应结合Nginx日志中$request_time与$upstream_response_time的差值定位瓶颈：差值>300ms在Nginx层；两者接近且偏高在Java层；$upstream_response_time为“-”且状态码502/504则Java服务未响应。
Java 应用通过 Nginx 暴露服务时，性能瓶颈可能出现在 Nginx 层、网络链路、或 Java 服务本身。要准确定位 Java 部署的运行瓶颈，不能只盯着 Java 进程，而需结合 Nginx 日志、系统指标与 Java 侧工具做分层交叉验证。
看 Nginx 日志中的时间差定位瓶颈归属
在 Nginx access log 中必须记录两个关键字段：$request_time（客户端全程耗时）和 $upstream_response_time（后端 Java 返回响应的时间）。二者对比可快速划清责任边界：
- 若 $request_time 明显大于 $upstream_response_time（例如差值 >300ms），说明延迟发生在 Nginx 本体：可能是 SSL 握手慢、大请求体解析耗时、gzip 压缩、proxy_buffering 缓冲等待，或客户端弱网上传
- 若 两者数值接近且同时偏高（如都稳定在 1.2s 左右），问题大概率在 Java 应用内部：数据库慢查、线程池饱和、GC 暂停、远程调用阻塞等
- 若 $upstream_response_time 为 “-” 或极小值（如 0.000），但状态码是 502/504，说明 Nginx 根本没连上 Java 服务——检查端口通断、连接池耗尽、或 Java 进程已僵死
进容器/服务器查 Java 进程真实负载
绕过 Nginx 直接 curl 后端 Java 接口（如 curl -w "@format.txt" http://localhost:8080/api/test），用 -w 输出详细时间字段（TTFB、total_time），确认是否仍慢。若直连也慢，再深入 Java 层：
你接手一个需求时，是不是经常这样："改一个小字段 → 结果把不相关的代码也改了"、"需求说得很模糊 → 做着做着发现跑偏了"、"数据库加个字段 → 上线才发现漏了数据兼容"、"做了个新功能 → 一个月后自己都忘了当时怎么设计的"、"写到一半被中断 → 再回来不知道从哪继续"；这个 Skill 就是专门解决这些问题的。 它会自动探测你的项目环境（JDK、Spring Boot、ORM、数据库、前端框架），记在
- 用 jstat -gc <pid> 查 GC 频率与停顿：如果 YGCT/FGCT 高或 GCT 占比超 10%，说明 GC 是瓶颈
- 用 jstack <pid> 抓线程快照，搜索
WAITING或BLOCKED线程数是否异常多；重点关注http-nio或ForkJoinPool线程状态 - 用 async-profiler 采样 CPU 火焰图：
./profiler.sh -e cpu -d 30 -f profile.html <pid>，直观看到哪些方法吃掉最多 CPU
结合 Nginx 和 Java 的监控指标交叉印证
单看某一层容易误判。比如 Nginx 的 Active connections 长期高位 + Java 线程池 activeCount 接近 max，说明请求在排队；而如果 Nginx Waiting 数高但 Java 线程空闲，则问题出在 Nginx 配置（如 worker_connections 不足或 upstream keepalive 过小）：
立即学习“Java免费学习笔记（深入）”；
- 启用 Nginx
stub_status，定时采集Accepts/Handled/Requests和连接状态 - 在 Java 应用中暴露 Micrometer 指标（如
tomcat.threads.busy、jvm.gc.pause），接入 Prometheus+Grafana - 对同一请求打标记（如加
X-Request-ID），在 Nginx 日志、Java 应用日志、APM 调用链中追踪完整生命周期
特别注意容器环境下的隐性限制
Java 应用跑在 Kubernetes 或 Docker 中时，cgroup 限制造成的“静默降频”常被忽略：
- 进 Java 容器执行
cat /sys/fs/cgroup/cpu/cpu.stat | grep throttled，若throttled_time > 0，说明 CPU 被强制节流，即使top显示 CPU 使用率不高 - 检查 JVM 是否识别到容器内存限制：Java 8u191+/10+ 默认支持
-XX:+UseContainerSupport，否则可能因 Xmx 设得过大触发 OOMKilled - 确认
worker_processes没设为auto，应设为容器实际分配的 CPU 数（如 limits.cpu=1 → worker_processes 1）
