performance-arch-design

name	performance-arch-design
description	性能前置设计——在编码前从架构层面识别性能瓶颈并设计缓存分层、异步处理、数据库索引、限流和分区策略。将性能思维融入系统架构设计阶段，避免事后优化的高成本。 务必在以下场景使用本 skill：用户提到性能优化、缓存设计、缓存策略、Redis、异步处理、消息队列、数据库索引、索引设计、限流、熔断、分库分表、分区、N+1 查询、慢查询、高并发、性能瓶颈、QPS、TPS、响应时间、吞吐量、性能基线、压测目标、热点数据、读写分离，或涉及 engineering-principles 和 tech-stack 产出的架构设计中的性能相关决策。

性能前置设计

在编码前从架构层面识别性能瓶颈，设计缓存分层、异步处理、索引策略和限流方案。

---

设计流程

graph TB
    INPUT["系统架构 + 业务场景"] --> BASELINE["性能基线<br>目标 QPS / 响应时间"]
    BASELINE --> HOTSPOT["热点识别<br>高频读 / 高频写 / 大数据量"]
    HOTSPOT --> CACHE["缓存分层<br>本地 / 分布式 / CDN"]
    HOTSPOT --> ASYNC["异步处理<br>消息队列 / 事件驱动"]
    HOTSPOT --> INDEX["索引策略<br>数据库索引 / 全文检索"]
    CACHE --> PROTECT["保护机制<br>限流 / 熔断 / 降级"]
    ASYNC --> PROTECT
    INDEX --> PROTECT
    PROTECT --> OUTPUT["输出性能方案"]

    style INPUT fill:#e3f2fd,stroke:#1565c0,color:#0d47a1
    style BASELINE fill:#fff3e0,stroke:#e65100,color:#bf360c
    style HOTSPOT fill:#ffcdd2,stroke:#c62828,color:#b71c1c
    style CACHE fill:#e8eaf6,stroke:#283593,color:#1a237e
    style ASYNC fill:#e8eaf6,stroke:#283593,color:#1a237e
    style INDEX fill:#e8eaf6,stroke:#283593,color:#1a237e
    style PROTECT fill:#f3e5f5,stroke:#6a1b9a,color:#4a148c
    style OUTPUT fill:#e8f5e9,stroke:#2e7d32,color:#1b5e20

---

1. 性能基线定义

目标模板

指标	目标	测量方式
P99 响应时间	< 200ms (读) / < 500ms (写)	APM 工具
QPS	根据业务估算	压测工具
错误率	< 0.1%	监控告警
数据库查询	< 50ms (单表) / < 200ms (联表)	慢查询日志

估算公式

预估 QPS = 日活用户 × 人均请求数 / 有效时长(秒)
峰值 QPS = 预估 QPS × 3（峰值系数）

---

2. 热点识别

读热点

特征	示例	优化策略
同一数据被大量请求	商品详情、配置信息	缓存
列表查询频繁	首页数据、排行榜	预计算 + 缓存
大数据量全表扫描	搜索、报表	索引 / 全文检索 / 物化视图

写热点

特征	示例	优化策略
高并发写同一行	库存扣减、计数器	乐观锁 / 分桶计数
批量数据写入	日志写入、数据导入	异步 + 批量
大事务	多表级联操作	拆分事务 / Saga

---

3. 缓存分层

graph LR
    REQ["请求"] --> L1["L1: 本地缓存<br>Caffeine / LRU<br>< 1ms"]
    L1 -->|"未命中"| L2["L2: 分布式缓存<br>Redis<br>1-5ms"]
    L2 -->|"未命中"| DB["数据库<br>10-100ms"]
    DB -->|"回填"| L2
    L2 -->|"回填"| L1

    style REQ fill:#f5f5f5,stroke:#616161,color:#212121
    style L1 fill:#c8e6c9,stroke:#2e7d32,color:#1b5e20
    style L2 fill:#e3f2fd,stroke:#1565c0,color:#0d47a1
    style DB fill:#ffe0b2,stroke:#e65100,color:#bf360c

缓存策略选择

场景	策略	TTL	说明
基本不变的数据	Cache-Aside	24h	配置、字典表
频繁读少量写	Cache-Aside + 写失效	1h	用户信息、商品详情
读写均衡	Write-Through	30min	会话数据
写多读少	Write-Behind	N/A	日志、统计
排行榜/计数	Redis 原生结构	持久化	SortedSet / HyperLogLog

缓存问题防护

问题	原因	解决方案
缓存穿透	查询不存在的数据	布隆过滤器 / 缓存空值(短 TTL)
缓存击穿	热点 Key 过期	互斥锁加载 / 永不过期+异步刷新
缓存雪崩	大量 Key 同时过期	TTL 加随机偏移 / 多级缓存

---

4. 异步处理

适用场景判定

graph TB
    DECIDE{"该操作是否?"} -->|"用户需要即时结果"| SYNC["同步处理"]
    DECIDE -->|"耗时 > 2s"| ASYNC_YES["异步 + 轮询/推送"]
    DECIDE -->|"不影响主流程"| ASYNC_FIRE["异步 Fire-and-Forget"]
    DECIDE -->|"需要多步编排"| SAGA["Saga / 工作流"]

    style SYNC fill:#c8e6c9,stroke:#2e7d32,color:#1b5e20
    style ASYNC_YES fill:#e3f2fd,stroke:#1565c0,color:#0d47a1
    style ASYNC_FIRE fill:#fff9c4,stroke:#f9a825,color:#e65100
    style SAGA fill:#f3e5f5,stroke:#6a1b9a,color:#4a148c

消息队列选型

队列	适用	特点
Redis Stream	轻量级、单机	简单、不持久化
RabbitMQ	中小型、需要路由	灵活路由、可靠投递
Kafka	大数据量、日志流	高吞吐、持久化、分区

---

5. 数据库索引策略

索引设计原则

原则	说明
高选择性字段优先	唯一值多的列效果好
查询条件即索引	WHERE / ORDER BY / JOIN 的列
复合索引最左前缀	遵循查询模式排列列顺序
覆盖索引	索引包含查询所有列，避免回表
避免过度索引	每增加一个索引，写入性能下降

N+1 查询防护

场景	ORM 解法	SQL 解法
关联查询	Eager Loading / Join Fetch	LEFT JOIN
批量查询	findAllById(ids)	WHERE id IN (...)
分页+关联	先查 ID 再批量加载	子查询分页

慢查询预防清单

• 所有 WHERE 条件都有索引覆盖
• 无全表 COUNT(*)（用近似计数或缓存）
• 无 SELECT *（只查需要的列）
• 分页用游标/Keyset 而非 OFFSET
• 大 IN 列表拆分为批次（< 1000 条）

---

6. 限流策略

算法	适用	特点
固定窗口	简单限流	有边界突刺问题
滑动窗口	一般 API	平滑、内存稍多
令牌桶	允许突发	可积累令牌应对突发
漏桶	严格匀速	流量平滑

限流维度

维度	示例
用户级	每用户 100 次/分
IP 级	每 IP 200 次/分
API 级	某接口全局 1000 次/秒
服务级	上游调用方配额

---

7. 输出清单

制品	说明
性能基线文档	目标 QPS、响应时间、错误率
热点分析表	读热点 + 写热点 + 优化策略
缓存设计方案	分层策略、TTL、防护措施
异步处理方案	场景列表 + 队列选型
索引设计清单	每张表的索引定义
限流配置	维度 + 算法 + 阈值

---

参考

详细规则参见 references/ 目录：

• performance-rules.md — 性能设计详细规则与反模式