一、前言
对于性能工程师来说，常见系统的性能数据量级需要烂熟于心，记住这些数字的好处是，每次看到一个性能相关的数据的时候，我们立刻就能知道这个性能数据有没有问题。
举个简单例子，如果我们看到一个硬盘的 IO 读写延迟经常在 500 毫秒左右，我们立刻就知道这里面有性能问题。反之，如果硬盘 IO 读写延迟小于 1 毫秒，我们可以马上推断——这些 IO 读写并没有到达硬盘那里，是被操作系统缓存挡住了。这就是大家常说的“对数字有感觉”。
二、存储硬件
存储有很多种，常用的是传统硬盘（HDD,）和固态硬盘（SSD），SSD 的种类很多，按照技术来说有单层（SLC）和多层（MLC，TLC 等）。按照质量和性能来分，有企业级和普通级。根据安装的接口和协议来分，有 SAS、SATA、PCIe 和 NVMe 等。
对所有的存储来说，有三个基本的性能指标。
- IO 读写延迟。一般是用 4KB 大小的 IO 做基准来测试；
- IO 带宽，一般是针对比较大的 IO 而言；
- IOPS，就是每秒钟可以读写多少个小的随机 IO。
SSD 的随机 IO 延迟比传统硬盘快百倍以上，IO 带宽也高很多倍，随机 IOPS 更是快了上千倍。
三、CPU 和内存硬件
几个基本的指标：
- CPU 的时钟频率，也就是主频。主频反映了 CPU 工作节拍，也就直接决定了 CPU 周期大小。
- CPI 和 IPC：CPI衡量平均每条指令的平均时钟周期个数。它的反面是 IPC。虽然一个指令的执行过程需要多个周期，但 IPC 是可以大于 1 的，因为现代 CPU 都采用流水线结构。一般来讲，测量应用程序运行时的 IPC，如果低于 1，这个运行的系统性能就不是太好，需要做些优化来提高 IPC。
- MIPS：每秒执行的百万指令数。我们经常会需要比较不同 CPU 硬件的性能，MIPS 就是一个很好的指标，一般来讲，MIPS 越高，CPU 性能越高。MIPS 可以通过主频和 IPC 相乘得到，也就是说
MIPS= 主频×IPC。 - CPU 缓存：一般 CPU 都有几级缓存，分别称为 L1、L2、L3。L3 是最后一级缓存。
值得一提的是现在的 NUMA 处理器会有本地和远端内存的区别，当访问本地节点的内存是会快一些。
四、操作系统和应用程序相关
我们刚刚谈了硬件方面，下面看看软件，也就是操作系统和应用程序。
1、几个重要概念和指标
- 指令分支延迟：CPU 需要先获取指令，然后才能执行。获取下一条指令时需要知道指令地址，如果这个地址需要根据现有的指令计算结果才能决定，那么就构成了指令分支。CPU 通常会采取提前提取指令这项优化来提高性能，但是如果是指令分支，那么就可能预测错误，预先提取的指令分支并没有被执行。
- 互斥加锁和解锁：互斥锁（也叫 Lock）是在多线程中用来同步的，可以保证没有两个线程同时运行在受保护的关键区域。
- 上下文切换：多个进程或线程共享 CPU 的时候，就需要经常做上下文切换。这种切换在 CPU 时间和缓存上都很大代价；尤其是进程切换。
2、Linux 平均负载
系统过载并超过1.0的负载值有时不是问题，因为即使有一些延迟，CPU也会处理队列中的作业，负载将再次降低到1.0以下的值。但是如果系统的持续负载值大于1，则意味着它无法吸收执行中的所有负载，因此其响应时间将增加，系统将变得缓慢且无响应。高于1的高值，尤其是最后5分钟和15分钟的负载平均值是一个明显的症状，要么我们需要改进计算机的硬件，通过限制用户可以对系统的使用来节省更少的资源，或者除以多个相似节点之间的负载。
因此，我们提出以下建议：
>=0.70：没有任何反应，但有必要监控 CPU 负载。如果在一段时间内保持这种状态，就必须在事情变得更糟之前进行调查。>=1.00：存在问题，您必须找到并修复它，否则系统负载的主要高峰将导致您的应用程序变慢或无响应。>=3.00：你的系统变得 非常慢。甚至很难从命令行操作它来试图找出问题的原因，因此修复问题需要的时间比我们之前采取的行动要长。你冒的风险是系统会更饱和并且肯定会崩溃。>=5.00：你可能无法恢复系统。你可以等待奇迹自发降低负载，或者如果你知道发生了什么并且可以负担得起，你可以在控制台中启动kill -9 <process_name>之类的命令 ，并祈求它运行在某些时候，以减轻系统负荷并重新获得其控制权。否则，你肯定别无选择，只能重新启动计算机。
