前段时间修改软件，解析后的网络数据需要排序后再进行输出。

软件功能修改完成之后，进行了一下测试。发现同样大小的一个文件，整个解析过程比原来长了两三倍，性能下降的太厉害。

究竟是哪里出了问题呢？究竟那部分代码这么耗费时间呢？

我仔细分析了一下代码的改动，总共有三个地方，分别是数据解析过程，文件块块内排序过程和输出结果时的整体排序。

于是，问题的排查思路就出来了。给这三个过程都加上计时，来检查时间究竟消耗在什么地方。

但即便有了思路，另外一个问题又出现了。数据的解析过程用到了mapreduce架构，直接进行计时输出是没办法输出到控制台的。于是我又写代码，把计时的结果存到文件。

经过排查，最终发现，时间消耗在文件块块内排序的过程。这里的排序我使用的是冒泡排序算法。经过对数据特点的分析，重新实现了排序的过程，终于把时间降到了之前的水平。

这次问题的解决，只花费了一个多小时的时间，非常有效。事后复盘整个问题排查的过程，发现这么高的效率，得益于在修改问题之前，对问题的精确定位。而对问题的精确的快速的定位，依赖的是对问题的分析。在动手解决问题之前，想清楚了整个过程，所以解决问题的时候效率很高。

反过来想想，如果当时没有仔细分析整个问题，而是看看这里改改那里，通过猜测和尝试来修改问题，那么肯定会花费更多的时间。