性能优化的价值
从上图可以看出几个优点
成本降低
稳定性提升
用户体验体验提升
性能优化的缺点也有
维护成本增加：代码可能变复杂，结构可能变复杂，技术栈可能变复杂
性能优化的两种模式
个人总结，性能优化整体上可以分为两类：单应用优化和结构型优化。
单应用优化，关注单系统瓶颈，通过解决单系统瓶颈提升性能。结构型优化，通过改造链路结构和配比，进行整体性能的优化。
单应用优化常见步骤
优化基本思路（闭环）
确定性能瓶颈/热点
确定优化方案
实施、反馈优化情况
确定性能瓶颈/热点的常见方法
性能压测：通过工具/人肉等方式量化运行时性能情况
业务/代码梳理：通过代码走读，发现资源消耗热点（牛B的人可以这么干）；通过统计代码对资源的操作，量化代码对资源的消耗（比如一个业务操作会进行多少次数据库调用，会进行多少次服务运算等方式）
压测时常观察的内容及工具有（举例java应用）
压测工具：jmeter
内存的使用情况：mat，gc日志，vmstat
IO情况：iostat
网络情况：netstat
热点代码：jprofile，btrace，jstack，jstat
CPU情况：top
优化的常见手段或模式
静态化：动态数据和静态数据分离。
异步化：使用异步化减少主流程中的非关键业务逻辑。
并行化：使用多线程并发处理，缩短响应时间。
内存优化：减少对象大小，减少对象创造，数据模型优化
去重复运算：业务逻辑优化，或者使用缓存
减少数据库操作：数据冗余，数据缓存等
缩短数据库事务：短事务，异步化，最终一致性等方式可以考虑
精简代码逻辑：去除冗余代码，诸如过度设计检查等代码。
精简日志操作：日志大小要关注，注意IO上的瓶颈；日志太多，说明生成的string也会多，也增加了gc负担
等等
结构型优化常见步骤
此部分介绍的内容，在很多网站架构变迁的文章中介绍过，这里通过图的方式展现出来。
每个阶段都有适用的软件架构，基于成本、建设复杂度、维护成本的考虑，不必强求一开始建设很完整的技术体系。
个人认为，性能是驱动应用体系研究的重要驱动力，可以通过下面应用结构演进看出来。
1、单应用时代常见瓶颈先发生在DB
2、单应用时代常见第一个解法是使用缓存（偏向应用级别缓存）
3、单应用时代常见第一个解法是独立缓存服务（集中式缓存，如memcache）
3、单应用集中式部署带来应用集群处理能力提升
4、单应用集中式部署部署后的DB瓶颈
5、单应用集中式部署部署后的DB瓶颈解法（数据库拆分、读写分离）
6、服务化拆分应对更大范围请求量
服务化集群部署模式
两个结构优化的案例
处理单点/网络瓶颈的可行方式
处理数据库连接池瓶颈的可行手段
总结：性能/应用优化的几个趋势
作者：征途小丘，陈显铭，蚂蚁金服技术专家，分享性能优化的常见模式及趋势
原文链接：性能优化的常见模式及趋势
相关资源：python入门教程(PDF版)