大型網(wǎng)站性能優(yōu)化實戰(zhàn)：從前端、網(wǎng)絡、CDN到后端、大促的全鏈路性能優(yōu)化詳解

第1章基于用戶體驗的性能優(yōu)化要素
1.1 頁面用戶體驗的要素介紹
1.2 白屏時間
1.2.1 白屏時間的重要性
1.2.2 白屏過程詳解
1.3 首屏時間
1.3.1 首屏時間的定義
1.3.2 首屏時間的重要性
1.4 頁面整體加載完成
第2章前端性能優(yōu)化實戰(zhàn)
2.1 延遲渲染
2.1.1 挑戰(zhàn)和困難
2.1.2 解決方案
2.2 SEO Ajax
2.2.1 挑戰(zhàn)和困難
2.2.2 解決方案
第3章網(wǎng)站性能分析
3.1 快速了解網(wǎng)站性能
3.1.1 使用YSlow進行性能分析
3.1.2 使用PageSpeed進行性能分析
3.1.3 使用WebPagetest進行性能分析
3.2 真實用戶前端性能監(jiān)控
3.2.1 真實用戶前端性能數(shù)據(jù)采集
3.2.2 數(shù)據(jù)采集可行性分析
第4章服務端性能優(yōu)化
4.1 最大QPS推算及驗證
4.1.1 RT
4.1.2 單線程QPS
4.1.3 最佳線程數(shù)
4.1.4 最大QPS
4.1.5 實驗數(shù)據(jù)驗證公式
4.1.6 壓力測試最佳線程數(shù)和QPS的臨界點
4.2 同步模型與異步模型
4.2.1 同步模型
4.2.2 異步模型
4.2.3 為什么異步模型需要的線程數(shù)少
4.2.4 兩個模型的對比及異步模型適用場景
4.2.5 小結(jié)
4.3 數(shù)據(jù)結(jié)構(gòu)對性能的影響
4.3.1 HashMap的問題
4.3.2 HashMap的結(jié)構(gòu)
4.3.3 碰撞
4.3.4 Hash算法
4.3.5 題外話：ConcurrentHashMap中的Hash
4.3.6 HashMap綜述
4.3.7 均攤
4.4 算法設計不合理帶來的性能問題
4.4.1 某應用A的現(xiàn)象
4.4.2 某應用B的現(xiàn)象
4.4.3 分析
4.4.4 方案
4.4.5 驗證
4.4.6 小結(jié)
4.5 綜合案例：電商活動頁面性能優(yōu)化
4.5.1 第一輪：通過APC使QPS提高近3倍
4.5.2 第二輪：解決消耗CPU資源大戶Gzip
4.5.3 小結(jié)
第5章TCP優(yōu)化
5.1 TCP傳輸原理
5.1.1 TCP傳輸?shù)暮喴f明
5.1.2 滑動窗口——接收端流量控制
5.1.3 擁塞窗口——發(fā)送端流量控制
5.1.4 傳統(tǒng)TCP擁塞控制問題
5.2 Linux內(nèi)核升級中的TCP優(yōu)化技術
5.2.1 調(diào)整接收窗口
5.2.2 初始擁塞窗口調(diào)整（Linux 2.6.38開始支持）
5.2.3 Early Retransmit（Linux 3.5開始支持）
5.2.4 初始RTO調(diào)整（Linux 2.6.18開始支持）
5.2.5 TFO
5.2.6 TSO
5.3 TIME_WAIT問題案例分析
5.3.1 問題現(xiàn)象
5.3.2 問題分析
5.3.3 問題初步解決
5.3.4 問題再分析
5.3.5 問題后記
5.4 總結(jié)
第6章DNS優(yōu)化
6.1 DNS基本原理
6.1.1 DNS的一些關鍵術語
6.1.2 DNS查詢過程
6.1.3 NS選擇策略和機制
6.1.4 DNS擴展協(xié)議EDNS
6.1.5 常用DNS相關命令
6.2 實戰(zhàn)案例：超遠距離DNS性能問題分析和優(yōu)化
6.2.1 現(xiàn)象描述
6.2.2 DNS Lookup耗時長的問題分析
6.2.3 DNS解析性能解決方案
6.3 總結(jié)
第7章CDN優(yōu)化
7.1 CDN優(yōu)化概述
7.2 CDN的相關術語
7.3 從應用看CDN的基本原理
7.3.1 CDN基本架構(gòu)
7.3.2 CDN全局調(diào)度
7.3.3 CDN基本調(diào)度方式
7.3.4 CDN加速的基本實施流程
7.4 CDN優(yōu)化常見策略
7.4.1 靜態(tài)化緩存優(yōu)化
7.4.2 動態(tài)內(nèi)容靜態(tài)邊緣化
7.4.3 動態(tài)加速優(yōu)化
7.4.4 用戶序列優(yōu)化原理
7.4.5 域名合并優(yōu)化
7.4.6 多級緩存架構(gòu)優(yōu)化
7.4.7 301、302跳轉(zhuǎn)邊緣化訪問和多終端邊緣化判斷
7.5 CDN優(yōu)化實戰(zhàn)
7.5.1 CDN的不合理架構(gòu)造成304請求耗時長優(yōu)化實戰(zhàn)
7.5.2 靜態(tài)資源命中率優(yōu)化實戰(zhàn)
7.5.3 CDN動態(tài)加速優(yōu)化實戰(zhàn)
7.5.4 CDN靜態(tài)化的問題和優(yōu)化實戰(zhàn)
