Linux 性能优化与调优实战

一、性能优化方法论

1. 测量 → 分析 → 调优 → 验证循环
2. 瓶颈定位工具：
• CPU：top、htop、mpstat、perf
• 内存：free、vmstat、smem
• 磁盘：iostat、iotop、fio
• 网络：ss、iftop、nethogs、iperf
• 综合：sysstat、dstat、sar
3. 压测工具：ab、wrk、hey、sysbench、locust、k6
4. 监控驱动：结合 Prometheus + Grafana 观察趋势，避免“感觉优化”

二、系统内核与基础参数优化

1. 内核参数（/etc/sysctl.conf）常用调优：

# 文件句柄
fs.file-max = 2097152
fs.nr_open = 2097152

# 网络
net.core.somaxconn = 65535
net.core.netdev_max_backlog = 65535
net.ipv4.tcp_max_syn_backlog = 65535
net.ipv4.tcp_tw_reuse = 1
net.ipv4.tcp_fin_timeout = 30
net.ipv4.tcp_keepalive_time = 600
net.ipv4.ip_local_port_range = 1024 65535

# 内存
vm.swappiness = 10
vm.dirty_ratio = 15
vm.dirty_background_ratio = 5
vm.overcommit_memory = 1

# 其他
kernel.pid_max = 4194303

应用：sysctl -p

2. 资源限制（/etc/security/limits.conf）：

* soft nofile 65535
* hard nofile 65535
* soft nproc 65535
* hard nproc 65535

3. CPU 调度与亲和性：

• taskset 绑定进程到特定核心
• cpupower 设置性能模式
• 关闭不必要的 CPU 节能（生产高负载场景）

4. 磁盘与 IO：

• 使用 SSD + 合适调度器（mq-deadline / none）
• elevator 调整
• 文件系统：XFS / ext4 挂载选项（noatime、nodiratime）
• RAID / LVM 优化

三、Nginx 性能优化

• worker_processes auto;
• worker_connections 10240;
• worker_rlimit_nofile 65535;
• 开启 epoll、multi_accept
• Gzip、缓存（proxy_cache）、HTTP/2
• 静态资源 expires、sendfile、tcp_nopush
• 限流限速防止雪崩
• 上游 keepalive 连接复用

压测对比优化前后 QPS 与延迟。

四、MySQL / MariaDB 性能优化

• InnoDB：innodb_buffer_pool_size（内存的 50%-70%）
• innodb_log_file_size、innodb_flush_log_at_trx_commit
• innodb_io_capacity 匹配磁盘能力
• 慢查询日志 + EXPLAIN 优化 SQL
• 索引设计、覆盖索引、避免 SELECT *
• 连接池、读写分离
• 分区表、归档历史数据

工具：pt-query-digest、mysqltuner、sysbench。

五、Redis 性能优化

• maxmemory + 合理淘汰策略（allkeys-lru）
• 避免大 Key、热 Key（拆分、本地缓存）
• Pipeline、Lua 脚本减少网络往返
• 持久化调优（AOF everysec + 重写）
• 多线程 IO（Redis 6+）
• 客户端连接池 + 合理超时

六、容器与 Kubernetes 性能优化

Docker：

• 资源限制（--cpus、--memory）
• 存储驱动（overlay2）
• 镜像精简（多阶段构建）

Kubernetes：

• 资源 requests / limits 合理设置
• HPA（Horizontal Pod Autoscaler）
• VPA、Cluster Autoscaler
• 节点亲和性、污点容忍
• CNI 网络优化（Cilium / Calico）
• 存储类选择（本地 SSD vs 网络存储）
• QoS 类（Guaranteed / Burstable）

七、监控驱动优化实践

结合 Prometheus 指标：

• CPU 使用率、Load Average
• 内存使用与换页
• 磁盘 IOPS / 延迟
• 网络带宽与重传
• 应用 QPS、延迟 P99
• 慢查询、缓存命中率

设定基线，持续观察，调优后验证。

八、生产案例与常见陷阱

案例：高并发电商系统优化
通过内核参数 + Nginx 缓存 + MySQL 索引优化 + Redis 集群 + K8s HPA，QPS 提升 3 倍，P99 延迟下降 60%。

常见陷阱：

• 盲目增大参数导致内存耗尽
• 忽略业务特性（读多写少 vs 写多）
• 优化后未压测验证
• 生产直接改参数无回滚方案

九、自动化与持续优化

• Ansible 统一下发内核与配置
• 结合 Prometheus 告警触发扩容
• 定期压测 + 性能回归测试
• 文档化调优记录与效果