常见的系统瓶颈

一、数据库

工作任务内存超过可用的RAM内存

长/短查询

写入冲突

大连接（join）占用内存

虚拟化

共享一个HDD、磁盘寻死（disk seek death）

在云端网络I/O波动

二、编程

线程：死锁、调试、非线性扩展等

事件驱动编程：callback()过于复杂、如何在函数调用中存储有状态等

缺乏调优、跟踪、日志等

单模块不可扩展、单点故障(SPOF:Single Point Of Failure)、非横向扩展等

有状态应用程序

设计问题：开发的应用程序只在自己的机器行运行正常，或者只是在几个人测试的时候正常（没有经历压力测试）。

算法过于复杂

相关服务，例如DNS查找以及其他可能屏蔽的服务

堆栈空间

三、磁盘

访问本地磁盘

随机访问磁盘I/O

磁盘碎片

当SSD写入的数据大于SSD容量时，性能会下降

四、OS

Fsync饱和，Linux缓冲区填塞（Fsync flushing, linux buffer cache filling up）

TCP缓冲区太小

文件描述符限制

功率分配（Power budget）

五、缓存

没使用memcached（数据库崩溃）

HTTP中：headers、etags、没有使用gzip压缩等。

没有充分利用浏览器缓存

字节码缓存（如PHP）

L1/L2缓存：这是个令人头疼的大瓶颈。把关键并且经常访问的数据存储在L1/L2中。这涉及到很多：snappy网络I/O,列数据库直接在压缩数据上运行算法等。利用一些技术不销毁你的TLB。最重要的思想是紧紧的抓住计算机的体系结构，涉及多核CPU，L1/L2，共享的L3，NUMA RAM，从DRAM到芯片数据传输带宽/延迟，DRAM缓存的DiskPages，DirtyPages，流经CPU<->DRAM<->NIC的TCP包。

六、CPU

CPU过载

内容切换—>单核上开启的线程过多、Linux调度器、系统调用太多等

IO等待—>所有的CPU在同速等待

CPU缓存：缓存数据是一个细粒度进程，为了在多个实例与不同的值数据之间找到正确的平衡，来保持缓存数据的一致性和繁重同步。

底板吞吐量（Backplane throughput）

七、网络

NIC刷爆、IRQ饱和、软中断占用掉了100%CPU

DNS查询

数据包丢失

网络中存在预期外的路由

访问网络磁盘

共享SAN

服务器故障—>无法从服务处得到响应

八、进程

测试时间

开发时间

团队规模

预算

代码债务

九、内存

内存不足—>杀死进程，切换到swap，挂起

内存不足导致磁盘交换（与swap相关）

记忆库开销过大（Memory library overhead）

内存分片（在Java中需要会因为内存回收而停顿；在C中，malloc总是开始分配内存）