Spring Boot 调优的 12 个关键节点

数据库连接池调优：精准匹配系统资源

症状：

默认配置下，连接池资源使用不当，高并发时连接耗尽或排队。

常见误区：

spring:
  datasource:
    hikari:
      maximum-pool-size: 1000  # 设置过大
      connection-timeout: 30000  # 设置过长

推荐配置：

spring:
  datasource:
    hikari:
      maximum-pool-size: ${CPU核心数 * 2}
      minimum-idle: 5
      connection-timeout: 3000
      max-lifetime: 1800000
      idle-timeout: 600000

根据硬件环境（如 CPU 核心数）合理配置连接池，避免资源浪费。

JVM 参数优化：降低 GC 停顿带来的抖动

建议启动参数：

java-Xms4g-Xmx4g\
-XX:NewRatio=1\
-XX:+UseG1GC\
-XX:MaxGCPauseMillis=200\
-XX:InitiatingHeapOccupancyPercent=35\
-XX:+AlwaysPreTouch

将新生代与老年代等比设置，使用 G1 收集器，最大暂停时间控制在 200ms 内。

精简自动装配：去除不必要的组件

示例：

@SpringBootApplication(exclude = {
    DataSourceAutoConfiguration.class,
    SecurityAutoConfiguration.class
})

屏蔽当前未使用的自动装配组件，有助于提升应用启动速度与资源占用效率。

启用响应压缩：减少传输体积，提升响应速度

server:
  compression:
    enabled: true
    mime-types: text/html,text/xml,text/plain,text/css,text/javascript,application/json
    min-response-size: 1024

启用 Gzip 压缩功能，尤其对接口返回大量 JSON 数据的场景效果明显。

接口参数校验：防止资源被恶意占用

@GetMapping("/products")
public PageResult<Product> list(
    @RequestParam @Max(100) int pageSize,
    @RequestParam @Min(1) int pageNum) {
    // ...
}

通过注解式参数验证，及时阻断不合理请求，保护服务端资源。

异步执行任务：提升吞吐，释放主线程

@Async("taskExecutor")
public CompletableFuture<List<Order>> process() {
    return CompletableFuture.completedFuture(doHeavyWork());
}

@Bean("taskExecutor")
public Executor taskExecutor() {
    ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
    executor.setCorePoolSize(5);
    executor.setMaxPoolSize(10);
    executor.setQueueCapacity(500);
    return executor;
}

适用于非实时或耗时较长的处理流程。

缓存机制接入：减少重复查询压力

@Cacheable(cacheNames = "products", key = "#id", cacheManager = "caffeineCacheManager")
public Product getProductDetail(Long id) {
    return productDao.getById(id);
}

使用 Caffeine 或 Redis 缓存，可有效减轻数据库负担，提升接口响应速度。

批量操作替代单条处理：成倍提升写入效率

@Transactional
public void batchInsert(List<Product> products) {
    jdbcTemplate.batchUpdate(
        "INSERT INTO product(name,price) VALUES(?,?)",
        products,
        500,
        (ps, product) -> {
            ps.setString(1, product.getName());
            ps.setBigDecimal(2, product.getPrice());
        });
}

将频繁的单条操作合并为批处理，减少数据库连接与事务开销。

深度优化 SQL 与索引：保障查询效率

场景问题：

SELECT * FROM products WHERE category = '手机' AND price > 5000 ORDER BY create_time DESC;

优化建议：

① 联合索引：

ALTER TABLE products ADD INDEX idx_category_price_create (category, price, create_time);

② 覆盖索引：

仅查询索引字段：

SELECT id, category, price, create_time FROM products WHERE category ='手机'AND price > 5000 ORDERBY create_time DESC;

③ 避免函数索引失效：

错误：

WHERE DATE(create_time) = '2023-01-01'

正确：

WHERE create_time BETWEEN '2023-01-01 00:00:00' AND '2023-01-01 23:59:59'

④ 监控与分析：

SELECT*FROM sys.schema_index_statistics WHERE table_name ='products';

使用 EXPLAIN FORMAT=JSON 分析执行计划。

自定义线程池：应对高并发的可控策略

@Bean("customPool")
public Executor customThreadPool() {
    return new ThreadPoolExecutor(
        10,
        50,
        60, TimeUnit.SECONDS,
        new LinkedBlockingQueue<>(1000),
        new CustomThreadFactory(),
        new ThreadPoolExecutor.CallerRunsPolicy());
}

杜绝默认线程池带来的资源不可控问题，自定义线程池策略更符合业务场景。

接口限流与熔断：抵御突发流量冲击

@SentinelResource(
    value = "orderQuery",
    blockHandler = "handleBlock",
    fallback = "handleFallback")
@GetMapping("/orders/{id}")
public Order getOrder(@PathVariable Long id) {
    return orderService.getById(id);
}

public Order handleBlock(Long id, BlockException ex) {
    throw new RuntimeException("当前访问过多，请稍后再试");
}

public Order handleFallback(Long id, Throwable t) {
    return Order.getDefaultOrder();
}

使用 Sentinel 实现服务保护机制，避免单点失控造成连锁故障。

全链路监控体系：问题诊断有据可依

management:
  endpoints:
    web:
      exposure:
        include: "*"
  metrics:
    export:
      prometheus:
        enabled: true

结合 Prometheus + Grafana 打造指标可视化平台，全面掌握系统运行状态。

总结

优化三大原则：

1、预防为主

写代码时就要考虑性能；

2、指标驱动

以数据为依据来做优化；

3、持续迭代

性能调优是长期过程。

推荐工具集：

1、Arthas：线上问题诊断

2、JProfiler：性能分析

3、Prometheus + Grafana：指标监控系统