一、优化机制

通常而言，当实现了反向压力功能时，整个流计算应用的处理速度，就会受限于 DAG 中最慢的那个节点，并且 DAG 上各个节点的处理速度，最终都会趋近于同一个值，也就是最慢那个节点的处理速度。

二、优化工具

工具大体上可以分为两类，一类是监控工具，另一类是压测工具。

Metrics，用于在程序的一些关键逻辑处安装性能监控点，比如 Gauge 仪表盘、Counter 计数器、Meter 累加计数器、Histogram 直方图、Timer 计时器等。
Zabbix 或者 Prometheus + Grafana，最主要是通过观察各种资源的使用情况，定位出程序压力高峰、资源使用效率、内存是否泄漏等一系列性能相关的问题。
JConsole 或者JVisualVM，主要是观察 JVM 运行时的状况，比如垃圾回收、线程状态、函数调用时间等，都能一目了然地观察到。

压测工具
JMeter，主要是用于 HTTP 请求压力测试。
Kafka，可以充分发挥它的消息重放功能，快速给流计算系统生成压力数据。

光有工具还是不够的，最终能否优化好程序，最主要还是需要我们对程序运行时状况能够透彻理解。除了对业务流程本身的理解之外，最重要的就是对“线程状态”的理解！

而如果是处于 Waiting、Timed Waiting 或 Blocked 状态，则说明程序可能存在以下问题。

（一是）工作量不饱和。比如从输入队列拉取消息过慢，或者也可能是输入本身很少，但是在性能测试和优化时，本应该让系统处于压力饱和状态。

（二是）内耗严重。比如锁使用不合理、synchronized 保护范围过大，导致竞态时间过长、并发性能低下。

（三是）资源分配不足。比如分配给某个队列的消费者线程过少，导致队列的生产者长时间处于等待状态。

（四是）处理能力不足。比如某个队列的消费者处理过慢，也会导致队列的生产者长时间处于等待状态。