软硬件协同优化能取得什么样的效果？

　　今年2月份我们对外宣布一个数据测试的结果。在10台服务器上可以把一个台序做到470秒，公开的X86服务器上，或者别的公司做的，发现我们10台机器达到别人20、30台机器达到的效果。硬件有水分很大的，大家看自己的笔记本电脑，十几年了，CPU的性能发生几千倍了，怎么还是那么慢？就是因为你的硬件数据没有被充分的挖掘出来。你大数据平台，必须充分挖掘你的硬件的潜力，才能更好的发挥出来。

　　硬件线上必须要有足够大的内存带宽支撑他，所以我们会设计高达128G内存通道的带宽来支持一个线程。我们可以80M的L3G缓存上去。刚才介绍了硬件的东西，后面做详细的介绍。

　　比如说，有四种不同的颜色的方块，每一个代表CPU流水线某一种处理器。读写指令，分支预测，只有两种线程跑的话，等着取数据，写数据，需要等待，需要判断，会造成流水线的闲置。只有两用线程可以跑出来，就会有很多CPU的资源是被空闲的。但是CPU也不是越高越好。对不同类型来讲，本身最优值有可能不一样的，直接默认最高设置就好了。确实有些应用设置更低一点。我们有些资源是被线程共享的，那些资源正好被你这几个线程征用了，可能确实把它降下来。硬件给你提供这样的性能，还需调一调，别放在那里不管了，可能没有挖掘出来充分的潜力。

　　第二个例子，怎么样把下一个要读的数据设起来。可以设置一次取十行，还是十二行，类似这样的概念。你读的时候，写操作是不是预先取？比如要写第二行，是不是也让他帮你提前取出来。如果对数据的访问不是连续的，写第四行，跳着写，能不能也开一个策略，能够有这样的测试？对大数据应用来讲，本身数据的存储比较线性，比较规律的。可以尝试写一个把所有的调的预取的策略全部的打开，可能会有很大的兴趣。

　　调优可能有点老生常谈，简单讲一讲我们的经验。你需要针对应用每一个场景做针对性的JVM调整，有一个28法则，可能花20%的时间能够得到80%的效果，这个规则是成立的。怎么达到这一点？我们两步走。第一步调JVM调到合适。第二步有些运行时优化的参数可以打开。