数据库

  • 工作任务内存超过可用的RAM内存
  • 长/短查询
  • 写入冲突
  • 大连接（join）占用内存

虚拟化

  • 共享一个HDD、磁盘寻死（disk seek death）
  • 在云端网络I/O波动

编程

  • 线程：死锁、调试、非线性扩展等
  • 事件驱动编程：callback()过于复杂、如何在函数调用中存储有状态等
  • 缺乏调优、跟踪、日志等
  • 单模块不可扩展、单点故障(SPOF:Single Point Of Failure)、非横向扩展等
  • 有状态应用程序
  • 设计问题：开发的应用程序只在自己的机器行运行正常，或者只是在几个人测试的时候正常（没有经历压力测试）。
  • 算法过于复杂
  • 相关服务，例如DNS查找以及其他可能屏蔽的服务
  • 堆栈空间

磁盘

  • 访问本地磁盘
  • 随机访问磁盘I/O
  • 磁盘碎片
  • 当SSD写入的数据大于SSD容量时，性能会下降

OS

  • Fsync饱和，Linux缓冲区填塞（Fsync flushing, linux buffer cache filling up）
  • TCP缓冲区太小
  • 文件描述符限制
  • 功率分配（Power budget）

缓存

  • 没使用memcached（数据库崩溃）
  • HTTP中：headers、etags、没有使用gzip压缩等。
  • 没有充分利用浏览器缓存
  • 字节码缓存（如PHP）
  • L1/L2缓存：这是个令人头疼的大瓶颈。把关键并且经常访问的数据存储在L1/L2中。这涉及到很多：snappy网络I/O,列数据库直接在压缩数据上运行算法等。利用一些技术不销毁你的TLB。最重要的思想是紧紧的抓住计算机的体系结构，涉及多核CPU，L1/L2，共享的L3，NUMA RAM，从DRAM到芯片数据传输带宽/延迟，DRAM缓存的DiskPages，DirtyPages，流经CPU<->DRAM<->NIC的TCP包。

CPU

  • CPU过载
  • 内容切换—>单核上开启的线程过多、Linux调度器、系统调用太多等
  • IO等待—>所有的CPU在同速等待
  • CPU缓存：缓存数据是一个细粒度进程，为了在多个实例与不同的值数据之间找到正确的平衡，来保持缓存数据的一致性和繁重同步。
  • 底板吞吐量（Backplane throughput）

网络

  • NIC刷爆、IRQ饱和、软中断占用掉了100%CPU
  • DNS查询
  • 数据包丢失
  • 网络中存在预期外的路由
  • 访问网络磁盘
  • 共享SAN
  • 服务器故障—>无法从服务处得到响应

进程

  • 测试时间
  • 开发时间
  • 团队规模
  • 预算
  • 代码债务

内存

  • 内存不足—>杀死进程，切换到swap，挂起
  • 内存不足导致磁盘交换（与swap相关）
  • 记忆库开销过大（Memory library overhead）
  • 内存分片（在Java中需要会因为内存回收而停顿；在C中，malloc总是开始分配内存）