明确性能瓶颈定位是调优前提，需基于可观测数据逐层排查：先确认现象，再用top、pidstat、perf或ebpf工具分析；分cpu、内存、i/o、网络四类标准化调优；每次单变量变更并闭环验证；沉淀知识库并自动化巡检。
明确性能瓶颈定位是调优前提
生产环境调优不能靠经验猜测，必须基于可观测数据。先确认问题现象（如CPU持续100%、响应延迟突增、OOM Killer触发），再用标准工具链逐层排查：用 top/htop 看整体负载分布，用 pidstat -u -r -d 1 定位高消耗进程，用 perf record -g -p PID 或 ebpf/bcc 工具（如runqlat、biolatency） 深挖内核态行为。避免一上来就改sysctl或重编译内核。
分层聚焦关键子系统调优项
按资源类型标准化处理路径：
- CPU：检查是否因锁竞争（perf lock）、软中断堆积（/proc/softirqs）、或调度延迟（cyclictest）导致；合理设置进程优先级（chrt）、隔离CPU（isolcpus启动参数）、关闭非必要服务和中断亲和绑定
- 内存：观察Page Cache与应用堆内存占比（free -h + pmap -x），禁用swappiness（vm.swappiness=1）防抖动，启用transparent_hugepage=never避免大页分配卡顿，对Java应用调优-XX:+UseG1GC及堆外内存限制
- I/O：使用iostat -x 1判断await、%util、r_await/w_await是否异常；SSD建议noop或none调度器，HDD用deadline；调整nr_requests、read_ahead_kb适配业务读写模式；避免ext4日志模式data=ordered以外的激进配置
- 网络：检查连接数（ss -s）、TIME_WAIT堆积（net.ipv4.tcp_tw_reuse=1）、接收队列溢出（net.core.netdev_max_backlog）；调大socket缓冲区（rmem_max/wmem_max）、启用TCP Fast Open和BBR（需内核5.4+）
变更管理与效果验证必须闭环
每次只调整一个变量，记录基线（如wrk -t4 -c100 -d30s http://ip:port）、执行变更、再压测对比。关键指标要持续采集（推荐prometheus + Node Exporter + grafana），保留至少7天历史曲线。上线后观察2个业务高峰周期，确认无隐性副作用（如内存缓慢泄漏、连接池耗尽）。所有生效参数写入/etc/sysctl.d/99-custom.conf并reload，脚本化部署确保集群一致性。
建立可复用的调优知识库
将每次调优过程沉淀为结构化条目：问题现象、诊断命令输出片段、根因分析、生效参数、回滚方式、适用内核版本范围。例如：“centos 7.9 + kernel 3.10.0-1160，Java服务Full GC频发 → 发现vm.swappiness=60导致Page Cache被频繁换出 → 改为1 + -XX:MaxRAMPercentage=75.0”。定期组织交叉复盘，把高频问题转为自动化巡检脚本（如check_high_cpu.sh、io_wait_alert.py）。