Java的性能有某種黑魔法之稱。部分原因在于Java平臺非常復雜，很多情況下問題難以定位。然而在歷史上還有一種趨勢，人們靠智慧和經驗來研究Java性能，而不是靠應用統計和實證推理。在這篇文章中，我希望拆穿一些最荒謬的技術神話。

1.Java很慢

關于Java的性能有很多謬論，這一條是最過時的，可能也是最為明顯的。

確實，在上世紀90年代和本世紀初處，Java有時是很慢。

然而從那以后，虛擬機和JIT技術已經有了十多年的改進，Java的整體性能現在已經非常好了。

在6個獨立的Web性能基準測試中，Java框架在24項測試中有22項位列前四。

盡管JVM利用性能剖析僅優化常用的代碼路徑，但這種優化效果很明顯。很多情況下，JIT編譯的Java代碼和C++一樣快，而且這樣的情況越來越多了。

盡管如此，依然有人認為Java平臺很慢，這或許源自體驗過Java平臺早期版本的人的歷史偏見。

在下結論之前，我們建議保持客觀的態度，并且評估一下最新的性能結果。

2.可以孤立地看待單行Java代碼

考慮下面這行短小的代碼：

MyObject obj = new MyObject();

對Java開發者而言，看似很明顯，這行代碼一定會分配一個對象并調用適當的構造器。

我們也許可以據此推出性能邊界了。我們認為這行代碼一定會導致執行一定量的工作，基于這種推定，就可以嘗試計算其性能影響了。

其實這種認識是錯誤的，它讓我們先入為主地認為，不管什么工作，在任何情況下都會進行。

事實上，javac和JIT編譯器都能夠將死代碼優化掉。就JIT編譯器而言，基于性能剖析數據，甚至可以通過預測將代碼優化掉。在這樣的情況下，這行代碼根本不會運行，所以不會影響性能。

此外，在某些JVM中——比如JRockit——JIT編譯器甚至可以將對象上的操作分解，這樣即便代碼路徑還有效，分配操作也可以避免。

這里的寓意是，在處理Java性能問題時，上下文非常重要，過早的優化有可能產生違反直覺的結果。所以最好不好過早優化。相反，應該總是構建代碼，并且使用性能調校技術來定位性能熱點，然后加以改進。

3.微基準測試和你想象的一樣

正如我們上面看到的那樣，檢查一小段代碼不如分析應用的整體性能來的準確。

盡管如此，開發者還是喜歡編寫微基準測試。似乎對平臺底層的某些方面進行修修補補會帶來無窮的樂趣。

理查德·費曼曾經說過：“不要欺騙自己，你自己正是最容易被欺騙的人。”這句話用來說明編寫Java微基準測試這件事是再合適不過了。

編寫良好的微基準測試極其困難。Java平臺非常復雜，而且很多微基準測試只能用于測量瞬時效應，或是Java平臺的其他意想不到的方面。

例如，如果沒有經驗，編寫的微基準測試往往就是測一下時間或垃圾收集，卻沒有抓住真正的影響因素。

只有那些有實際需求的開發者和開發團隊才應該編寫微基準測試。這些基準測試應該完全公開（包括源代碼），而且是可以復現的，還應接受同行評審及進一步的審查。

Java平臺的很多優化表明統計運行和單次運行對結果影響很大。要得到真實可靠的答案，應該將一個單獨的基準測試運行多次，然后把結果匯總到一起。

如果讀者感覺有必要編寫微基準測試，Georges、Buytaert和Eeckhout等人的論文《利用嚴格的統計方法評測Java 性能（Statistically Rigorous Java Performance Evaluation）》是個不錯的開始。缺乏適當的統計分析，我們很容易被誤導。

