性能调优涉及参数配置、资源利用与查询优化。

核心概念

• shared_buffers、work_mem、maintenance_work_mem 等关键参数。
• Autovacuum 维护表统计与膨胀。
• IO、CPU、内存瓶颈分析。

实战步骤

• 根据内存与负载调整主要参数。
• 使用 Auto Explain 记录慢查询计划。
• 执行 VACUUM、REINDEX 保持健康。

进阶建议

PostgreSQL 提供多种索引类型，应根据查询模式选择。

核心概念

• B-Tree、GIN、GiST、BRIN、Hash 等。
• 部分索引、表达式索引、覆盖索引。
• 维护开销与 Autovacuum。

实战步骤

• 使用 CREATE INDEX CONCURRENTLY 减少锁。
• 创建表达式索引支持模糊查询。
• 定期重建膨胀严重的索引。

进阶建议

• 结合 HypoPG 测试索引效果。
• 在 JSONB 字段上使用 GIN + jsonb_path_ops。
• 通过 pg_stat_statements 分析索引命中。

性能优化需关注硬件、配置与查询模式。

核心概念

• 内存、CPU、IO 资源。
• wiredTigerCacheSizeGB 控制缓存。
• 监控锁、队列、慢查询。

实战步骤

• 调整副本集优先级和心跳。
• 使用 Profiler 捕获慢操作。
• 重建索引提升查询效率。

进阶建议

• 使用 Atlas Performance Advisor 自动建议。
• 结合分片实现水平扩展。
• 利用监控平台建立 SLO。

索引设计影响查询效率与写入成本。

核心概念

• 单字段、复合、TTL、部分索引各有用途。
• 使用 explain() 查看计划。
• 写入密集场景控制索引数量。

实战步骤

• 创建复合索引满足排序 + 过滤。
• 利用部分索引减少稀疏数据成本。
• 使用索引覆盖查询 _id、字段组合。

进阶建议

• 监控 indexUsage 识别未使用索引。
• 在分片键上建立索引提升路由效率。
• 结合 Atlas Performance Advisor 自动推荐。

索引设计是查询优化的核心，需要结合业务访问模式。

核心概念

• 符合最左前缀原则的复合索引提升效率。
• 覆盖索引减少回表。
• 合理控制索引数量与选择性。

实战步骤

• 使用 EXPLAIN 分析执行计划。
• 定期评估重复或未使用索引。
• 通过前缀索引平衡存储与性能。

进阶建议

• 利用虚拟列 + 索引支持动态字段。
• 在写密集场景中使用延迟索引创建。
• 监控 Handler_read_* 指标分析索引命中率。

现代 PHP 借助 OPcache、JIT 与缓存体系可达到优异性能。

核心概念

• OPcache 缓存字节码，减少解析开销。
• HTTP 缓存、应用缓存与对象缓存协同。
• Profiling 定位热点函数。

实战步骤

• 配置 OPcache、Realpath Cache 参数。
• 使用 Symfony Cache/Laravel Cache 抽象不同存储。
• 结合 Blackfire/Xdebug 分析性能。

JVM 提供丰富的调优手段，需要基于指标与场景调节。

核心概念

• 垃圾收集器选择：G1、ZGC、Shenandoah。
• 堆、栈、元空间等内存区域。
• JIT 编译与逃逸分析影响性能。

实战步骤

• 通过 jcmd、jmap、jstack 排查问题。
• 设置合适的堆大小与 GC 参数。
• 使用 Async Profiler 分析热点。

JPA 提供便利，但不合理的映射会造成性能瓶颈。

核心概念

• 合理使用 Lazy/Eager Fetch 避免 N+1。
• 批量操作需要清理持久化上下文。
• 二级缓存、查询缓存提升读性能。

实战步骤

• 使用 EntityGraph 与 fetch join 控制加载。
• 批量插入使用 saveAll + flush + clear。
• 启用统计日志分析慢查询。

缓存是性能优化的重要手段，需要关注一致性与过期策略。

核心概念

• 多级缓存：本地、分布式、CDN。
• 一致性策略：写穿、写回、旁路。
• 缓存失效需有回源与降级方案。

实战步骤

• 使用 Redis 构建分布式缓存层。
• 实现缓存标签化，批量失效。
• 监控命中率与回源耗时。

进阶建议

• 在多数据中心部署时同步缓存。
• 结合 Bloom Filter 减少穿透。
• 通过边缘计算近源缓存热点数据。

流式 API 提供高效的数据处理方式。

核心概念

• Readable/Transform/Writable 流组合强大。
• 背压机制防止内存爆炸。
• 管道化处理易于组合。

实战步骤

• 使用 pipeline 组合多个转换。
• 处理 CSV/日志等大文件导入。
• 结合 zlib/gzip 实现压缩传输。

进阶建议

• 将流与消息队列相结合实现实时处理。
• 使用 stream/promises 简化 async/await。
• 监控内存与 GC 指标防止溢出。