用jprofiler通过sampling或instrumentation模式采集cpu快照，聚焦call tree中self time %最高的方法（>5%为重点），结合下钻调用链、方法统计及快照对比定位热点，再针对性优化字符串拼接、json序列化等典型瓶颈。
定位热点方法：用 JProfiler 抓取 CPU Profiling 快照
启动应用后，在 JProfiler 中选择 Live Memory / CPU Views → CPU Profiling，点击“Record”开始采样。推荐使用 Sampling（采样模式），它开销小、适合线上预估；若需精确调用次数和行号，可切到 Instrumentation（插桩模式），但会明显拖慢执行速度。
运行一段时间（如关键操作完成），点击“Stop”。JProfiler 自动聚合调用栈，生成 Call Tree（调用树） 视图——这是找热点的核心界面。
聚焦耗时占比最高的方法：看 “Self Time %” 列
在 Call Tree 中，默认按 “Self Time %” 降序排列（即该方法自身执行时间占总采样时间的百分比，不含子调用）。重点关注顶部几项：
• 数值 >5% 的方法大概率是瓶颈；
• 若某个工具类方法（如 StringUtils.join()、JSON.toJSONString()）反复出现且占比高，说明它被高频调用或内部有低效逻辑；
• 注意区分 Hot Spot（红色高亮） ——JProfiler 会自动标出自时间占比突增的方法节点，可直接双击跳转源码。
确认问题上下文：下钻调用链 + 对比快照
双击可疑方法，展开其子调用分支，观察是否因深层递归、重复序列化、无索引数据库查询等导致级联延迟。
• 右键方法 → “Show Method Statistics” 查看调用次数、平均耗时、最大耗时；
• 执行两次相同操作，分别录制两个快照，用 “Compare Snapshots” 功能对比差异，快速识别新增/加剧的热点；
• 若发现某 DAO 方法耗时飙升，配合 “Hot Spots” 标签页切换到 SQL 视图，检查是否触发了 N+1 查询或缺失索引。
重构建议：从典型热点切入，避免过早优化
常见高占比场景及应对方式：
• 字符串拼接滥用：如循环中用 += 拼接大量文本 → 改用 StringBuilder 预分配容量；
• JSON 序列化瓶颈：频繁调用 ObjectMapper.writeValueAsString() → 复用 ObjectMapper 实例，关闭不必要的特性（如 WRITE_DATES_AS_TIMESTAMPS），或考虑更轻量的序列化库（如 Jackson 的 JsonGenerator 流式写入）；
• 集合遍历低效：对大 List 调用 contains() → 改为 HashSet 存储，将 O(n) 降为 O(1)；
• 日志占 CPU：开启 DEBUG 级别日志且含复杂对象 toString() → 加 if (log.isDebugEnabled()) 防御性判断，或用占位符日志（log.debug("User {} status: {}", user.getId(), status)）。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
