lolly/docs/superpowers/specs/2026-06-10-performance-optimization-design.md

性能持续优化设计文档

版本: v1.0
日期: 2026-06-10
目标: 极致吞吐量 + 资源效率
方法: 数据驱动优化（Benchmark → Profile → Optimize → Verify）

---

1. 总体架构

整个性能优化流程分为 5 个阶段，形成持续迭代闭环：

┌─────────────┐    ┌─────────────┐    ┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│  1. 建立基准  │ → │  2. 采集数据  │ → │  3. 分析瓶颈  │ → │  4. 实施优化  │ → │  5. 回归检测  │
│  Benchmark  │    │  Baseline   │    │   Profile   │    │   Optimize   │    │   Prevent   │
└─────────────┘    └─────────────┘    └─────────────┘    └─────────────┘    └─────────────┘
       ↑                                                                            │
       └──────────────────────────────── 持续迭代 ◄─────────────────────────────────┘

核心原则:

• 每个优化必须有 benchmark 数据证明收益
• 不优化没有数据支撑的地方
• 建立可重复的性能测试环境

---

2. 基准测试基础设施（Benchmark Suite）

2.1 三层基准测试体系

2.1.1 微基准（Micro Benchmark）— 单元级

针对单个函数/模块的 Go benchmark：

模块	状态	待补充
loadbalance	已有	Sticky、Least Time 极端场景
matcher	已有	大规模路由表（1k+ location）
proxy	已有	缓存键构建、WebSocket 检测
middleware/security	已有	限流器高并发
middleware/compression	已有	大文件压缩
cache	部分	完整 CRUD、并发竞争
lua	部分	脚本执行、协程调度
resolver	缺失	DNS 查询、缓存命中
variable	部分	复杂变量展开
stream	缺失	TCP/UDP 转发吞吐

2.1.2 集成基准（Integration Benchmark）— 端到端

用 httptest 或真实端口测试完整请求链路：

• 静态文件服务: 小文件（1KB）、中文件（100KB）、大文件（10MB）
• 反向代理: 直连后端、带缓存、带负载均衡
• HTTPS/TLS: 握手开销、TLS 1.2 vs 1.3
• HTTP/2: 多路复用、流控
• HTTP/3: QUIC 连接建立、0-RTT
• WebSocket: 消息转发延迟
• Stream: TCP/UDP 吞吐

2.1.3 系统基准（System Benchmark）— 全链路

用外部压测工具测试完整服务器：

• RPS 极限测试: 不同并发数下的吞吐量曲线
• 延迟分布: P50/P99/P999 延迟
• 资源占用: CPU、内存、goroutine 数、GC 频率
• 连接数测试: C10K、C100K 场景

2.2 Benchmark 目录结构

internal/benchmark/
├── micro/           # Go benchmark 文件
│   ├── proxy_test.go
│   ├── cache_test.go
│   ├── lua_test.go
│   └── ...
├── integration/     # 集成测试风格 benchmark
│   ├── static_bench_test.go
│   ├── proxy_bench_test.go
│   └── ...
└── system/          # 外部压测脚本 + 结果
    ├── wrk_static.sh
    ├── wrk_proxy.sh
    └── results/

2.3 基准收集工具

• make bench: 运行所有微基准
• make bench-stat: 生成基准报告
• scripts/bench.sh: 一键系统压测
• benchstat: 对比新旧基准数据

