Java面试中，性能优化是考察候选人实战能力的核心考点，问题往往围绕JVM调优、代码优化、数据库优化、缓存优化等维度展开，既关注理论原理，也重视重视实际操作。以下是高频问题及解析：

一、JVM性能优化

JVM是Java程序运行的基础，其性能直接影响应用稳定性和响应速度，相关问题集中在内存模型、GC机制、参数调优。

如何排查和解决Java内存泄漏问题？

• 核心思路：定位“不再使用但未被GC回收”的对象，分析其引用链。
• 排查步骤：
  1. 用jmap -dump:format=b,file=heap.hprof <pid>导出堆快照；
  2. 用MAT（Memory Analyzer Tool）分析快照，查看“支配树”（Dominator Tree），找出占用内存大的对象；
  3. 检查对象的引用链（如是否被静态集合、线程池等长期持有）。
• 常见场景：
  • 静态集合（static List）未清理，导致对象累积；
  • 线程池核心线程持有大对象（如ThreadLocal未remove，线程复用导致对象不释放）；
  • 资源未关闭（如数据库连接、文件流未在finally中关闭）。

JVM的GC收集器有哪些？如何选择合适的收集器？

• 常见收集器及适用场景：

  收集器	特点	适用场景
  Serial GC	单线程回收，停顿长（秒级）	小型应用、客户端程序（如桌面应用）
  Parallel GC	多线程回收，注重吞吐量（吞吐量优先）	批处理任务（如数据导入）
  CMS GC	并发标记清除，低延迟（毫秒级）	互联网应用（如Web服务）
  G1 GC	区域化分代式，兼顾吞吐量和延迟	大堆场景（堆内存>4GB）
  ZGC/Shenandoah	超低延迟（微秒级），支持TB级堆	高并发低延迟场景（如金融交易）

• 选择原则：
  • 优先根据业务场景（延迟优先/吞吐量优先）选择；
  • JDK 11+推荐G1（默认），超大堆选ZGC；
  • 避免过早优化，先跑基准测试再调优。

如何设置JVM参数优化性能？常用参数有哪些？

• 核心参数：
  • 堆内存：-Xms（初始堆）、-Xmx（最大堆），建议设为相同值（避免频繁扩容），如-Xms4g -Xmx4g；
  • 新生代：-Xmn（新生代大小，建议占堆的1/3~1/2）、-XX:SurvivorRatio=8（Eden:Survivor=8:1）；
  • GC收集器：-XX:+UseG1GC（启用G1）、-XX:+UseZGC（启用ZGC）；
  • 日志参数：-XX:+PrintGCDetails -XX:+PrintGCTimeStamps（打印GC日志）。
• 调优思路：
  • 避免堆过大（导致GC时间长）或过小（频繁GC）；
  • 监控Full GC频率（正常应几小时一次，若几分钟一次需优化）；
  • 新生代设置过小会导致对象提前进入老年代，增加老年代回收压力。

二、代码与接口性能优化

代码层面的优化直接影响执行效率，问题聚焦于数据结构、并发控制、IO操作等。

如何优化Java代码性能？举例说明常见的代码优化技巧。

• 核心原则：减少不必要的计算、避免资源浪费。
• 具体技巧：
  • 数据结构选择：如用ArrayList（随机访问快）而非LinkedList（插入删除快但随机访问慢）；用HashMap（O(1)查询）而非HashTable（同步低效）。
  • 避免重复创建对象：如循环中用StringBuilder拼接字符串（而非+号，会创建多个String对象）；用对象池复用频繁创建的对象（如数据库连接池）。
  • 减少同步开销：用ConcurrentHashMap（分段锁）替代HashTable（全表锁）；非必要不使用synchronized，可用Atomic原子类（如AtomicInteger）。
  • 延迟加载：如用Lazy Initialization（懒加载）初始化重量级对象（如private static volatile Resource resource;，双重检查锁创建）。

如何优化高并发场景下的接口性能？

• 核心思路：减少接口响应时间、提高并发处理能力。
• 优化手段：
  • 异步化：非核心逻辑（如日志、通知）用CompletableFuture或消息队列异步处理，避免阻塞主线程。
  • 并行处理：将串行任务拆分为并行（如查询多个独立接口时用CompletableFuture.allOf()）。
  • 限流熔断：用Sentinel限制接口QPS，避免过载；依赖服务超时/失败时熔断，返回降级结果。
  • 接口合并：将多次请求合并为一次（如“查询用户信息+订单列表”合并为一个接口），减少网络开销。

