阿姆达尔定律 Amdahl’s law / Amdahl’s argument

计算机系统运行的最大瓶颈，是那些不能并行计算的部分。

一般为了提高性能，我们会先采用多线程，这样可以实现并行计算。如果这个不满足需求，我们可能会支持多个进程。不管哪个，我们都要解决一个无法避免的问题：数据同步。而多进程的实现，还需要指出进程间通信（IPC），一般可以用命名管道（named pipe）、消息(windows message)、socket (没错，本机也可以用套接字)、内存映射文件(memory mapped file – MMF)等等。

如果多进程还不能解决问题，我们可以考虑分布式计算，这个时候数据同步/通信可以用scoket、队列（如Kafka等）、HTTP服务等。

不管哪种实现，性能瓶颈应该是整个业务流程中不支持并行处理的模块/功能。

高德纳定律 Knuth’s law (Donald Knuth)

Premature optimization is the root of all evils，过早的优化是万恶之源。

我之前说过不应该过度设计（开发思想 – KISS/DRY、奥卡姆剃刀、重复发明轮子、过度工程/设计/YANGNI），因为你现在不需要、短期也不需要。

但是，有些开发人员就利用这个做借口，懒于设计，最后做出一个刚上线就已经无法应付需求的产品，这是因为这些开发人员没有理解高德纳的原意。他老人家想说表达大家不要“过早”优化。那什么是“过早”呢？

举个例子，某个创业公司，技术负责人要高大上，所使用的技术都是业界最先进最强大的，技术团队折腾了2年，产品还没有出来，公司资金链断了，倒闭了。这是过度设计，他们臆想客户在短期内有这个需求。

再举个例子，某个系统的一个模块，设计人员考虑到可能用户量会很大，所以做成分布式的，用上了非常复杂的架构，上线之后，用户量远没有想象中的多，单机就能轻松应付所有请求。

实际上应该怎么样做？多次迭代，看菜吃饭。技术架构应该是不断变化的。

Dane North’s law

每一个决定都是有代价的。

大家应该知道计算机优化的2大常用办法：

• 用空间换时间：譬如缓存
• 用时间换空间：譬如压缩

每个功能都有其侧重点，譬如追求性能，或者追求内存/存储空间最小化，很多时候，我们只能在这两者之间做取舍、平衡。

爆栈之旅

版权所有

所有文章内容版权所有，任何形式的转发/使用都必须先征得本站书面同意。本站保留一切追究的权利。