計算機(jī)性能你了解嗎？對于計算機(jī)性能來說你可能了解的越多，不知道的內(nèi)容也越多，本文來幫助你了解一些計算機(jī)性能。

　　計算機(jī)性能是一門令人激動的，富于變化同時又充滿挑戰(zhàn)的領(lǐng)域。

　　系統(tǒng)性能是對整個計算機(jī)系統(tǒng)的性能的研究，包括主要硬件組件和軟件組件。所有數(shù)據(jù)路徑上和從存儲設(shè)備到應(yīng)用軟件上所發(fā)生的事情都包括在內(nèi)，因為這些都有可能影響性能。對于分布式系統(tǒng)來說，這意味著多臺服務(wù)器和多個應(yīng)用。如果你還沒有關(guān)于你的環(huán)境的一張示意圖，用來顯示數(shù)據(jù)的路徑，趕緊找一張或者自己畫一張。它可以幫助你理解所有組件的關(guān)系，并確保你不會只見樹木不見森林。

　　系統(tǒng)性能的典型目標(biāo)是通過減少延時和降低計算成本來改善終端用戶的體驗。降低成本可以通過消除低效之處、提高系統(tǒng)吞吐量和進(jìn)行常規(guī)性能調(diào)優(yōu)來實現(xiàn)。

　　下面是系統(tǒng)性能的一些重要概念

　　延時

　　對于某些環(huán)境，延時是被唯一關(guān)注的性能焦點。而對于其他環(huán)境，它會是除了吞吐量以外，數(shù)一數(shù)二的分析要點。

　　作為延時的一個例子，圖 2.3 顯示了如 HTTP GET 請求的網(wǎng)絡(luò)傳輸，其響應(yīng)時間被分成連接延時和數(shù)據(jù)傳輸時間兩部分。

　　延時是操作執(zhí)行之前所花的等待時間。在這個例子里，操作是網(wǎng)絡(luò)服務(wù)的數(shù)據(jù)傳輸請求。在這個操作發(fā)生之前，系統(tǒng)必須等待建立網(wǎng)絡(luò)連接，這就是這個操作的延時。響應(yīng)時間包括了延時和操作時間。

　　因為延時可以在不同點測量，所以通常會指明延時測量的對象。例如，網(wǎng)站的載入時間由三個從不同點測得的不同時間組成 ：DNS 延時、TCP 連接延時和 TCP 數(shù)據(jù)傳輸時間。DNS 延時指的是整個 DNS 操作的時間，TCP 連接延時僅僅指的是初始化時間（TCP 握手）。

　　由于延時是一個時間上的指標(biāo)，因此可能有多種計算方法。性能問題可以用延時來進(jìn)行量化和評級，因為是用相同的單位來表達(dá)的（時間）。通過考量所能減少或移除的延時，預(yù)計的加速也可以被計算出來。這兩者不能用 IOPS 指標(biāo)很準(zhǔn)確地描述出來。

　　時間的量級和縮寫列在了表 2.1 中，可作為參考。

　　如果可能，其他的指標(biāo)也會轉(zhuǎn)化為延時或者時間，這樣就可以進(jìn)行比較了。如果必須在 100 個網(wǎng)絡(luò) I/O 和 50 個磁盤 I/O 之間做出選擇，怎樣才能知道哪個性能更好？這是一個復(fù)雜的選擇，因為其中包含了很多因素 ：網(wǎng)絡(luò)跳數(shù)、網(wǎng)絡(luò)丟包率和重傳率、I/O 的大小、隨機(jī)或順序的 I/O、磁盤類型，等等。但是如果你比較的是 100ms 的網(wǎng)絡(luò) I/O 延時和 50ms 的磁盤 I/O 延時，那差別就很明顯了！

　　時間量級

　　我們可以對時間進(jìn)行量化的比較，同時最好對時間和各種來源的延時的合理預(yù)期有本能的認(rèn)識。系統(tǒng)各組件的操作的時間量級差別巨大，表 2.2 中提供的延時示例，從訪問 3.5GHz 的 CPU 寄存器的延時開始，闡釋了各種操作時間量級的差別。表中所示的是發(fā)生單次操作的時間均值，等比放大為一個假想的系統(tǒng)，將 1 個 CPU 周期的 0.3ns（十億分之一秒的三分之一 1）放大為現(xiàn)實生活中的 1 秒。

　　正如你所見，1 個 CPU 周期的時間是很短暫的。0.5 米差不多是你的眼睛到這個頁面的距離，光線走過這段距離需要的時間大約是 1.7ns。在這段時間里，現(xiàn)代的 CPU 已經(jīng)執(zhí)行了 5 個 CPU 周期，處理了若干個指令。

