高性能软件法则
学习如何编写高性能的代码是困难的。这里有一些简单的法律 ：
1.程序语言 <<程序员的性能意识，编程语言并不重要，重要的是程序员必须意识了解语言的执行情况和相关库包，所有主流编程语言和它们的标准库都已经被充分优化，能够用来在更大范围应用领域编写高性能代码，也可以用来编写可怕的代码，所谓更好也可能更坏，高级语言会提供表面糖语法使得使用起来非常方便，但是你应该意识到它们会耗费大量内存，或者与输入大小有一个超线性关系。
2.小设计细节很关键，同一段代码两个版本的小区别可能导致巨大差异，有人也许已经从混沌系统中认识这个法则，是不是产生不必要的垃圾？正确缓存了吗？你尽早摆脱了无用的网络数据包/请求吗？过度使用序列化或使用一个缓慢的序列化？你的字典太大了，效率不高吗？在高级语言中，除非你的设计破裂，否则不需要代码很大的修改以获得更好性能，非常小的代码修改也许会有巨大性能变化，比如，缓存能在10 LOC内加入，字符串使用String builder，过滤器可以只用几行加入即可，小代码修改，大效果。
3. corr(性能退化，无限资源使用)>0.9，在性能退化，崩溃和无限的使用资源之间有一个非常高的相关性，从小应用到健壮程序，会经历各种不可控输入的剧烈考验，这需要我们更加关注操作而不是功能，当你不限制资源使用，它们就可能耗尽资源，你启动了ad-hoc线程？使用固定数量的线程池？需要快速内存字典吗？使用有界的缓存。线程之间传输数据吗？使用堵塞队列，其容量必须是数据最大值，这样不会耗尽内存。你的程序从文件系统读取文本数据？不要使用readline，除非你确认行有合理的大小，限制，限制，限制，不要无限使用资源，或你的程序在过了某个阀值以后性能急剧下降。
4.程序性能提高=日志（可控经验），很多人不能问答：这个函数实际运行多长时间？这个数据结构会耗费多少内存。当务之急是建立一个小型，可控基准测试，以此确认解决性能瓶颈，如果你不知道瓶颈在哪里，可以通过各种profiler工具，但是常常是一小部分代码是瓶颈，需要仔细微调，大部分和性能无关，小部分关键会贡献90%的性能价值。
5.N*bad 不等于 good，有些人期望使用多核服务器，map-reduce集群，HPC和大内存服务器，这些都是为了让软件跑得更快，反而忽视在小内存单核下的微调，在单核小内存情况下代码不执行或崩溃，即使移植到更强大硬件上也无济于事。