有很多開發好的工具以及圍繞這些工具的社區（比如Google的Caliper）。如果確實有必要編寫微基準測試，那也不要自己編寫，這時需要的是同行的意見和經驗。

4.算法慢是性能問題的最常見原因

在開發者之間有一個很常見的認知錯誤（普通大眾也是如此），即認為系統中他們控制的那部分很重要。

在探討Java性能時，這種認知錯誤也有所體現：Java開發者認為算法的質量是性能問題的主要原因。開發者考慮的是代碼，因此他們自然會偏向于考慮自己的算法。

實際上在處理一系列現實中的性能問題時，人們發現算法設計是根本問題的幾率不足10%。

相反，與算法相比，垃圾收集、數據庫訪問和配置錯誤導致應用程序緩慢的可能性更大。

大部分應用處理的數據量相對較小，因此，即使主要算法效率不高，通常也不會導致嚴重的性能問題。可以肯定，我們的算法不是最優的；盡管如此，算法帶來的性能問題還是算小的，更多性能問題是應用棧的其他部分導致的。

因此我們的最佳建議是，使用實際生產數據來揭開性能問題的真正原因。要測量性能數據，而不是憑空猜測！

5.緩存可以解決所有問題

“計算機科學中的所有問題都可以通過引入一個中間層來解決。”

David Wheeler的這句程序員格言（在互聯網上，這句話至少還被認為是其他兩位計算機科學家說的）非常常見，尤其是在Web開發者之中很流行。

如果未能透徹理解現有的架構，而且分析也已停頓，往往就是“緩存可以解決所有問題”這種謬論抬頭的時候了。

在開發者看來，與其處理嚇人的現有系統，還不如在前面加一層緩存，將現有系統隱藏起來，以此期待最好的情況。無疑，這種方式只是讓整體架構更復雜了，當下一個接手的開發者打算了解系統現狀時，情況會更糟糕。

規模龐大、設計拙劣的系統往往缺乏整體的設計，是一次一行代碼、一個子系統這樣寫出來的。然而很多情況下，簡化并重構架構會帶來更好的性能，而且幾乎總是更容易讓人理解。

所以當評估是否真的有必要加入緩存時，應該先計劃收集一些基本的使用統計信息（比如命中率和未命中率等），以此證明緩存層帶來的真正價值。

6.所有應用都需要關注Stop-The-World問題

Java平臺存在一個無法改變的事實：為運行垃圾收集，所有應用線程必須周期性停頓。有時這被當作Java的一個嚴重缺點，即使沒有任何真憑實據。

實證研究表明，如果數字數據（如價格波動）變化的頻率超過200毫秒一次，人就無法正常感知了。

應用主要是給人用的，因此我們有一個有用的經驗法則，200毫秒或低于200毫秒的Stop-The-World（STW）通常是沒有影響的。有些應用可能有更高的要求（如流媒體），但很多GUI應用是不需要的。

少數應用（比如低延遲交易或機械控制系統）無法接受200毫秒的停頓。除非編寫的就是這類應用，否則用戶基本感覺不到垃圾收集器的影響。

值得一提的是，在應用線程數量超過物理核數的任何系統中，操作系統必須控制對CPU的分時訪問。Stop-The-World聽著可怕，但實際上任何應用（不管是JVM還是其他應用）都要面對稀缺計算資源的爭用問題。

如果不去測量，JVM對應用性能有何附加影響是不清楚的。

總之，請打開GC日志，以此來確定停頓時間是否真的影響了應用。通過分析日志來確定停頓時間，這里既可以手工分析，也可以利用腳本或工具分析。然后再判定它們是否真的給應用于帶來了問題。最重要的是，問自己一個關鍵的問題：確實有用戶抱怨嗎？

7.手寫對象池適合一大類應用

認為Stop-The-World停頓在某種程度上是不好的，應用開發團隊的一個常見反應就是在Java堆內實現自己的內存管理技術。這往往會歸結為實現一個對象池（甚至是全面的引用計數），而且需要使用了領域對象的任何代碼都參與進來。

