一、Linux系统级性能优化

1.1 内核参数调优

文件系统优化

• vm.dirty_ratio：控制脏页比例阈值（建议10-20%），过高会导致突发IO阻塞，过低增加频繁刷盘开销。例如设置为15%时：

  echo 15 > /proc/sys/vm/dirty_ratio

• vm.swappiness：交换分区使用倾向（0-100），内存充足时建议设为10避免不必要的swap：

  sysctl -w vm.swappiness=10

网络参数优化

• net.core.somaxconn：连接队列最大值（默认128），高并发场景建议设为4096：

  echo 4096 > /proc/sys/net/core/somaxconn

• net.ipv4.tcp_max_syn_backlog：SYN半连接队列长度，应对SYN洪水攻击时需调大：

  sysctl -w net.ipv4.tcp_max_syn_backlog=8192

1.2 资源限制调整

• 文件描述符限制：通过/etc/security/limits.conf修改：
  ```

• soft nofile 65535
• hard nofile 65535
  ```

• 进程数限制：调整/etc/sysctl.conf中的kernel.pid_max（默认32768）

二、MySQL数据库性能调优

2.1 存储引擎优化

• InnoDB缓冲池配置：

  [mysqld]
  innodb_buffer_pool_size = 12G  # 通常设为物理内存的60-80%
  innodb_buffer_pool_instances = 8  # 每个实例至少1GB

• 日志文件配置：

  innodb_log_file_size = 512M  # 结合业务写入量调整
  innodb_log_buffer_size = 64M  # 大事务场景可增至128M

2.2 查询性能优化

• 慢查询日志分析：

  SET GLOBAL slow_query_log = 'ON';
  SET GLOBAL long_query_time = 2;  # 记录超过2秒的查询

• 索引优化策略：
  • 复合索引遵循最左前缀原则
  • 避免过度索引（每个索引增加约10%写入开销）
  • 使用EXPLAIN分析执行计划

2.3 连接池配置

• 最大连接数计算：

  max_connections = (物理内存 - 系统保留内存) / 单个连接内存开销

• 线程缓存配置：

  thread_cache_size = 100  # 通常设为max_connections的25%

三、Nginx反向代理优化

3.1 工作进程配置

• 进程数设置：

  worker_processes auto;  # 自动匹配CPU核心数
  worker_rlimit_nofile 65535;  # 每个worker的文件描述符限制

3.2 连接处理优化

• 事件模型选择：

  events {
    use epoll;  # Linux最佳选择
    worker_connections 10240;  # 单worker最大连接数
  }

3.3 静态资源缓存

• 浏览器缓存配置：

  location ~* \.(jpg|png|css|js)$ {
    expires 30d;
    access_log off;
    add_header Cache-Control "public";
  }

3.4 动态请求代理

• 上游服务器配置：

  upstream backend {
    server 127.0.0.1:8080 weight=5;
    server 192.168.1.2:8080;
    keepalive 32;  # 保持长连接
  }

四、Tomcat应用服务器优化

4.1 连接器配置

• BIO/NIO模式选择：

  <Connector port="8080" protocol="org.apache.coyote.http11.Http11NioProtocol"
           connectionTimeout="20000"
           maxThreads="500"
           acceptCount="200"
           redirectPort="8443" />

4.2 内存参数调整

• JVM堆内存配置：

  JAVA_OPTS="-Xms4g -Xmx4g -XX:MetaspaceSize=256m -XX:MaxMetaspaceSize=512m"

• 垃圾收集器选择：

  JAVA_OPTS="$JAVA_OPTS -XX:+UseG1GC -XX:G1HeapRegionSize=4m"

4.3 线程池优化

• 执行器配置：

  <Executor name="tomcatThreadPool" 
          namePrefix="catalina-exec-"
          maxThreads="200" 
          minSpareThreads="20"
          prestartminSpareThreads="true"/>

4.4 会话管理

• 会话超时设置：

  <session-config>
    <session-timeout>30</session-timeout>  <!-- 分钟 -->
  </session-config>

• 分布式会话方案：
  • Redis存储：通过tomcat-redis-session-manager实现
  • 数据库存储：配置PersistentManager

五、综合监控与调优方法论

5.1 监控工具链

• 系统级监控：sar、vmstat、iostat
• MySQL监控：pt-query-digest、Percona Monitoring and Management
• Nginx监控：ngx_http_stub_status_module
• Tomcat监控：JMX、Prometheus + Micrometer

5.2 调优实施流程

1. 基准测试：使用ab、wrk、sysbench建立性能基线
2. 瓶颈定位：结合监控数据确定优化方向
3. 参数调整：遵循”小步快跑”原则，每次修改1-2个参数
4. 验证测试：对比调整前后的性能指标
5. 文档记录：维护完整的调优日志

5.3 常见误区警示

• 盲目增大参数值：如无限制增加MySQL缓冲池可能导致内存交换
• 忽视硬件限制：CPU密集型应用不适合部署在多核但低频的机器上
• 忽略业务特性：读多写少与写多读少场景需要不同的优化策略
• 版本兼容问题：某些参数在不同版本中的行为可能变化

六、实战案例分析

6.1 高并发Web应用优化

某电商平台峰值QPS 8000+，优化措施：

1. Linux层：调整net.core.netdev_max_backlog至32768
2. Nginx层：启用ssl_session_cache shared10m
3. Tomcat层：配置APR连接器，启用压缩compression="on"
4. MySQL层：分库分表，读写分离

6.2 大数据报表系统优化

某BI系统导出10万+数据时超时，优化方案：

1. 调整MySQL的net_read_timeout和net_write_timeout至300秒
2. 优化Tomcat的maxSwallowSize至200MB
3. 实现分页查询+异步导出机制
4. 使用Nginx的proxy_buffering off避免缓冲问题

七、持续优化建议

1. 建立性能基线：定期执行标准化测试
2. 实施A/B测试：对比不同参数组合的效果
3. 关注新技术：如eBPF在Linux监控中的应用
4. 自动化调优：开发参数自动调整脚本
5. 容量规划：预留20-30%的资源余量

通过系统化的性能调优，可使典型Java Web应用的响应时间降低40-60%，吞吐量提升2-3倍。建议每季度进行全面性能评估，在业务高峰前完成关键参数优化。