　　權(quán)衡

　　你應(yīng)該知道某些性能權(quán)衡關(guān)系。圖 2.4 展示的是好 / 快 / 便宜“擇其二”的權(quán)衡關(guān)系，右圖所示的是對應(yīng)于 IT 項目的術(shù)語。

　　許多 IT 項目選擇了及時和成本低，留下了性能問題在以后解決。當(dāng)早期的決定阻礙了性能提高的可能性時，這樣的選擇會變得有問題，例如，選擇了非最優(yōu)的存儲架構(gòu)，或者使用的編程語言或操作系統(tǒng)缺乏完善的性能分析工具。

　　一個常見的性能調(diào)優(yōu)的權(quán)衡是在 CPU 與內(nèi)存之間，因為內(nèi)存能用于緩存數(shù)據(jù)結(jié)果，降低 CPU 的使用率。在有著充足 CPU 資源的現(xiàn)代系統(tǒng)里，交換可以反向進(jìn)行 ：CPU 可以壓縮數(shù)據(jù)來降低內(nèi)存的使用。

　　調(diào)優(yōu)的影響

　　性能調(diào)優(yōu)實施在越靠近工作執(zhí)行的地方效果最顯著。對于工作負(fù)載驅(qū)動的應(yīng)用程序，這意味著調(diào)優(yōu)性能的地方就在應(yīng)用程序本身。表 2.3 展示了一個軟件棧的例子，說明了性能調(diào)優(yōu)的各種可能。

　　對應(yīng)用程序?qū)蛹夁M(jìn)行調(diào)優(yōu)，可能通過消除或減少數(shù)據(jù)庫查詢獲得很大的性能提升（例如，20 倍）。在存儲設(shè)備層級進(jìn)行調(diào)優(yōu)，可以精簡或提高存儲 I/O，但是性能提升的重要部分在更高層級的操作系統(tǒng)棧代碼，所以對存儲設(shè)備層級的調(diào)優(yōu)對應(yīng)用程序性能的提升有限，是百分比量級的（例如，20%）。

　　在應(yīng)用程序?qū)蛹墝で笮阅艿木薮筇嵘?，還有一個理由。如今許多環(huán)境都致力于特性和功能的快速部署，按每周或每天將軟件的變更推入生產(chǎn)環(huán)境。 因此，應(yīng)用程序的開發(fā)和測試傾向于關(guān)注正確性，在部署前留給性能測量和優(yōu)化的時間很少甚至沒有。之后當(dāng)性能成為問題時，才會去做這些與性能相關(guān)的事情。

　　雖然發(fā)生在應(yīng)用程序?qū)蛹壍恼{(diào)優(yōu)效果最顯著，但這個層級不一定是觀測效果最顯著的層級。數(shù)據(jù)庫查詢緩慢最好從其所花費的 CPU 時間、文件系統(tǒng)和所執(zhí)行的磁盤 I/O 方面來考查。使用操作系統(tǒng)工具，這些都是可以觀測到的。

　　合適的層級

　　不同的公司和環(huán)境對性能有著不同的需求。你可能加入過這樣的公司，其分析標(biāo)準(zhǔn)要比你之前所見過的嚴(yán)格得多，甚至可能聽都沒聽過?；蛘呤沁@樣的公司，你覺得很基本的分析被認(rèn)為很高端甚至從未使用過（這是好消息 ：事情簡單輕松！）

　　這并不意味著某些公司做的是對的，某些做的是錯的。這取決于性能技術(shù)投入的投資回報率（ROI）。擁有大型數(shù)據(jù)中心或大型云環(huán)境的組織可能會雇用一個性能工程師團(tuán)隊來分析所有的事情，包括內(nèi)核內(nèi)部和 CPU 性能計數(shù)器，并頻繁使用各種跟蹤工具。他們還可能對性能進(jìn)行正式建模，并對未來的增長進(jìn)行準(zhǔn)確預(yù)測。對于每年在計算上有數(shù)百萬花費的環(huán)境來說，雇用這樣一個性能團(tuán)隊是值得的，因為他們進(jìn)行的優(yōu)化就是投資回報。小型創(chuàng)業(yè)公司的計算開支不大，可能只進(jìn)行表面的檢查，利用第三方監(jiān)測方案來檢查性能和提供警報。

