专题演讲嘉宾：李成栋

工程师对性能追求的热情从未停止，从某种角度来看，计算机发展的历史就是一部性能提高的历史。今天的软件生态越来越多样：Web 应用，大数据，数据库，流媒体，游戏，人工智能等等。这对性能优化人员提出了很高的要求：新人或许面对各种各样软硬件形态而踟蹰不前，有经验的工程师也许在顾虑某种性能优化的方法能否通用，数据分析工程师可能迷失在所谓的异常数据中… 性能优化或许没有终点，那么它的起点又是什么呢？ 面对 100+ 应用的性能优化不能不知道的要点又是什么呢？本次演讲将从性能优化的起点出发，介绍性能数据收集的内在机制，前提假设，数据准确性，采集开销以及数据验证的方法。

演讲提纲：

1. 性能数据收集模式和内在假设

• 统计模式
• 采样模式
• 追踪模式

2. 不同收集模式的准确性和开销对比

3. 从数值到指标的升级

• 更新频率和采集频率的影响
• 采集延迟对数值的影响
• 不同采集频率的交叉影响
• 4. 性能数据准确性校验案例分析

5. 总结与展望

你将获得：

• 从性能数据收集的原理出发，了解性能数据收集的各种模式，判断各种工具的开销
• 了解影响性能指标的各种因素
• 了解辨别性能数据准确性的基本方法