上个月我接手了一个老项目，代码启动时间要四秒。优化依据客户说，代码能快一点就行，优化依据别搞坏功能。代码我打开代码，优化依据第一眼看到的代码是一堆嵌套循环里藏着SQL查询，循环一次查一次数据库。优化依据这就是代码最典型的性能杀手，但真正的优化依据问题不在循环本身，而在写这段代码的代码人根本没想过数据量会涨到十万条。

代码优化依据的优化依据第一条，是代码数据规模。你写的优化依据时候只有一百条数据，怎么跑都快。代码但生产环境里数据会膨胀，用户会并发，网络会抖动。我见过太多人把优化挂在嘴边，实际连数据量都没统计过。先看日志，看数据库慢查询记录，看接口响应时间的分布曲线——这些数字比任何代码评审都有说服力。

第二条依据是访问频率。同一个功能，后台管理页面一天用三次，和用户登录接口一秒调三百次，优化优先级完全不同。我曾经花半天时间优化一个导出报表的功能，从十秒降到两秒，结果客户说无所谓，反正没人盯着进度条看。反而是登录接口每次多出五十毫秒的加解密，被运维投诉了三次。频率高的代码，哪怕省几个字节都值钱。

第三条依据是代码的可读性。这听起来像废话，但真没几个人做到。我看到过一段"优化"过的代码，用了位运算加三元表达式嵌套，把原本十行的逻辑压成三行。运行确实快了零点几毫秒，但三个月后没人敢改它，因为看不明白。优化不是炫技，是让代码在满足性能要求的前提下，让下一个维护的人能轻松读懂。你省下的那点CPU时间，远不够同事读代码时多花的精力。

还有一条常被忽略——业务逻辑的稳定性。有时候代码慢，是因为业务规则本身就绕。比如订单状态机里有个循环检测，每次都要遍历所有历史状态。你优化算法能快一倍，但不如直接跟产品经理商量，把状态流转图简化一下。代码是业务的映射，业务复杂，代码不可能轻盈。这时候优化代码不如优化需求。

最后说个反直觉的案例。之前有个支付模块，我同事用Redis缓存了余额查询结果，快是快了，但用户转完账后看到余额没变，投诉炸了。后来加了缓存失效逻辑，又引入分布式锁，性能反而比原来直接查库还慢。你看，优化有时候是负优化——你解决了A问题，制造了B问题，最后A和B一起成为C问题。所以我的经验是：动手改之前，先问自己三个问题。这个代码真的慢吗？慢在哪里？改完会不会影响其他功能？如果答不上来，就别动。

代码优化依据的从来不是某个高深理论，而是数据、频率、可读性、业务稳定性，以及一个朴素的常识——别让优化本身变成新的灾难。写代码的人得记住，你面对的不是冷冰冰的机器指令，是下一个深夜被叫起来改bug的同事，是三个月后忘了自己写过什么的你自己。