我们最常见的是批量读：每次读取数据的时候多读取一些，以备不时之需。如GFS client会从GFS master多读取一些chunk信息；如分布式系统中，如果集中式节点复杂全局ID生成，俺么应用就可以一次请求一批id。
特别是系统中有单点存在的时候，缓存和批量本质上来说减少了与单点的交互，是减轻单点压力的经济有效的方法
在前端开发中，经常会有资源的压缩和合并，也是这种思想。
当涉及到网络请求的时候，网络传输的时间可能远大于请求的处理时间，因此合并网络请求就很有必要，比如mognodb的bulk operation，redis 的pipeline。写文件的时候也可以批量写，以减少IO开销，GFS中就是这么干的
更高效的实现同一个算法，肯定会有不同的实现，那么就会有不同的性能；有的实现可能是时间换空间，有的实现可能是空间换时间，那么就需要根据自己的实际情况权衡。
程序员都喜欢早轮子，用于练手无可厚非，但在项目中，使用成熟的、经过验证的轮子往往比自己造的轮子性能更好。当然不管使用别人的轮子，还是自己的工具，当出现性能的问题的时候，要么优化它，要么替换掉他。
比如，我们有一个场景，有大量复杂的嵌套对象的序列化、反序列化，开始的时候是使用python（Cpython）自带的json模块，即使发现有性能问题也没法优化，网上一查，替换成了ujson，性能好了不少。
上面这个例子是无损的，但一些更高效的实现也可能是有损的，比如对于python，如果发现性能有问题，那么很可能会考虑C扩展，但也会带来维护性与灵活性的丧失，面临crash的风险。
缩小解空间缩小解空间的意思是说，在一个更小的数据范围内进行计算，而不是遍历全部数据。最常见的就是索引，通过索引，能够很快定位数据，对数据库的优化绝大多数时候都是对索引的优化。
如果有本地缓存，那么使用索引也会大大加快访问速度。不过，索引比较适合读多写少的情况，毕竟索引的构建也是需有消耗的。
另外在游戏服务端，使用的分线和AOI（格子算法）也都是缩小解空间的方法。
4、性能优化与代码质量很多时候，好的代码也是高效的代码，各种语言都会有一本类似的书《effective xx》。比如对于python，pythonic的代码通常效率都不错，如使用迭代器而不是列表（python2.7 dict的iteritems(), 而不是items())。
衡量代码质量的标准是可读性、可维护性、可扩展性，但性能优化有可能会违背这些特性，比如为了屏蔽实现细节与使用方式，我们会可能会加入接口层（虚拟层），这样可读性、可维护性、可扩展性会好很多，但是额外增加了一层函数调用，如果这个地方调用频繁，那么也是一笔开销；又如前面提到的C扩展，也是会降低可维护性、
这种有损代码质量的优化，应该放到最后，不得已而为之，同时写清楚注释与文档。
为了追求可扩展性，我们经常会引入一些设计模式，如状态模式、策略模式、模板方法、装饰器模式等，但这些模式不一定是性能友好的。所以，为了性能，我们可能写出一些反模式的、定制化的、不那么优雅的代码，这些代码其实是脆弱的，需求的一点点变动，对代码逻辑可能有至关重要的影响，所以还是回到前面所说，不要过早优化，不要过度优化。
敬请关注「搜云库技术团队」微信公众号，获取最新文章