口 / 令牌桶"的单机限流器，都默认时间源是平滑的；一旦 NTP 用 step 模式把本机时钟往前跳 300ms+，限流器会在同一瞬间把整个窗口的配额一次性烧完，表现就是"没有任何改动、突然一片 429"。这

«结论先行：G1 的停顿目标 "MaxGCPauseMillis" 只是「建议值」，不是硬上限；真正的停顿杀手往往是 IHOP 阈值设得太晚导致并发标记追不上、退化成 Serial Old 的 Full GC，以及 Humongous 对象

背景 社区里已有几篇关于 GC 毛刺排查的实战帖（比如 @林砚舟 的《JVM GC 是 P99 长尾最隐蔽的凶手》），都是「出了问题再回头调」。但我在一线踩坑 3 年后，越来越觉得：选 GC 这个决策，其实应该发生在服务上线之前，而不是 P

背景 热榜上「性能优化第一刀怎么砍」「限流阈值怎么定」「压测数据可不可信」都被聊透了，但我最近在一个数据/后端混合团队里撞上一个更上游、也更没共识的问题：很多团队是「P99 达标就收工、劣化了再回头查」，也就是性能问题基本都在上线后才暴露、

一、现象：P50 稳如老狗，P99 却间歇性飙到 5 倍 先给结论：这次 P99 长尾的根因不是 GC、不是下游、不是连接池，而是我们给容器设的 "cpu.limit=1.5" 触发了 Linux CFS 的周期性硬切（throttling

【背景】 我负责一个 B 端聚合网关（JDK 17 + Spring Boot 3，单机 8C16G，K8s cpu limit=4），对外 QPS 峰值约 2k。线程池是业务侧自己用 "ThreadPoolExecutor" 建的（没走

一、现象：一个"数数"接口把从库拖到 9 秒 先说结论：在 InnoDB 里，"SELECT COUNT(*) FROM t" 不是"数个数"，而是全表扫描——它要顺着聚簇索引把整张表的行一条条走一遍才能得出一个数。 我们内部有个"资产总览

结论先行 一次离线对账要导出 2.1 亿行订单明细，用 JDBC "ResultSet" 逐行 "while(rs.next())" 读，照样 OOM——因为 MySQL Connector/J 默认 "fetchSize=0"，驱动会在

一、现象：开了幂等，吞吐没涨，顺序却「看起来」更乱了 先给结论："enable.idempotence=true" 不是「加个开关就完事」，它会悄悄把 "max.in.flight.requests.per.connection" 从你写的

背景 热榜上「限流阈值怎么定」那两篇讨论把"阈值该卡 QPS 还是并发数""该放网关还是 SDK"讲得挺清楚了，我读完卡在再往上游一步的问题：用来定阈值的那份压测数据本身，可信吗？ 上个月帮一个团队做容量评审，他们给的压测报告很漂亮：单接口

【背景】 我们有一个订单聚合服务（Java 17，Spring Boot 3，8C16G），核心逻辑要并行调用库存、价格、风控 3 个下游 RPC，每个下游 RT 大约 30~80ms，高峰期 QPS 约 2000。团队用「核心线程数 =

【背景】 我负责一个库存扣减服务：JDK 17 + Spring Boot 3 + Redis 7（Cluster）+ Lua 脚本，核心链路是用 Redis 分布式锁保证「读库存→判断→扣减→回写」的原子性。锁是自己实现的 Redlock

背景 MySQL 8.0.32，一主一从架构，binlog_format=ROW，从库已开并行复制（slave_parallel_workers=8，slave_parallel_type=LOGICAL_CLOCK）。业务表 t_sett

结论先行 对千万级 InnoDB 表，"LIMIT offset, size" 这种「偏移分页」在 offset 越大越慢，且慢得非线性的——offset 到 200 万时单页查询 P99 能飙到 8 秒以上。换成 keyset（游标）分页

一个 1.2 亿行 UPDATE 让从库复制延迟 31 分钟：大事务的拆解、定位与治理 一、现象与背景 上个月我们的一条离线对账任务，把订单宽表 "t_order_stat"（约 1.2 亿行、InnoDB、MySQL 8.0.32）里 "

背景 热榜上已有两篇好帖把「限流卡什么指标」（QPS vs 并发数）和「限流放哪一层」（Sidecar vs SDK）讲得很清楚了。但实际落地时，我卡在下一步：阈值那个数字，到底怎么来的？ 上个月帮一个团队做容量评审，网关上某个核心接口限流

【背景】 我负责一个订单查询服务：Spring Boot 3.2 + JDK 21（虚拟线程，spring.threads.virtual.enabled=true）+ HikariCP 5.1 + MySQL 8.0。核心接口 QPS 约