面对的问题：
做后台程序经常会被问一句话，你的程序能撑多少人。一般官方一点的回答是这个得根据实际情况而定。实际上后台程序的性能是可以被量化的。我们开发的每一个服务器程序，对性能都非常有底，以为我们有数据。So，能撑多少人不少随便猜的，让数据报表来说话。
另外一种情况经常发生在开发人员之中，甲乙丙一起讨论接口实现，经常会说这么实现效率太低，那么实现效率才高等。实际上，效率高低都是相对而言的。一个函数1ms执行完毕够快吗？看起来挺快，若某接口需要此函数100次循环，那么情况就不是很乐观了。但是若此接口又是十天半个月才会被触发一次，似乎事情又变的不是很严重。说到这里想起《unix编程艺术》上关于性能优化的总结：
- 最有效的优化往往是优化之外的，如清晰干净的设计
- 最有效的优化就是不优化，摩尔定律会为你优化
- 如果确定要优化，必须找到真正的瓶颈
还有一种跟性能有关的情况是，后台程序经常有很多组件组成。比如在运行期发生接口调用性能下降的情况，必须知道是那些组件性能下降引起的。如果可以实时的知道所有接口的性能数据，以上的问题都可迎刃而解。
总结如下原因，必须开启实时性能监控：
- 我们需要知道系统的吞吐量，以此参数做部署等。
- 实时了解各个系统组件的性能，某组件发生故障，可以及时发现
- 获得程序接口调用热点，调用多且慢的接口才需要优化
解决方案：
后台程序开发一个专门统计性能的组件，其需要有如下功能：
- 可以汇总性能数据，如定时将1小时内说有接口调用开销、次数等数据汇总到文件
- 可以非常方便的与逻辑层接口集成，比如在现有接口增加一行代码即可
- 直观的报表，性能数据写入文件必须按照通用的格式，方便工具分析数据，生成报表
性能监控组件
我实现了一个性能组件performance_daemon_t。接口如下：
//! 性能监控 class performance_daemon_t { public: struct perf_tool_t { perf_tool_t(const char* mod_): mod(mod_) { gettimeofday(&tm, NULL); } ~perf_tool_t() { struct timeval now; gettimeofday(&now, NULL); long cost = (now.tv_sec - tm.tv_sec)*1000000 + (now.tv_usec - tm.tv_usec); singleton_t<performance_daemon_t>::instance().post(mod, cost); } const char* mod; struct timeval tm; }; public: performance_daemon_t(); ~performance_daemon_t(); //! 启动线程，创建文件 int start(const string& path_, int seconds_); //! 关闭线程 int stop(); //! 增加性能监控数据 void post(const string& mod_, long us);
perf_tool_t 是工具类，构造和析构自动调用两次gettimeofday获取函数调用开销，例外有辅助宏定义如下：
#define AUTO_PERF() performance_daemon_t::perf_tool_t __tmp__(__FUNCTION__) #define PERF(m) performance_daemon_t::perf_tool_t __tmp__(m)
使用示例:
void foo() { AUTO_PERF(); //! TODO ----- } int main(int argc, char* argv[]) { singleton_t<performance_daemon_t>::instance().start("perf.txt", 5); foo(); }
performance_daemon_t 每隔5秒将性能统计数据输出到perf.txt， perf.txt的内容是CVS文件格式。
报表工具：
perf.txt 文件内容还不够直观，示例内容如下：
time,mod,max_cost[us],min_cost[us],per_cost[us],request_per_second,exe_times 20120606-17:01:41,dumy,515,174,254,3937,390 20120606-17:01:41,foo,5924,4,506,1976,1030 20120606-17:01:41,test,304,8,243,4115,185 time,mod,max_cost[us],min_cost[us],per_cost[us],request_per_second,exe_times 20120606-17:11:41,dumy,1086,222,280,5571,312 20120606-17:11:41,foo,5707,194,503,1988,770 20120606-17:11:41,test,807,8,265,3773,142 time,mod,max_cost[us],min_cost[us],per_cost[us],request_per_second,exe_times 20120606-17:21:41,dumy,1086,222,680,2571,512 20120606-17:21:41,foo,5707,194,403,1388,470 20120606-17:21:41,test,807,8,265,4773,442
为生成足够友好、直观的报表，我实现了一个WEB报表页面，http://ffown.sinaapp.com/perf/， 将perf.txt 内容直接粘贴到web 页面，点击转换输出如下报表：
各个接口性能监控-折线图：
此图显示了三个接口随时间顺序的走势，可以非常清楚foo、test、dumy三个接口那个时间性能高，哪个时间性能低，一目了然。
接口热点分布图：
显示三个接口随时间调用次数走势，可以很清楚显示哪个时间段是高峰期。大饼图显示了哪个接口是热点接口，很明显，foo 接口调用次数最多，优化当优先优化foo。
组件实现浅析：
post 接口：
程序把接口调用开销投递到性能组件任务队列中，保证了对接口性能影响最小。
timer定时回调：
timer_service_t 是我用epoll 实现的定时器，主要实现如下:
void timer_service_t::run() { struct epoll_event ev_set[64]; //! interupt(); struct timeval tv; do { ::epoll_wait(m_efd, ev_set, 64, m_min_timeout); if (false == m_runing)//! cancel { break; } gettimeofday(&tv, NULL); long cur_ms = tv.tv_sec*1000 + tv.tv_usec / 1000; process_timer_callback(cur_ms); }while (true) ; }
process_timer_callback 中检测链表内所有的定时任务，若超时，触发回调函数。
备注：
有人可能当心AUTO_PERF(); 会影响接口性能，其实其平均开销大约为1us
代码实现：
https://ffown.googlecode.com/svn/trunk/example/ff_performance
WEB 报表生成工具：
http://ffown.sinaapp.com/perf/
文档：