Java中的线程池参数如何设置？如何避免线程池耗尽问题？

• 核心参数（ThreadPoolExecutor）：
  • corePoolSize：核心线程数（长期保留的线程）；
  • maximumPoolSize：最大线程数（核心线程不够时临时创建，不超过此值）；
  • keepAliveTime：非核心线程空闲超时时间；
  • workQueue：任务等待队列（核心线程满时，任务进入队列）。
• 参数设置原则：
  • CPU密集型任务（如计算）：corePoolSize = CPU核心数 + 1；
  • IO密集型任务（如数据库操作）：corePoolSize = CPU核心数 * 2；
  • 队列用LinkedBlockingQueue（无界队列需谨慎，避免OOM）或ArrayBlockingQueue（有界，控制队列大小）。
• 避免耗尽：
  • 设置有界队列（如new ArrayBlockingQueue<>(1000)），配合拒绝策略（如CallerRunsPolicy让提交者执行，缓解压力）；
  • 监控线程池状态（活跃线程数、队列大小），动态调整参数。

三、数据库性能优化

数据库是多数系统的性能瓶颈，问题围绕索引优化、SQL优化、连接优化展开。

如何优化MySQL的查询性能？慢查询的优化步骤是什么？

• 慢查询优化步骤：
  1. 开启慢查询日志（slow_query_log=1，long_query_time=2），定位慢SQL；
  2. 用EXPLAIN分析执行计划，关注type（索引类型）、key（实际用的索引）、rows（扫描行数）；
  3. 优化索引：添加缺失索引（如联合索引）、删除冗余索引；
  4. 优化SQL：避免select *、拆分大SQL、用join替代子查询。
• 示例：
  • 低效：select * from user where name like '%张三'（%开头，索引失效）；
  • 优化：select id,name from user where name like '张三%'（前缀匹配，走索引）。

MySQL索引失效的常见场景有哪些？如何避免？

• 失效场景及规避：
  • 索引列参与运算（如where id+1=10）→ 改为where id=9；
  • 索引列用函数（如where SUBSTR(name,1,3)='abc'）→ 避免函数，或用生成列索引；
  • 字符串不加引号（如where phone=13800138000）→ 改为where phone='13800138000'；
  • 联合索引不满足最左前缀（如(a,b,c)索引，查询where b=1 and c=2）→ 调整查询条件或索引顺序。

如何优化MySQL的写入性能？

• 优化手段：
  • 批量写入：用insert into t values (1),(2),(3)替代多次单条插入；
  • 调整参数：innodb_flush_log_at_trx_commit=2（每秒刷盘，牺牲部分一致性换性能）、bulk_insert_buffer_size（增大批量插入缓冲区）；
  • 避免过度索引：写入时需维护索引，索引越多写入越慢；
  • 分库分表：数据量大时拆分表（如按时间分表），减少单表写入压力。

四、缓存与中间件优化

缓存是提升性能的关键手段，问题集中在缓存策略、一致性、性能调优。

如何设计高效的缓存策略？缓存穿透、击穿、雪崩如何解决？

• 高效缓存策略：
  • 多级缓存：本地缓存（Caffeine）+ 分布式缓存（Redis），本地缓存抗热点；
  • 合理设置过期时间：热点数据永不过期（后台异步更新），非热点数据设短期过期。
• 问题解决：
  • 穿透：用布隆过滤器过滤无效key，或缓存空值（短期）；
  • 击穿：热点key加互斥锁（如Redis setnx），只让一个线程回源DB；
  • 雪崩：过期时间加随机值（避免同时过期），缓存集群主从+哨兵。

Redis性能优化有哪些手段？如何解决Redis的大key问题？

• 性能优化：
  • 合理选择数据结构（如用Hash存储对象，而非多个String）；
  • 批量操作（pipeline）替代单条命令（减少网络往返）；
  • 启用持久化策略（AOF+RDB混合模式，兼顾性能和可靠性）；
  • 集群分片（Redis Cluster），分散数据到多个节点。
• 大key解决：
  • 拆分大key（如将100万用户的List拆分为100个小List，按用户ID哈希分片）；
  • 避免keys *、hgetall等全量操作，用scan、hscan分批获取。

五、系统层面优化

系统级优化关注资源利用、架构设计，更适合中高级开发岗位。

如何优化Java应用的网络性能？

• 优化手段：
  • 减少网络往返：批量传输数据（如分页查询一次取100条，而非10条）；
  • 压缩传输：用gzip压缩HTTP响应（Nginx配置gzip on）；
  • 复用连接：HTTP 1.1长连接（Connection: keep-alive）、TCP连接池；
  • 异步IO：用Netty替代BIO，处理高并发网络请求。

分布式系统中，如何优化远程调用性能？

• 优化方向：
  • 协议选择：用Dubbo（TCP协议）替代HTTP（REST），减少序列化开销；
  • 序列化框架：用Protobuf（二进制）替代JSON（文本），提高序列化效率；
  • 服务治理：就近调用（如K8s同节点优先）、熔断降级（避免无效调用）；
  • 批量调用：将多次远程调用合并为一次（如“批量查询商品信息”接口）。

总结

性能优化问题的核心是“发现瓶颈→针对性优化→验证效果”，回答时需结合具体场景（如“高并发接口”“大数据量查询”），说明优化前后的指标变化（如TPS从500提升到2000），体现实战能力。避免只说理论，需展示“问题定位工具+优化手段+效果验证”的完整思路。