五、网络相关
网络的传输延迟是和地理距离相关的。网络信号传递速度不可能超过光速，一般光纤中速度是每毫秒 200 公里左右。如果考虑往返时间（RTT），那么可以大致说每 100 公里就需要一毫秒。
在机房里面，一般的传输 RTT 不超过半毫秒。如果是同一个机柜里面的两台主机之间，那么延迟就更小了，小于 0.1 毫秒。
另外要注意的是，传输延迟也取决于传输数据的大小，因为各种网络协议都是按照数据包来传输的，包的大小会有影响。比如一个 20KB 大小的数据，用 1Gbps 的网络传输，仅仅网卡发送延迟就是 0.2 毫秒。
六、中间件相关
先说说负载均衡，硬负载性能远远高于软负载。Ngxin 的性能是万级；LVS 的性能是十万级，据说可达到 80 万 / 秒；而 F5 性能是百万级，从 200 万 / 秒到 800 万 / 秒都有（数据来源网络，仅供参考，如需采用请根据实际业务场景进行性能测试）。当然，软件负载均衡的最大优势是便宜，一台普通的 Linux 服务器批发价大概就是 1 万元左右，相比 F5 的价格，那就是自行车和宝马的区别了。
具体的数值和机器配置以及测试案例有关，但大概的量级不会变化很大。
如果是业务系统，由于业务复杂度差异很大，有的每秒 500 请求可能就是高性能了，因此需要针对业务进行性能测试，确立性能基线，方便后续测试做比较。
七、网站规模
这里就大致根据理论最大TPS，给网站做几个分类：
小网站：没什么好说的，简单的小网站而已，你可以用最简单的方法快速搭建，短期没有太多的技术瓶颈，只要服务器不要太烂就好。
DB极限型：大部分的关系型数据库的每次请求大多都能控制在 10ms 左右，即便你的网站每页面只有一次DB请求，那么页面请求无法保证在1秒钟内完成100个请求，这个阶段要考虑做 Cache 或者多 DB负 载。无论那种方案，网站重构是不可避免的。
带宽极限型：目前服务器大多用了 IDC 提供的“百兆带宽”，这意味着网站出口的实际带宽是 8M Byte 左右。假定每个页面只有 10K Byte，在这个并发条件下，百兆带宽已经吃完。首要考虑是 CDN加速／异地缓存，多机负载等技术。
内网带宽极限＋cache极限型：由于 Key/value 的特性，每个页面对 cache 的请求远大于直接对DB的请求，cache 的悲观并发数在 2w 左右，看似很高，但事实上大多数情况下，首先是有可能在次之前内网的带宽就已经吃光，接着是在 8K QPS左右的情况下，cache已经表现出了不稳定，如果代码上没有足够的优化，可能直接将压力穿透到了DB层上，这就最终导致整个系统在达到某个阀值之上，性能迅速下滑。
FORK/SELECT，锁模式极限型：一句话：线程模型决定吞吐量。不管你系统中最常见的锁是什么锁，这个级别下，文件系统访问锁都成为了灾难。这就要求系统中不能存在中央节点，所有的数据都必须分布存储，数据需要分布处理。总之，关键词：分布
C10K极限：尽管现在很多应用已经实现了 C25K，但短板理论告诉我们，决定网站整体并发的永远是最低效的那个环节。
八、服务器规模
我们可以来算一下，根据行业内的经验，可以估计如下的投入：
可以看到，十万用户到上亿用户，也就多了 100 倍，为什么服务器需要 1000 倍？这完全不是呈线性的关系。
这时因为，当架构变复杂了后，你就要做很多非功能的东西了，比如，缓存、队列、服务发现、网关、自动化运维、监控等。
九、总结
今天分享了几组性能数字，希望起到抛砖引玉的效果。你可以在此基础上，在广度和深度上继续扩展。
参考资料：
- [1]：《左耳听风》
- [2]：《从0开始学架构》
- [3]：《性能工程高手课》