7.5.5 CDN調(diào)度優(yōu)化實戰(zhàn)
7.6 總結(jié)
第8章大型網(wǎng)站性能監(jiān)控體系
8.1 監(jiān)控設計
8.1.1 應用監(jiān)控存在的問題
8.1.2 從問題排查思路看監(jiān)控的設計
8.1.3 監(jiān)控的設計步驟
8.1.4 監(jiān)控常見法則總結(jié)
8.2 大型網(wǎng)站性能監(jiān)控體系設計目標和原則
8.2.1 準確性
8.2.2 完整性
8.2.3 實時性
8.2.4 細分化
8.2.5 聚合化
8.2.6 圖表化
8.2.7 可追溯
8.3 性能指標和監(jiān)控項及實現(xiàn)
8.4 性能監(jiān)控的關鍵指標
8.4.1 應用監(jiān)控
8.4.2 系統(tǒng)監(jiān)控
8.5 常用監(jiān)控命令詳解
第9章大型網(wǎng)站容量評估
9.1 容量評估概述
9.2 容量評估的特點
9.3 單機峰值QPS的測算
9.3.1 單機測算方法
9.3.2 兩種常用的引流壓力測試方法
9.3.3 引流壓力測試停止時間的判斷
9.3.4 如何避免單機壓力測試出現(xiàn)問題
9.4 大型網(wǎng)站常用的容量評估方法
9.4.1 二八原則評估法——新業(yè)務評估的基本方法
9.4.2 有歷史數(shù)據(jù)參考的容量評估——GMV線性比例評估法和GMV轉(zhuǎn)化評估法
9.4.3 流量占比評估法
9.5 總結(jié)
第10章高性能系統(tǒng)架構(gòu)模式
10.1 無狀態(tài)架構(gòu)
10.1.1 解決方案一——Session復制
10.1.2 解決方案二——Session Sticky
10.1.3 解決方案三——Session集中式存儲
10.1.4 解決方案四——基于瀏覽器Cookie的無狀態(tài)架構(gòu)
10.2 基于負載均衡器的水平擴展架構(gòu)
10.3 基于DNS的負載均衡
10.4 讀寫分離架構(gòu)
10.5 基于數(shù)據(jù)水平切分的水平擴展架構(gòu)
10.6 緩存架構(gòu)
10.6.1 緩存的基本屬性
10.6.2 緩存的分類
10.6.3 緩存使用常見的問題和誤區(qū)
10.6.4 緩存使用場景
10.6.5 緩存使用規(guī)范和原則
10.7 近端架構(gòu)
10.8 異步化架構(gòu)
10.9 排隊緩沖架構(gòu)
10.10 多機房架構(gòu)
10.10.1 同城架構(gòu)
10.10.2 異地架構(gòu)
10.11 基于服務的可擴展架構(gòu)
10.12 日結(jié)架構(gòu)
10.13 熱點避免架構(gòu)
第11章大促保障體系
11.1 大促保障概述
11.1.1 大促保障簡介
11.1.2 大促保障整體流程
11.2 大促保障體系詳解
11.2.1 容量保障體系
11.2.2 風險保障體系
11.2.3 組織保障
11.2.4 運維保障
11.2.5 中間件保障
11.3 大促容量峰值保障策略
11.4 大促風險保障策略
11.4.1 風險保障概述
11.4.2 風險保障常見風險
11.4.3 風險識別和風險分類
11.4.4 風險保障策略
11.4.5 分組隔離策略
11.4.6 業(yè)務降級策略
11.4.7 監(jiān)控發(fā)現(xiàn)策略
11.5 大促資金安全保障策略
11.5.1 常見的資金安全防護策略
11.5.2 大促資金安全防護
11.6 大促經(jīng)驗沉淀
11.7 大促保障實戰(zhàn)分析
11.7.1 機房網(wǎng)絡瓶頸問題分析
11.7.2 集群個體異常造成的容量問題分析
11.7.3 詭異的網(wǎng)絡瓶頸
11.7.4 多機房壓力測試流量不均問題分析
11.7.5 Tengine限流案例
11.8 總結(jié)
第12章數(shù)據(jù)分析驅(qū)動性能優(yōu)化
12.1 WebP性能優(yōu)化案例背景
12.1.1 WebP格式開始興起
12.1.2 WebP改造使L-D轉(zhuǎn)化率下降
12.2 性能優(yōu)化中的數(shù)據(jù)分析原理與方法
12.2.1 數(shù)據(jù)分析簡介
12.2.2 數(shù)據(jù)分析之杜邦分析
12.2.3 數(shù)據(jù)分析之多維分析
12.3 通過數(shù)據(jù)分析來診斷WebP的性能問題
12.3.1 指標定義
12.3.2 基于指標樹自動診斷WebP的性能問題
12.4 案例：通過數(shù)據(jù)分析進行OLAP分析和RT優(yōu)化
12.4.1 在線分析系統(tǒng)響應指標基線的定義
12.4.2 性能問題診斷
12.4.3 數(shù)據(jù)的獲取及覺察
12.4.4 方案的推導
12.4.5 小結(jié)
12.5 通過函數(shù)抽象進行性能優(yōu)化
12.5.1 優(yōu)化過程簡介
12.5.2 函數(shù)抽象
12.5.3 統(tǒng)計分析
12.5.4 小結(jié)