由 dawei 某电商系统在大促前遭遇瓶颈：单台应用服务器吞吐量仅800 QPS，响应延迟飙升至1.2秒。后端架构师未急于扩容，而是聚焦三个可量化、易落地的调优点，两周内将QPS稳定提升至1700+，延迟降至450ms以下。
第一步是连接池与数据库访问重构。原应用使用HikariCP默认配置（最大连接数20），但实际业务存在大量短时并发查询，导致连接争抢严重。将连接池最大值动态设为CPU核心数×4，并启用connection-timeout和validation-timeout机制；同时将高频单表查询从MyBatis的XML拼接改为预编译+参数绑定，并为WHERE字段添加复合索引。这使DB平均RT从95ms降至28ms，线程阻塞率下降76%。
第二步是异步化关键非核心路径。订单创建流程中，短信通知、用户积分更新、埋点日志写入均为耗时操作，但不阻塞主链路。将这些操作剥离至基于RabbitMQ的异步队列，并采用本地内存缓存+批量落库方式处理积分变更。主线程响应时间缩短320ms，CPU利用率峰谷差收窄40%，避免了线程池因IO等待而饥饿。
2026AI生成内容，仅供参考
第三步是JVM与容器协同调优。原容器分配2核4GB，JVM堆设为3GB且使用默认G1GC。分析GC日志发现频繁Mixed GC（平均每次停顿180ms）。调整为：容器资源锁定2核3.2GB，JVM堆设为2GB，启用ZGC（-XX:+UseZGC），并关闭偏向锁。GC停顿稳定在1.2ms以内，服务吞吐抖动消失。配合Linux内核参数优化（net.core.somaxconn=65535、vm.swappiness=1），网络连接建立速率提升2.3倍。
三步并非孤立操作：连接池调优释放了DB压力，为异步化提供了可靠下游保障；异步化降低了单请求时长，缓解了JVM GC频率；而ZGC又支撑了更密集的异步任务调度。调优后单机吞吐翻倍有余，且故障率下降90%，无需追加服务器即可平稳扛住峰值流量。技术价值不在于复杂度，而在于精准识别约束点，并让各层优化彼此增强。