Java语言特别强调准确性，但可靠的行为要以性能作为代价。这一特点反映在自动收集垃圾、严格的运行期检查、完整的字节码检查以及保守的运行期同步等等方面。对一个解释型的虚拟机来说，由于目前有大量平台可供挑选，所以进一步阻碍了性能的发挥。
　　“先做完它，再逐步完善。幸好需要改进的地方通常不会太多。”（Steve McConnell的《About performance》[16]）
　　本附录的宗旨就是指导大家寻找和优化“需要完善的那一部分”。

　　D.1 基本方法
　　只有正确和完整地检测了程序后，再可着手解决性能方面的问题：
　　(1) 在现实环境中检测程序的性能。若符合要求，则目标达到。若不符合，则转到下一步。
　　(2) 寻找最致命的性能瓶颈。这也许要求一定的技巧，但所有努力都不会白费。如简单地猜测瓶颈所在，并试图进行优化，那么可能是白花时间。
　　(3) 运用本附录介绍的提速技术，然后返回步骤1。

　　为使努力不至白费，瓶颈的定位是至关重要的一环。Donald Knuth[9]曾改进过一个程序，那个程序把50％的时间都花在约4％的代码量上。在仅一个工作小时里，他修改了几行代码，使程序的执行速度倍增。此时，若将时间继续投入到剩余代码的修改上，那么只会得不偿失。Knuth在编程界有一句名言：“过早的优化是一切麻烦的根源”（Premature optimization is the root of all evil）。最明智的做法是抑制过早优化的冲动，因为那样做可能遗漏多种有用的编程技术，造成代码更难理解和操控，并需更大的精力进行维护。

　　D.2 寻找瓶颈
　　为找出最影响程序性能的瓶颈，可采取下述几种方法：

　　D.2.1 安插自己的测试代码
　　插入下述“显式”计时代码，对程序进行评测：

　　long start = System.currentTimeMillis();
　　// 要计时的运算代码放在这儿
　　long time = System.currentTimeMillis() - start;

　　利用System.out.println()，让一种不常用到的方法将累积时间打印到控制台窗口。由于一旦出错，编译器会将其忽略，所以可用一个“静态最终布尔值”（Static final boolean）打开或关闭计时，使代码能放心留在最终发行的程序里，这样任何时候都可以拿来应急。尽管还可以选用更复杂的评测手段，但若仅仅为了量度一个特定任务的执行时间，这无疑是最简便的方法。
　　System.currentTimeMillis()返回的时间以千分之一秒（1毫秒）为单位。然而，有些系统的时间精度低于1毫秒（如Windows PC），所以需要重复n次，再将总时间除以n，获得准确的时间。

　　D.2.2 JDK性能评测[2]
　　JDK配套提供了一个内建的评测程序，能跟踪花在每个例程上的时间，并将评测结果写入一个文件。不幸的是，JDK评测器并不稳定。它在JDK 1.1.1中能正常工作，但在后续版本中却非常不稳定。
　　为运行评测程序，请在调用Java解释器的未优化版本时加上-prof选项。例如：
　　java_g -prof myClass
　　或加上一个程序片（Applet）：
　　java_g -prof sun.applet.AppletViewer applet.html
　　理解评测程序的输出信息并不容易。事实上，在JDK 1.0中，它居然将方法名称截短为30字符。所以可能无法区分出某些方法。然而，若您用的平台确实能支持-prof选项，那么可试试Vladimir Bulatov的“HyperPorf”[3]或者Greg White的“ProfileViewer”来解释一下结果。

　　D.2.3 特殊工具
　　如果想随时跟上性能优化工具的潮流，最好的方法就是作一些Web站点的常客。比如由Jonathan Hardwick制作的“Tools for Optimizing Java”（Java优化工具）网站：
　　http://www.cs.cmu.edu/~jch/java/tools.html

　　D.2.4 性能评测的技巧
　　■由于评测时要用到系统时钟，所以当时不要运行其他任何进程或应用程序，以免影响测试结果。
　　■如对自己的程序进行了修改，并试图（至少在开发平台上）改善它的性能，那么在修改前后应分别测试一下代码的执行时间。
　　■尽量在完全一致的环境中进行每一次时间测试。
　　■如果可能，应设计一个不依赖任何用户输入的测试，避免用户的不同反应导致结果出现误差。

　　D.3 提速方法
　　现在，关键的性能瓶颈应已隔离出来。接下来，可对其应用两种类型的优化：常规手段以及依赖Java语言。

　　D.3.1 常规手段
　　通常，一个有效的提速方法是用更现实的方式重新定义程序。例如，在《Programming Pearls》（编程拾贝）一书中[14]，Bentley利用了一段小说数据描写，它可以生成速度非常快、而且非常精简的拼写检查器，从而介绍了Doug McIlroy对英语语言的表述。除此以外，与其他方法相比，更好的算法也许能带来更大的性能提升——特别是在数据集的尺寸越来越大的时候。欲了解这些常规手段的详情，请参考本附录末尾的“一般书籍”清单。

　　D.3.2 依赖语言的方法
　　为进行客观的分析，最好明确掌握各种运算的执行时间。这样一来，得到的结果可独立于当前使用的计算机——通过除以花在本地赋值上的时间，最后得到的就是“标准时间”。

　　运算 示例 标准时间

　　本地赋值 i=n; 1.0
　　实例赋值 this.i=n; 1.2
　　int增值 i++; 1.5
　　byte增值 b++; 2.0
　　short增值 s++; 2.0
　　float增值 f++; 2.0
　　double增值 d++; 2.0
　　空循环 while(true) n++; 2.0
　　三元表达式 (x<0) ?-x : x 2.2
　　算术调用 Math.abs(x); 2.5
　　数组赋值 a[0] = n; 2.7
　　long增值 l++; 3.5
　　方法调用 funct(); 5.9
　　throw或catch异常 try{ throw e; }或catch(e){} 320
　　同步方法调用 synchMehod(); 570
　　新建对象 new Object(); 980
　　新建数组 new int[10]; 3100

　　通过自己的系统（如我的Pentium 200 Pro，Netscape 3及JDK 1.1.5），这些相对时间向大家揭示出：新建对象和数组会造成最沉重的开销，同步会造成比较沉重的开销，而一次不同步的方法调用会造成适度的开销。参考资源[5]和[6]为大家总结了测量用程序片的Web地址，可到自己的机器上运行它们。