---

3. 性能数据采集与分析流程

3.1 Baseline 采集步骤

第一步：微基准全量运行

# 运行所有微基准，保存结果
go test -bench=. -benchmem ./internal/benchmark/micro/... > benchmark-v0.4.0.txt

# 使用 benchstat 格式化
benchstat benchmark-v0.4.0.txt

第二步：集成基准运行

# 运行集成 benchmark
go test -bench=Benchmark -benchmem ./internal/benchmark/integration/...

第三步：系统压测（外部工具）

# 静态文件压测
wrk -t12 -c400 -d30s http://localhost:8080/

# 代理压测
wrk -t12 -c400 -d30s http://localhost:8080/api/

# HTTP/2 压测
h2load -n100000 -c100 -m10 http://localhost:8080/

第四步：pprof 数据采集

# CPU profile（30秒）
curl http://localhost:8080/debug/pprof/profile?seconds=30 > cpu.prof

# Heap profile
curl http://localhost:8080/debug/pprof/heap > heap.prof

# Allocs profile（分配热点）
curl http://localhost:8080/debug/pprof/allocs > allocs.prof

# Goroutine profile
curl http://localhost:8080/debug/pprof/goroutine > goroutine.prof

3.2 分析工具链

工具	用途	命令
go tool pprof	CPU/内存分析	go tool pprof -http=:8081 cpu.prof
go tool trace	调度/延迟分析	go test -trace=trace.out
benchstat	基准对比	benchstat old.txt new.txt
go test -memprofile	分配追踪	集成到 benchmark
perf (Linux)	系统级分析	perf record -g ./lolly

3.3 分析维度

1. CPU 热点: 哪些函数消耗最多 CPU？
2. 内存分配: 每请求分配次数和大小？
3. 锁竞争: sync.Mutex / sync.RWMutex 的争用情况？
4. 系统调用: syscall / cgo 开销？
5. GC 压力: GC 频率、STW 时间？
6. 网络 I/O: 连接建立、读写延迟？

3.4 瓶颈识别模板

性能分析报告 v0.4.0 Baseline
=============================

1. CPU 热点 Top 5
   - runtime.mallocgc (12.3%) ← 分配开销
   - runtime.scanobject (8.7%) ← GC 扫描
   - proxy.(*Proxy).ServeHTTP (7.2%)
   - matcher.(*LocationEngine).Match (5.1%)
   - compress/flate.(*compressor).write (4.8%)

2. 每请求分配 Top 5
   - time.Now(): 1 alloc/req
   - fmt.Sprintf: 0.5 alloc/req
   - ...

3. 锁竞争热点
   - cache.(*FileCache).Get: 15% 阻塞时间
   - proxy.(*Proxy).buildCacheKeyHash: 8% 阻塞时间

4. 优化优先级
   P0: [具体任务]
   P1: [具体任务]
   P2: [具体任务]

---

4. 优化实施流程

4.1 优化原则

• 可量化: 每次优化必须有 benchmark 对比数据
• 最小改动: 优先单文件/单函数改动
• 可回滚: 保留优化前后的基准数据

4.2 优化分类

类型	示例	验证方式
零分配	用 b2s 替代 string([]byte)	-benchmem allocs/op
算法优化	更快的哈希、查找	Benchmark ns/op
并发优化	锁粒度细化、无锁结构	go test -race + benchmark
缓存优化	减少重复计算	CPU profile 对比
GC 优化	减少短生命周期对象	GODEBUG=gctrace=1

---

5. 回归检测机制

5.1 自动化检查

• CI 集成: 每次 PR 跑 benchmark 对比
• 阈值告警: 性能下降 >5% 自动阻断
• 趋势追踪: 长期性能趋势图

5.2 回归检测工具

# 对比两个版本
benchstat old.txt new.txt

# 示例输出
# name        old time/op    new time/op    delta
# ServeHTTP   1.20µs ± 2%    1.15µs ± 3%    -4.17%  (p=0.02 n=10+10)

---

6. 预期成果

• 完整的 benchmark 套件覆盖所有核心模块
• 可量化的 baseline 性能数据
• 识别出的 Top 10 性能瓶颈
• 每轮优化都有可验证的性能提升数据
• 自动化回归检测防止性能退化

---

7. 任务清单

• 建立 internal/benchmark/ 目录结构
• 补充缺失的微基准（resolver、stream、cache、lua）
• 创建集成基准测试
• 创建系统压测脚本
• 跑第一轮全量基准 → 生成 baseline
• 采集 pprof 数据（CPU/heap/allocs/goroutine）
• 分析瓶颈 → 生成性能报告
• 制定 Top N 优化任务
• 逐个实施优化并验证
• 建立 CI 回归检测