這種技術幾乎總是具有誤導性的。它基于過去的認知，那時對象分配非常昂貴，而修改對象則廉價的多。現在的情況已經完全不同了。

現在的硬件在分配時非常高效；最新的桌面或服務器硬件，內存帶寬至少是2到3GB。這是一個很大的數字，除非專門編寫的應用，否則要充分利用這么大的帶寬還真不容易。

一般來說，正確實現對象池非常困難（尤其是有多個線程工作時），而且對象池還帶來了一些負面的要求，使這種技術不是一個通用的良好選擇：

所有接觸到對象池代碼的開發者必須了解對象池，而且能正確處理哪些代碼知道對象池，哪些代碼不知道對象池，其界限必須讓大家知道，并且寫在文檔中這些額外的復雜性要保持更新，而且定期復審如果有一條不滿足，悄然出現問題（類似于C 中的指針復用）的風險就又回來了

總之，只有GC停頓不能接受，而且調校和重構也未能將停頓減小到可以接受的水平時，才能使用對象池。

8.在垃圾收集中，相對于Parallel Old，CMS總是更好的選擇

Oracle JDK默認使用一個并行的Stop-The-World收集器來收集老年代，即Parallel Old收集器。

Concurrent-Mark-Sweep (CMS)是一個備選方案，在大部分垃圾收集周期，它允許應用線程繼續運行，但這是有代價的，而且有一些注意事項。

允許應用線程與垃圾收集線程一起運行，不可避免地帶來一個問題：應用線程修改了對象圖，可能會影響對象的存活性。這種情況必須在事后加以清理，因此CMS實際上有兩個STW階段（通常非常短）。

這會帶來一些后果：

必須將所有應用線程帶到安全點，每次Full GC期間會停頓兩次；盡管垃圾收集與應用同時執行，但應用的吞吐量會降低（通常是50%）；在使用CMS進行垃圾收集時，JVM所用的簿記信息（和CPU周期）遠高于其他的并行收集器。

這些代價是不是物有所值，取決于應用的情況。但是天下沒有免費的午餐。CMS收集器在設計上值得稱道，但它不是萬能的。

所以在確定CMS是正確的垃圾收集策略之前，首先應該確認Parallel Old的STW停頓確實不能接受，而且已經無法調校。最后，我重點強調一下，所有指標必須從與生產系統等價的系統中獲得。

9.增加堆的大小可以解決內存問題

當應用陷入困境，并且懷疑是GC的問題時，很多應用團隊的反應就是增加堆的大小。在某些情況下，這樣做可以快速見效，而且為我們留出了時間來考慮更周詳的解決方案。然而，如果沒有充分理解性能問題的原因，這種策略反而會讓事情變得更糟糕。

考慮一個編碼非常糟糕的應用程序，它正在產生很多領域對象 (它們的生存時間很有代表性，比如說是2-3秒)。如果分配率高到一定程度，垃圾收集會頻繁進行，這樣領域對象會被提升到老年代。領域對象幾乎是一進入年老代，生存時間就結束了，從而直接死亡，但它們直到下一次Full GC時才會被回收。

如果增加了應用的堆大小，我們所做的不過是增加了相對短命的對象進入和死亡所用的空間。這會導致Stop-The-World停頓時間更長，對應用并無益處。

在修改堆大小或者調校其他參數之前，理解對象的分配和生存時間的動態是很有必要的。沒有測量性能數據就盲目行動，只會使情況更糟糕。在這里，垃圾收集器的老年代分布情況特別重要。

結論

當談到Java的性能調校時，直覺常常起誤導作用。我們需要實驗數據和工具來幫助我們將平臺的行為可視化并加強理解。

垃圾收集就是最好的例子。對于調校或者生成指導調校的數據而言，GC子系統擁有無限的潛力；但是對于產品應用而言，不使用工具很難理解所產生數據的意義。

默認情況下，運行任意Java進程（包括開發環境和產品環境），應該至少總是使用如下參數：

-verbose:gc（打印GC日志）-Xloggc:（更全面的GC日志）-XX:+PrintGCDetails（更詳細的輸出）-XX:+PrintTenuringDistribution（顯示JVM所使用的將對象提升進入老年代的年齡閾值）

然后使用工具來分析日志，這里可以利用手寫的腳本，可以用圖生成，還可以使用GCViewer（開源的）或jClarity Censum這樣的可視化工具。