性能分析决策树是从压力现象出发，罗列压力路径上所有的组件及组件对应的模块，枚举出组件和模块对应的计数器而形成的逻辑关系树状图。能够帮助我们通过监控手段获取性能计数器数据，通过逻辑关系层层分析，确定性能瓶颈点。我们该如何构建性能分析决策树？在构建过程中遇到问题该如何判断和解决？本次分享将为你答疑解惑。

演讲提纲：

1. 什么是性能分析决策树
   • 性能分析决策树的构建要点
2. 如何构建性能分析决策树
   • 判断瓶颈
   • 分析压力路径
   • 分析各层级组件
   • 罗列组件对应的模块
   • 分析性能计数器
   • 确定瓶颈原因
3. 总结与展望

你将获得：

• 了解性能决策分析树的作用和构建要点
• 了解如何构建性能分析决策树
• 构建构建性能分析决策树的问题判断与解决方案

大促峰值时机器资源消耗大但峰值持续时间短，准备太多的机器会浪费资源，因此离在线混部技术应运而生。离在线混部技术利用离线的机器来支持大促峰值，从而减少机器资源成本。混部和在线机房的区别主要体现在快上快下、与离线资源存在竞争、机器配置差异等方面。在大促准备过程中，混部机房与普通在线机房相比会出现一定的性能差异。本次分享主要介绍在大促状态下的混部调优案例，包含 RT 飚高、系统预热、配置管控、限流验证、缓存优化等内容，并在此基础上介绍整体的大促保障流程和全链路压测策略。

演讲提纲：

1. 混部 & 全链路压测简介
   • 混部的概念
   • 阿里全链路压测概述
2. 大促混部调优案例
   • 大促混部调优总述
   • 混部中的 RT 飚高案例
   • 系统预热
   • 配置管控
   • 限流验证
   • 缓存优化
3. 大促稳定性保障流程
   • 大促稳定性保障流程
   • 全链路压测策略

你将获得：

• 了解大促中的常见性能问题及其调优方法
• 了解大促稳定性保障流程和措施
• 了解大促过程中全链路压测策略

随着互联网金融的快速发展，银行业务也随之不断革新，应运而生了大量具有互联网金融特征的银行业务场景。同时，大数据、云计算、区块链等新兴技术，也为金融业提供了更多技术优化、迭代更新的可能性。同步地，金融系统的复杂度在此基础上也进一步提升。

在上述的大背景下，银行系统的性能容量风险愈发凸显。为应对质效提升的要求，我行对性能容量的整个质量保障体系进行了规划、设计。基于此顶层设计，结合测试工具链，我行实现了性能测试工作高效落地、系统稳定性的提升。在本次分享中，我将向大家介绍我行性能测试工作的现状、问题，以及我们是如何从方法论角度的设计和考量来解决这些问题的，并将结合一个具体的案例说明我们方法论的落地过程。

演讲大纲

1. 金融业面临的性能容量方面的问题和挑战
   • 敏捷迭代、交付周期缩短
   • 互联网金融带来银行业务的变化
2. 如何应对挑战
   • 目标
   • 我行的实践
     •  从性能的角度，百分之百的保障不可能
     •  分级的性能测试方法
     •  测试工具集
3. 典型实践案例
   •  案例背景
   •  难点
   •  实践过程
   •  典型问题
     • 单元测试阶段：大对象、低效 SQL
     • UAT 阶段：HAProxy 的容量问题
     • 生产运行阶段：运营商线路问题
4. 总结

听众受益

• 了解金融业保障系统性能容量的实践以及背后的方法论
• 了解如何再一个具体的案例（需求）中落地相关的性能测试工作，保障产品质量

随着字节跳动业务的快速发展，性能优化也变得越来越重要。通过优化可以节省 CPU、内存等的消耗，降低业务时延，同时相同的硬件资源也可以承载更多的业务。常见的性能优化需要从业务代码逻辑、Runtime、编译器这些层面进行深入分析、观测，挖掘性能优化点。本次分享中我将为大家介绍 Go 内存相关的观测手段，以及如何使用这些手段发现业务代码中的问题和在特定场景下 Runtime 的性能瓶颈，同时根据具体案例讲解性能优化的过程，希望能给你带来启发和收获。

演讲提纲

1. 如何发现性能瓶颈
   • 字节跳动的微服务场景
   • Go 内存分配流程
   • Go GC 的特点
   • Go 内存相关的观测手段
2. 观测分析性能瓶颈
   • slice 容量不足扩容
   • 短生命周期对象的频繁申请
   • 内存管理相关函数的 CPU 占比
3. 性能瓶颈优化方案
   • 性能优化层级
   • 性能优化常规流程
   • 业务逻辑层面优化
   • Runtime 层面优化
   • 编译器层面优化
4. 性能优化结果
5. 总结

你将获得

• 了解常用的问题定位工具
• 使用工具发现性能瓶颈点
• 常用的内存优化手段