之前的几篇文章中，分别介绍了性能优化方法、工具...
但是计算机系统是非常庞大的，包含了计算机体系结构、操作系统、网络、存储等，单单拎出任何一个方向都值得我们去研究很久，因此，我们在分析系统性能的时候，可能会碰到一些无法解释的问题或者现象，程序员必须了解的性能延迟指标 我们可以借助一些理论去帮助我们去进一步推断和解决问题。
本文主要介绍阿姆达定律、古斯塔夫森定律、帕累托法则、利特尔法则。
科学计算中用多处理器进行并行加速时，总体程序受限于程序所需的串行时间百分比。譬如说，一个程序 50% 是串行的，其他一半可以并行，那么，最大的加速比就是 2。无论用多少处理器并行，这个加速比不可能提高到大于 2。
加速比 = 优化前的系统耗时/优化后的系统耗时
对每一条曲线我们都可以看到，超过一定的并行度后，就很难进行进一步的速度提升了。由此可见，为了提高系统的性能，只提高CPU的数量不一定能起到有效的作用。需要从根本上修改系统的串行行为。提高系统内可优化模块的比重，在此基础上，合理增加处理器的数量，才能以最小的投入，得到最大的加速比。
听起来可能比较晦涩，我举个简单的例子：
你洗衣服加上晾晒衣服总共需要30分钟，但是洗衣机洗衣服15分钟时间是固定（串行）的，但是晾晒衣服可以通过多人并行操作，最后缩短为1分钟甚至更短，但是不可能小于15分钟。
这个定律看似陌生，其实在日常工作中经常遇到，有时在优化代码过程中发现有个递归算法，于是乎想到通过单层for循环，以为发现了新大陆，性能一定会大幅度提高，最后发现没有任何区别。
这个定律告诉我们从线性模型中抽离出来，继续细分整个处理流程，找出执行时间最长的程序热点，对这些代码段进行并行化从而将所有瓶颈逐个击破，这才是使通过并行化获得最大性能提升的最好办法。
同时它也可以用木桶定律解释，一个桶能够装多少水取决于最短的那块板子。
