ByteCoding

实现 在Java 6以及之前的版本中，String对象是对char数组进行了封装实现的对象 主要四个成员变量：char数组、偏移量offset、字符数量count、哈希值hash String对象通过offset和count两个属性来定位char数组，获取字符串 这样可以高效快速地共享数组对象，同时节省内存空间，但也有可能会导致内存泄露 Java 7/8，String类中不再有offset和count两个变量 这样String对象占用的内存稍微少了一点 另外，String.substring不再共享char[]，从而解决了使用该方法可能导致的内存泄露问题 从Java 9开始，将char[]修改为byte[]，同时维护了一个新的属性coder，它是一个编码格式的标识 一个char字符占用16位，2个字节，用一个char去存储单字节编码的字符会非常浪费 Java 9的String类为了节约内存空间，使用了占用8位，1个字节的byte数组来存放字符串 coder的作用：使用length()或者indexOf() coder有两个默认值：0代表LATIN1，1代表UTF16 不 ...

协程 协程可以理解为一种轻量级的线程 从操作系统的角度来看，线程是在内核态中调度的，而协程是在用户态调度的，协程的切换成本更低 协程栈比线程栈要小得多，典型的线程栈在1M左右，而协程栈一般在几K或者几十K左右 因此无论在时间维度还是在空间维度，协程都比线程轻量很多 支持协程的语言：Go、Python、Lua、Kotlin Java OpenSDK的Loom项目的目标是为了支持协程 Go中的协程12345678910func hello(msg string) { fmt.Println("Hello " + msg)}func TestCoroutine(t *testing.T) { // 在新的协程中执行hello方法 go hello("Go") // 等待100毫秒让协程执行结束 time.Sleep(100 * time.Millisecond)} Java中的线程是一个重量级对象，因此无法很好地实现Thread-Per-Message模式，而协程可以 Thread-Per-Me ...

STM STM：Software Transactional Memory，软件事务内存，借鉴于数据库的事务管理 传统的数据库事务支持ACID，即原子性（A）、一致性（C）、隔离性（I）和持久性（D） STM不支持持久化，即只支持ACI 数据库事务数据库保证在并发情况下不会发生死锁，而且还能保证ACID 1234567891011121314Connection conn = null;try{ // 获取数据库连接 conn = DriverManager.getConnection(); // 设置手动提交事务 conn.setAutoCommit(false); // 执行转账SQL ... // 提交事务 conn.commit();} catch (Exception e) { // 出现异常回滚事务 conn.rollback();} synchronized转账12345678910111213141516@AllArgsConstructorpublic class UnsafeAcco ...

性能测试测试方法 微基准性能测试 可以精准定位到某个模块或者某个方法的性能问题，例如对比一个方法使用同步实现和非同步实现的性能差异 宏基准性能测试 宏基准性能测试是一个综合测试，需要考虑到测试环境、测试场景和测试目标 测试环境：模拟线上的真实环境 测试场景：在测试某个接口时，是否有其他业务的接口也在平行运行，进而造成干扰 测试目标 可以通过吞吐量和响应时间来衡量系统是否达标，如果不达标，就需要进行优化 如果达标，就继续加大测试的并发数，探底接口的TPS 除了关注接口的吞吐量和响应时间外，还需要关注CPU、内存和IO的使用率情况 干扰因素热身问题 在Java编程语言和环境中，.java文件编译成.class文件后，需要通过解析器将字节码转换成本地机器码才能运行 为了节约内存和执行效率，代码在最初被执行时，解析器会率先解析执行这段代码 随着代码被执行的次数增加，当JVM发现某个方法或代码块运行得很频繁时，就会把这些代码认定为热点代码 为了提高热点代码的执行效率，在运行时，JVM将通过即时编译器（JIT）把这些代码编译成与本地平台相关的机器码 并进行各层次的优化，然后存储在内存中，之后每次运行代码 ...

Actor模型 Actor模型在本质上是一种计算模型，基本的计算单元称为Actor，在Actor模型中，所有的计算都在Actor中执行 在面向对象编程里，一切都是对象，在Actor模型里，一切都是Actor，并且Actor之间是完全隔离的，不会共享任何变量 Java本身并不支持Actor模型，如果需要在Java里使用Actor模型，需要借助第三方类库，比较完备的是Akka Hello Actor12345678910111213141516public class HelloActor extends UntypedAbstractActor { // 该Actor在收到消息message后，会打印Hello message @Override public void onReceive(Object message) throws Throwable { System.out.printf("Hello %s%n", message); } public static void main(String[] a ...

