编码逻辑上的优化: 重复的代码可以提取出来，做成公共的方法。
数据复用: 缓存Buffer和缓存Cache
缓冲: 常见于对数据的暂存，然后批量传输或者写入。多使用顺序方式，用来缓解不同设备之间频繁地、缓慢地随机写，缓冲主要针对的是写操作。
缓存: 常见于对已读取数据的复用，通过将它们缓存在相对高速的区域，缓存主要针对的是读操作。
对象的池化操作: 数据库连接池, 线程池
同步会阻塞, 直到成功, 对于突发的, 时间段倾斜的流量, 问题就特别大, 请求容易失败。
异步支持横向扩展, 缓解瞬时压力, 使请求变得平滑。
就是使用一些常见的设计模式来优化业务，提高体验
单例模式、代理模式等。
举个例子，在绘制 Swing 窗口的时候，如果要显示比较多的图片，就可以先加载一个占位符，然后通过后台线程慢慢加载所需要的资源，这就可以避免窗口的僵死。
xml -> json 的区别
体积变小了, 传输效率和解析效率变高了。
Google的Protobuf, 体积更小了, 虽然可读性低, 但是对于RPC, 效率提升
Nginx，一般都会开启 GZIP 压缩，使得传输的内容保持紧凑。
返回的Sql字段, 保持精简
对于一些对时效性要求不高，但对处理能力有高要求的业务。我们要吸取缓冲区的经验，尽量减少网络连接的交互，采用批量处理的方式，增加处理速度。
结果集有的会二次使用, 加入缓存, 速度会有欠缺, 可以采用索引或Bitmap位图加快数据访问速度。
开发中会有共享资源的数据, 有的是单机的, 比如一个Hashmap, 有的是外部数据, 比如一个数据库行, 有的是单个资源, 比如Redis的某个key的setnx, 有的是多个资源的协调, 比如事务, 分布式。
现实中的性能问题，和锁相关的问题是非常多的。大多数我们会想到数据库的行锁、表锁、Java 中的各种锁等。在更底层，比如 CPU 命令级别的锁、JVM 指令级别的锁、操作系统内部锁等，可以说无处不在。
只有并发，才能产生资源冲突。也就是在同一时刻，只能有一个处理请求能够获取到共享资源。解决资源冲突的方式，就是加锁。再比如事务，在本质上也是一种锁。
对资源的争用，会造成严重的性能问题，所以会有一些针对无锁队列之类的研究，对性能的提升也是巨大的.
算法能够显著提高复杂业务的性能，但在实际的业务中，往往都是变种。由于存储越来越便宜，在一些 CPU 非常紧张的业务中，往往采用空间换取时间的方式，来加快处理速度。
算法属于代码调优了, 代码调优有很多编码技巧, 需要开发者对语言的Api非常熟悉, 对于算法, 数据结构的灵活使用, 也是代码优化的一个重要内容。
比如什么时候用Hashmap, 什么时候用CorrentHashMap, 什么时候用ArrayList, 什么时候用LinkedList, 什么时候用CopyOnWrtieList.
如果通过测试分析，找到了系统的瓶颈点，就要把关键的组件，使用更加高效的组件进行替换。在这种情况下，适配器模式是非常重要的。这也是为什么很多公司喜欢在现有的组件之上，再抽象一层自己的；而当在底层组件进行切换的时候，上层的应用并无感知。
比如性能方面, Netty更优于Mina。
因为 Java 是运行在 JVM 虚拟机之上，它的诸多特性，就要受到 JVM 的制约。对 JVM 虚拟机进行优化，也能在一定程度上能够提升 JAVA 程序的性能。如果参数配置不当，甚至会造成 OOM 等比较严重的后果。
目前被广泛使用的垃圾回收器是 G1，通过很少的参数配置，内存即可高效回收。CMS 垃圾回收器已经在 Java 14 中被移除，由于它的 GC 时间不可控，有条件应该尽量避免使用。
JVM 性能调优涉及方方面面的取舍，往往是牵一发而动全身，需要全盘考虑各方面的影响。所以了解 JVM 内部的一些运行原理，还是特别重要的，它有益于我们加深对代码更深层次的理解，帮助我们书写出更高效的代码。
除了需要了解性能优化的方向. 也需要知道一些性能优化的工具。