作者：邴越
来自：cnblogs. ●cpu占用率
●内存使用情况
●磁盘I/O速度、传输和读写比率
●文件系统的使用率
●网络I/O速度、传输和读写比率、错误统计率与传输包的大小
●消耗资源最多的进程
●计算机详细信息和资源
●页面空间和页面I/O速度
●用户自定义的磁盘组
●网络文件系统
（2）使用rpc.rstatd监控系统性能
rpc.rstatd通常配合LoadRunner一起使用，注意与系统服务rpc.statd进行区分。
rstatd后台程序可以从系统核心中获取系统性能统计的相关信息，将结果返回给调用程序。
进行压力测试时，LoadRunner客户端通过给服务器上的rstatd后台程序发送请求，来收集应用或数据库服务器的性能数据。
（3）针对不同的服务合理配置资源监控方案
以Java服务为例，在压测同时可以对JVM虚拟机进行性能监控，这方面常用的有Jvisualvm、jps、jstack等。
下面是Jvisualvm的应用界面，可以监控本地和远程的JVM实例运行状态。
5针对测试报告进行针对性优化在压力测试发现问题以后，就要进行有针对性的优化。对于不同的系统，这个过程的策略并不是确定的，但是大概可以划分为以下几个步骤：
1.定位性能瓶颈，找出系统存在的问题不同系统的特点不同，在性能瓶颈上也有不同的表现，一般来说，下面的几个方面通常存在比较大的优化空间：
（1）磁盘I/O及文件操作
由于磁盘I/O读写的速度要比内存慢很多，程序在运行过程中，如果需要等待磁盘I/O完成，那么低效的I/O操作会拖累整个系统。
（2）网络操作
对网络数据进行读写的情况与磁盘I/O类似。由于网络环境的不确定性，尤其是对互联网上数据的读写，网络操作的速度可能比本地磁盘I/O更慢。
（3）CPU
对计算资源要求较高的应用，由于其长时间、不间断地大量占用CPU资源，那么对CPU的争夺将导致性能问题。如科学计算、3D渲染等对CPU需求旺盛的应用。
（4）高并发下的上下文切换及锁竞争等
高并发程序如果没有做好优化，存在大量的锁竞争，激烈得锁竞争将会明显增加线程上下文切换的开销，对性能造成极大的影响
（5）数据库
大部分应用程序都离不开数据库，而海量数据的读写操作可能是相当费时的。而应用程序可能需要等待数据库操作完成或者返回请求的结果集，那么缓慢的同步操作将成为系统瓶颈。
2.确定调整目标，提出解决方案找到系统的性能问题以后，需要作出对应的解决方案。
典型的影响性能的问题，比如：
（1）系统对高并发的场景响应不足，如数据库连接池过低，服务器连接数超过上限，数据库锁控制考虑不足等
（2）内存泄露，如在长时间运行下，内存没有正常释放，发生宕机等
（3）数据库优化不足，业务日益增长，关联表众多，SQL不够优化等
定位到上述问题，接下来就是提出合理的调整目标，
比如服务器资源有限，可以通过配置更多的机器，服务上云等进行优化；
如果对高并发支持不好，就可以在代码层面优化，提高并发支持；
数据库性能问题，如慢查询等问题，就可以进行SQL语句优化等。
3.实施解决方案，进行迭代开发上一步的分析给出了一个初步的性能优化方案，接下来就是针对方案中提到的内容进行针对性的改进。
这个过程可以应用敏捷的思想进行迭代，在开发完成后，为了对比优化结果，可以对调优后的系统进行小范围测试。
4.进行基准测试并分析调优结果数据说明一切，性能优化的结果不能简单的通过“感觉系统变快了”来衡量，最好是通过对比优化前后的测试结果，用图表的方式直观的把优化结果展示出来。基准测试是指通过设计科学的测试工具和方式方法，实现对一类测试对象的某项性能指标进行定量的和可对比的测试。对比测试结果，结合容量评估等工作，可以让系统发挥最大的效用。
一个阶段的优化工作完成以后，最好是总结反思一下，比如本次优化是否达到了目标？系统的整体性能是否得到了改善？用户体验是否得到了提升？以及如何在接下来的开发工作中做的更好。
长按回复关键词，看解决方案：
高并发
分布式
性能优化
微服务
数据库
缓存
大数据
面试
程序员规划
架构师
一起搬砖的点个赞