性能瓶颈 CPU 如果应用需要大量计算，会长时间占用CPU资源，导致其它应用因无法争夺到CPU而响应缓慢 场景：代码递归导致的无限循环，JVM频繁的Full GC、多线程编程造成的大量上下文切换 内存 Java程序一般通过JVM对内存进行分配管理，主要使用JVM中的堆内存来存储Java创建的对象 但内存空间有限，当内存空间被占满，对象无法回收，会导致内存溢出，内存泄露等问题 磁盘IO 网络：带宽 异常：Java应用中，抛出异常需要构建异常栈，对异常进行捕获和处理，这个过程非常消耗系统性能 数据库：数据库的操作往往涉及到磁盘IO的读写，大量的数据库读写操作，会导致磁盘IO的性能瓶颈 锁竞争 在并发编程中，经常需要使用到多线程，并发读写同一个共享资源，为了保证数据原子性，会用到锁 锁的使用会带来上下文切换，从而给系统带来性能开销 性能指标响应时间 一个接口的响应时间一般在毫秒级 数据库响应时间：数据库操作所消耗的时间，往往是整个请求链中最耗时的 服务端响应时间：包括Nginx分发请求所消耗的时间以及服务端程序执行所消耗的时间 网络响应时间：在网络传输时，网络硬件对需要传输的请求进行解析等操作 ...

有界队列 JUC中的有界队列ArrayBlockingQueue和LinkedBlockingQueue，都是基于ReentrantLock 在高并发场景下，锁的效率并不高，Disruptor是一款性能更高的有界内存队列 Disruptor高性能的原因 内存分配更合理，使用RingBuffer，数组元素在初始化时一次性全部创建 提升缓存命中率，对象循环利用，避免频繁GC 能够避免伪共享，提升缓存利用率 采用无锁算法，避免频繁加锁、解锁的性能消耗 支持批量消费，消费者可以以无锁的方式消费多个消息 简单使用123456789101112131415161718192021222324252627public class DisruptorExample { public static void main(String[] args) throws InterruptedException { // RingBuffer大小，必须是2的N次方 int bufferSize = 1024; // 构建Disruptor D ...

BIO BIO即阻塞式IO，使用BIO模型，一般会为每个Socket分配一个独立的线程 为了避免频繁创建和销毁线程，可以采用线程池，但Socket和线程之间的对应关系不会发生变化 BIO适用于Socket连接不是很多的场景，但现在上百万的连接是很常见的，而创建上百万个线程是不现实的 因此BIO线程模型无法解决百万连接的问题 在互联网场景中，连接虽然很多，但每个连接上的请求并不频繁，因此线程大部分时间都在等待IO就绪 理想的线程模型 用一个线程来处理多个连接，可以提高线程的利用率，降低所需要的线程 使用BIO相关的API是无法实现的，BIO相关的Socket读写操作都是阻塞式的 一旦调用了阻塞式的API，在IO就绪前，调用线程会一直阻塞，也就无法处理其他的Socket连接 利用NIO相关的API能够实现一个线程处理多个连接，通过Reactor模式实现 Reactor模式 Handle指的是IO句柄，在Java网络编程里，本质上是一个网络连接 Event Handler是事件处理器，handle_event()处理IO事件，每个Event Handler处理一个IO Handle ...

RateLimiter12345678910111213141516171819// 限流器流速：2请求/秒RateLimiter limiter = RateLimiter.create(2.0);ExecutorService pool = Executors.newFixedThreadPool(1);final long[] prev = {System.nanoTime()};for (int i = 0; i < 20; i++) { // 限流器限流 limiter.acquire(); pool.execute(() -> { long cur = System.nanoTime(); System.out.println((cur - prev[0]) / 1000_000); prev[0] = cur; });}// 输出// 499// 499// 497// 502// 496 令牌桶算法 Guava RateLimiter采用的是 ...

生产者-消费者模式 生产者-消费者模式的核心是一个_任务队列_ 生产者线程生产任务，并将任务添加到任务队列中，消费者线程从任务队列中获取任务并执行 从架构设计的角度来看，生产者-消费者模式有一个很重要的优点：_解耦_ 生产者-消费者模式另一个重要的优点是支持异步，并且能够平衡生产者和消费者的速度差异（任务队列） 支持批量执行 往数据库INSERT 1000条数据，有两种方案 第一种方案：用1000个线程并发执行，每个线程INSERT一条数据 第二种方案（更优）：用1个线程，执行一个批量的SQL，一次性把1000条数据INSERT进去 将原来直接INSERT数据到数据库的线程作为生产者线程，而生产者线程只需将数据添加到任务队列 然后消费者线程负责将任务从任务队列中批量取出并批量执行 1234567891011121314151617181920212223242526272829303132333435363738// 任务队列private BlockingQueue<Task> queue = new LinkedBlockingQueue<>(2000 ...