　　何時停止分析

　　做性能分析時的一個挑戰(zhàn)是如何知道何時停止。有這么多的工具，有這么多的東西要檢查！

　　當(dāng)我教性能課程時（最近我又開始教了），我給我的學(xué)生一個有三個原因的性能問題，我發(fā)現(xiàn)有些學(xué)生在找到一個原因后就停止了，有些則是兩個，有些則是三個。有些學(xué)生則繼續(xù)努力，試圖為性能問題找到更多的原因。誰的做法是正確的？說你應(yīng)該在找到所有三個原因后就停止，可能很容易，但對于現(xiàn)實生活中的問題，你并不知道原因的數(shù)量。

　　這里有三種情況，你可以考慮停止分析，并提供了一些個人的例子。

　　當(dāng)你已經(jīng)解釋了大部分性能問題的時候。一個 Java 應(yīng)用程序消耗的 CPU 資源是原來的 3 倍。我發(fā)現(xiàn)的第一個問題是異常堆棧消耗了 CPU。然后我量化了這些堆棧的時間，發(fā)現(xiàn)它們只占整個 CPU 占用的 12%。如果這個數(shù)字接近 66%，我就可以停止分析了。但在這種情況下，在 12% 的情況下，我需要繼續(xù)尋找。

　　當(dāng)潛在的投資回報率低于分析的成本的時候。我所處理的一些性能問題可以帶來每年數(shù)千萬美元的收益。對于這些問題，我可以證明花幾個月的時間（工程成本）進(jìn)行分析是合理的。其他的性能問題，比如說微服務(wù)，可能是以數(shù)百美元計算的，甚至不值得花 1 個小時的工程時間來分析它們。例外情況可能包括 ：當(dāng)我沒有更好的事情可做時（這在實踐中從未發(fā)生過），或者如果我懷疑這可能是日后更大問題的隱患，值得在問題擴(kuò)大之前進(jìn)行調(diào)試時。

　　當(dāng)其他地方有更大的投資回報率的時候。即使前兩種情況沒有得到滿足，其他地方有更大的投資回報時經(jīng)常需要優(yōu)先考慮。如果你是全職的性能工程師，根據(jù)潛在的投資回報率對不同的問題進(jìn)行有選擇的分析可能是一項日常工作。

　　性能推薦的時間點

　　環(huán)境的性能特性會隨著時間改變，更多的用戶、新的硬件、升級的軟件或固件都是變化的因素。一種環(huán)境，受限于速度 10Gb/s 的網(wǎng)絡(luò)基礎(chǔ)設(shè)施，當(dāng)升級到 100Gb/s 時，很可能會發(fā)現(xiàn)磁盤或 CPU 的性能變得緊張。

　　性能推薦，尤其是可調(diào)優(yōu)的參數(shù)值，僅僅在一段特定時間內(nèi)有效。一周內(nèi)從性能專家那里得到的好建議，可能到了下一周，經(jīng)過一次軟件或硬件升級，或者用戶增多后就無效了。

　　在網(wǎng)上搜索找到的調(diào)優(yōu)參數(shù)值對于某些情況可能能快速見效。但如果對于你的系統(tǒng)或者工作負(fù)載并不合適，它們也可能會對性能有所損害，或者合適過一次，就不再合適了，或者只是作為軟件的某個 bug 修復(fù)升級之前暫時的應(yīng)急措施。這和從別人的醫(yī)藥箱里拿藥吃很像，那些藥可能不適合你，或者可能已經(jīng)過期，或者只適合短期服用。

　　如果僅僅是出于要了解有哪些參數(shù)可調(diào)以及哪些參數(shù)在過去是需要調(diào)整的，那么瀏覽這些性能建議是有用的。針對你的系統(tǒng)和工作負(fù)載，這項工作就變成了考慮這些參數(shù)是不是要調(diào)，以及調(diào)整成什么值。如果其他人不需要調(diào)整那個值，或者調(diào)整了但并未將經(jīng)驗分享出來，那么你有可能漏掉了重要的參數(shù)。

　　負(fù)載與架構(gòu)

　　應(yīng)用程序性能差可能是因為軟件配置和硬件的問題，也就是它的架構(gòu)和實現(xiàn)問題。另外，應(yīng)用程序性能差還可能是由于有太多負(fù)載，而導(dǎo)致了排隊和長延時。負(fù)載和架構(gòu)見圖 2.5。

　　如果對架構(gòu)的分析顯示只是工作任務(wù)在排隊，處理任務(wù)沒有任何問題，那么問題就可能出在施加的負(fù)載太多上。在云計算環(huán)境里，這是需要引入更多的服務(wù)器實例來處理任務(wù)的征兆。

　　舉個例子，架構(gòu)的問題可能是一個單線程的應(yīng)用程序在單個 CPU 上忙碌，從而導(dǎo)致請求排隊，但是其他的 CPU 卻是可用且空閑的。在這個例子里，性能就被應(yīng)用程序的單一線程架構(gòu)限制住了。架構(gòu)的另一個問題可能是一個程序的多個線程爭奪一個鎖，這樣只有一個線程可以向前推進(jìn)，而其他線程在等待。

