从代码层面优化系统性能应该怎么做？
服务器配置：4 核 CPU，8G 内存，共 4 台
MQ：RabbitMQ
数据库：DB2
SOA 框架：公司内部封装的 Dubbo
缓存框架：Redis、Memcached
统一配置管理系统：公司内部开发的系统
单台 40TPS，加到 4 台服务器能到 60TPS，扩展性几乎没有。
在实际生产环境中，经常出现数据库死锁导致整个服务中断不可用。
数据库事务乱用，导致事务占用时间太长。
在实际生产环境中，服务器经常出现内存溢出和 CPU 时间被占满。
程序开发的过程中，考虑不全面，容错很差，经常因为一个小 bug 而导致服务不可用。
程序中没有打印关键日志，或者打印了日志，信息却是无用信息没有任何参考价值。
配置信息和变动不大的信息依然会从数据库中频繁读取，导致数据库 IO 很大。
项目拆分不彻底，一个 Tomcat 中会布署多个项目 WAR 包。
因为基础平台的 bug，或者功能缺陷导致程序可用性降低。
程序接口中没有限流策略，导致很多 VIP 商户直接拿我们的生产环境进行压测，直接影响真正的服务可用性。
没有故障降级策略，项目出了问题后解决的时间较长，或者直接粗暴的回滚项目，但是不一定能解决问题。
没有合适的监控系统，不能准实时或者提前发现项目瓶颈。
我们从第二条开始分析，先看一个基本例子展示数据库死锁的发生：
注：在上述事例中，会话 B 会抛出死锁异常，死锁的原因就是 A 和 B 二个会话互相等待。
分析：出现这种问题就是我们在项目中混杂了大量的事务 +for update 语句，针对数据库锁来说有下面三种基本锁：
Record Lock：单个行记录上的锁
Gap Lock：间隙锁，锁定一个范围，但不包含记录本身
Next-Key Lock：Gap Lock + Record Lock，锁定一个范围，并且锁定记录本身
当 for update 语句和 gap lock 和 next-key lock 锁相混合使用，又没有注意用法的时候，就非常容易出现死锁的情况。
那我们用大量的锁的目的是什么，经过业务分析发现，其实就是为了防重，同一时刻有可能会有多笔支付单发到相应系统中，而防重措施是通过在某条记录上加锁的方式来进行。
针对以上问题完全没有必要使用悲观锁的方式来进行防重，不仅对数据库本身造成极大的压力，同时也会把对于项目扩展性来说也是很大的扩展瓶颈，我们采用了三种方法来解决以上问题：
使用 Redis 来做分布式锁，Redis 采用多个来进行分片，其中一个 Redis 挂了也没关系，重新争抢就可以了。
使用主键防重方法，在方法的入口处使用防重表，能够拦截所有重复的订单，当重复插入时数据库会报一个重复错，程序直接返回。
使用版本号的机制来防重。
以上三种方式都必须要有过期时间，当锁定某一资源超时的时候，能够释放资源让竞争重新开始。
伪代码示例：
项目中类似这样的程序有很多，经常把类似 httpClient，或者有可能会造成长时间超时的操作混在事务代码中，不仅会造成事务执行时间超长，而且也会严重降低并发能力。
那么我们在用事务的时候，遵循的原则是快进快出，事务代码要尽量小。针对以上伪代码，我们要用 httpClient 这一行拆分出来，避免同事务性的代码混在一起，这不是一个好习惯。
下面以我之前分析的一个案例作为问题的起始点，首先看下面的图：
项目在压测的过程中，CPU 一直居高不下，那么通过分析得出如下分析：
我们针对线上的环境进行模拟，尽量真实的在测试环境中再现，采用数据库连接池为咱们默认的 C3P0。
那么当压测到二万批，100 个用户同时访问的时候，并发量突然降为零！报错如下：
com.yeepay.g3.utils.common.exception.YeepayRuntimeException: Could not get JDBC Connection; nested exception is java.sql.SQLException: An attempt by a client to checkout a Connection has timed out.
那么针对以上错误跟踪 C3P0 源码，以及在网上搜索资料发现 C3P0 在大并发下表现的性能不佳。
以上代码的场景是每一次并发请求过来，都会创建一个线程，将 DUMP 日志导出进行分析发现，项目中启动了一万多个线程，而且每个线程都极为忙碌，彻底将资源耗尽。
那么问题到底在哪里呢？？？就在这一行！
private static final ExecutorService executorService = Executors.newCachedThreadPool();
在并发的情况下，无限制的申请线程资源造成性能严重下降，在图表中显抛物线形状的元凶就是它！！！那么采用这种方式最大可以产生多少个线程呢？？答案是：Integer 的最大值！看如下源码：
那么尝试修改成如下代码：
private static final ExecutorService executorService = Executors.newFixedThreadPool(50);
修改完成以后，并发量重新上升到 100 以上 TPS，但是当并发量非常大的时候，项目 GC（垃圾回收能力下降），分析原因还是因为 Executors.newFixedThreadPool(50) 这一行，虽然解决了产生无限线程的问题，但是当并发量非常大的时候，采用 newFixedThreadPool 这种方式，会造成大量对象堆积到队列中无法及时消费，看源码如下：
可以看到采用的是无界队列，也就是说队列是可以无限的存放可执行的线程，造成大量对象无法释放和回收。
方案一
注：因为服务器的 CPU 只有 4 核，有的服务器甚至只有 2 核，所以在应用程序中大量使用线程的话，反而会造成性能影响，针对这样的问题，我们将所有异步任务全部拆出应用项目，以任务的方式发送到专门的任务处理器处理，处理完成回调应用程序器。后端定时任务会定时扫描任务表，定时将超时未处理的异步任务再次发送到任务处理器进行处理。
方案二
使用 AKKA 技术框架，下面是我以前写的一个简单的压测情况：
http://www.jianshu.com/p/6d62256e3327
先看下面这段日志打印程序：
像这样的代码是严格不符合规范的，虽然每个公司都有自己的打印要求。
首先日志的打印必须是以 logger.error 或者 logger.warn 的方式打印出来。
日志打印格式：[系统来源] 错误描述 [关键信息]，日志信息要能打印出能看懂的信息，有前因和后果。甚至有些方法的入参和出参也要考虑打印出来。
在输入错误信息的时候，Exception 不要以 e.getMessage 的方式打印出来。
合理的日志格式是：
我们在程序中大量的打印日志，虽然能够打印很多有用信息帮助我们排查问题，但是更多是日志量太多不仅影响磁盘 IO，更多会造成线程阻塞对程序的性能造成较大影响。
在使用 Log4j1.2.14 版本的时候，使用如下格式：
%d %-5p %c:%L [%t] - %m%n
那么在压测的时候会出现下面大量的线程阻塞，如下图：
再看压测图如下：
原因可以根据 log4j 源码分析如下：
注：Log4j 源码里用了 synchronized 锁，然后又通过打印堆栈来获取行号，在高并发下可能就会出现上面的情况。
于是修改 Log4j 配置文件为：
%d %-5p %c [%t] - %m%n
上面问题解决，线程阻塞的情况很少出现，极大的提高了程序的并发能力，如下图所示：