　　負(fù)載的問題可能會是一個多線程程序在所有的 CPU 上都忙碌，但是請求依然排隊的情況。在這個例子里，性能可能被限制于 CPU 的性能，或者說是負(fù)載超出了 CPU 所能處理的范圍。

　　指標(biāo)

　　性能指標(biāo)是由系統(tǒng)、應(yīng)用程序，或者其他工具選定的統(tǒng)計數(shù)據(jù)，用于測量感興趣的活動。性能指標(biāo)用于性能分析和監(jiān)測，可以由命令行提供數(shù)據(jù)，也可以由可視化工具提供圖表。

　　常見的系統(tǒng)性能指標(biāo)如下。

　　吞吐量 ：每秒的數(shù)據(jù)量或操作量。

　　IOPS ：每秒的 I/O 操作數(shù)。

　　使用率 ：資源的繁忙程度，以百分比表示。

　　延時 ：操作時間，以平均數(shù)或百分?jǐn)?shù)表示。

　　吞吐量的使用取決于上下文環(huán)境。數(shù)據(jù)庫吞吐量通常用來度量每秒查詢或請求的數(shù)目（操作量）。網(wǎng)絡(luò)吞吐量度量的是每秒傳輸?shù)谋忍財?shù)或字節(jié)數(shù)（數(shù)據(jù)量）。IOPS 度量的是吞吐量，但只針對 I/O 操作（讀取和寫入）。再次重申，上下文很關(guān)鍵，上下文不同，定義可能會有不同。

　　緩存

　　緩存被頻繁使用來提高性能。緩存是將較慢的存儲層的結(jié)果存放在較快的存儲層中。

　　把磁盤的塊緩存在主存（RAM）中就是一例。

　　一般使用的都是多級緩存。CPU 通常利用多級硬件緩存作為主緩存（L1、L2 和L3），開始是一個非?？斓呛苄〉木彺妫↙1），后續(xù)的 L2 和 L3 逐漸增加了緩存容量和訪問延時。這是一個在密度和延時之間經(jīng)濟(jì)上的權(quán)衡。緩存的級數(shù)和大小的選擇以CPU 芯片內(nèi)可用空間為準(zhǔn)，確保達(dá)到最優(yōu)的性能。

　　一個了解緩存性能的重要指標(biāo)是每個緩存的命中率—所需數(shù)據(jù)在緩存中被找到的次數(shù)（hits，命中）與總訪問次數(shù)（hits+misses）的比例。

　　命中率 = 命中次數(shù) /（命中次數(shù) + 失效次數(shù)）

　　命中率越高越好，更高的命中率意味著更多的數(shù)據(jù)能成功地從較快的介質(zhì)中訪問獲得。

　　98% 和 99% 之間的性能差異要比 10% 和 11% 之間的性能差異大很多。由于緩存命中和失效之間的速度差異（兩個存儲層級），導(dǎo)致了這是一條非線性曲線。兩個存儲層級速度差異越大，曲線越陡峭。

　　已知的未知

　　已知的已知、已知的未知、未知的未知在性能領(lǐng)域是很重要的概念。下面是詳細(xì)的解釋，并提供了系統(tǒng)性能分析的例子。

　　已知的已知 ：有些東西你知道。你知道你應(yīng)該檢查性能指標(biāo)，你也知道它的當(dāng)前值。舉個例子，你知道你應(yīng)該檢查 CPU 使用率，而且你也知道當(dāng)前均值是10%。

　　已知的未知 ：有些東西你知道你不知道。你知道你可以檢查一個指標(biāo)或者判斷一個子系統(tǒng)是否存在，但是你還沒去做。舉個例子，你知道你能用剖析檢查是什么致使 CPU 忙碌，但你還沒去做這件事。

　　未知的未知 ：有些東西你不知道你不知道。舉個例子，你可能不知道設(shè)備中斷可以消耗大量 CPU 資源，因此你對此并不做檢查。在性能領(lǐng)域，“你知道的越多，你不知道的也就越多”。這和學(xué)習(xí)系統(tǒng)是一樣的原理：你了解的越多，你就能意識到未知的未知越多，然后這些未知的未知會變成你可以去查看的已知的未知。

　更多信息可以來這里獲取==>>電子技術(shù)應(yīng)用-AET<<

原文鏈接：https://mp.weixin.qq.com/s/1EkrU7uesdJCUO9IxbwZEA

電子技術(shù)應(yīng)用專欄作家：嵌入式與Linux那些事