网页游戏占用CPU过高可能是因为游戏的图形渲染、网络请求、逻辑处理等任务对CPU的需求较大。以下是一些解决方法：

1. 关闭不必要的后台进程：检查电脑后台是否运行了其他占用CPU的程序，如大型应用、杀毒软件、浏览器扩展等，关闭或限制其运行。

2. 优化游戏设置：进入游戏设置，降低图形质量、关闭特效或者调整分辨率，减少对CPU的压力。一些游戏还提供了降低游戏帧率的选项，这也有助于减少CPU使用率。

3. 更新硬件：如果CPU过旧或性能不足，可以考虑升级CPU或者内存，以满足游戏的性能需求。

*. 网络优化：确保网络环境稳定，避免频繁的网络延迟或者丢包，这也会间接影响到游戏的CPU使用。

5. 清理缓存：定期清理浏览器缓存和游戏缓存，减少硬盘读取压力，间接降低CPU占用。

*. 游戏*务器问题：如果是游戏*务器问题导致的，可以尝试重启游戏或者**游戏**。

7. 更新游戏版本：确保游戏版本是最新的，有时开发者会修复一些可能导致CPU占用过高的问题。

如果以上方法都不能解决问题，可能是游戏本身的问题，建议**游戏开发者或者社区寻求帮助。

记一次游戏*务器CPU占用过高的问题分析与解决办法

这个图看起来不是很恐怖呀，最近的一次游戏更新,造成了CPU的使用率大量飙升,有随时会崩掉的危险，还有这次更新改动的东西有点多，所以不太好排查问题，如果版本一个个的去回退，那将是一项很辛苦的工作，怎么办呢，问题又不能不处理，而且要快，不然老板又该生气了。

通过上面五步，我们让 software reporter tool工具不再受其它程序启动的连带启动。这样，在我们打开谷歌浏览器时，software reporter tool 就不再启动了，谷歌浏览器占用CPU资源特别高的问题就得以解决。如果你也碰到过类似的问题三国战纪单机游戏怎么捡剑，不妨试试看。有什么疑问，欢迎点评。

打开C盘的 C:\Users\Administrator\AppData\Local\Google\Chrome\User Data\SwReporter\81.235.200 目录（也有可能安装在D盘），这就是 software reporter tool 的安装目录，我们可以看到一个 software reporter tool.exe文件，如下图：

网页游戏占用cpu怎么解决

想使用Google浏览器，而又不想让 software reporter tool 运行，该怎么办呢？当然，我们可以选择在每次打开谷歌浏览器时，在任务管理器中手动关闭它，但这样做太麻烦了。有没有更好的解决方案呢？答案是肯定的了。

我反复试了一下，发现只要打开谷歌浏览器，这个东西就会出来。百度了一下，才知道这个 software reporter tool 是谷歌浏览器的一个清理工具，具体用来清理一些恶意的扩展、应用程序、劫持网页。在我们安装Google浏览器时，会自动下载并安装这个 software reporter tool 工具。

谷歌Chrome浏览器是现在使用率最高的一款桌面浏览器，给用户的感觉是：界面干净、可扩展性强。我也挺喜欢用谷歌浏览器，尤其是在做WEB页面开发时，谷歌浏览器还是非常给力的。但是，近期在使用谷歌浏览器时，只要是打开谷歌浏览器，笔记本电脑的CPU风扇转动的声音就特别大特别响。打开电脑的任务管理器，才发现：不仅谷歌浏览器占用CPU高，还有一个 software reporter tool 东西占用CPU特别高，有时会达到*0%以上，而且还长时间运行。

我们玩的时候确保网络优化可以让游戏运行更加流畅，减少因网络延迟带来的额外计算负担，间接帮助游戏运行更为稳定。因此，在优化完CPU占用问题后，用加速器优化网络环境，提升游戏体验。

针对《绝地求生》（PUBG）游戏中出现CPU占用率过高的问题，CPU占用过高通常是由于游戏计算量大、*统后台进程多、或者游戏设置不当等因素导致。以下是解决CPU占用过高的一些常见方法：

CPU占用率总是100%？三招解决隐藏式后台程序，为电脑加速！

金士顿*G CPU100% 磁盘100% 内存100% 开机5分钟，金士顿*G+宏想8G后开机 1分22秒 打开软件偶尔会卡机，换回win8.1 开机15秒，打开软件都很流畅。

在互*网已经非常成熟的当下，虽然各家*务商的网速不断提升，但很多时候我们可能依然感觉追剧卡顿或“吃鸡游戏”不够流畅，但是已经达到上百兆带宽的网络速度为什么依然不能流畅呢？其实这很可能并不是电信*务商网速的问题，电脑CPU内存的高占用率或许是造成卡顿的原因之一。

大致内容包括了： Java 集合、JVM、多线程、并发编程、设计模式、Spring全家桶、Java、MyBatis、ZooKeeper、Dubbo、Elasticsearch、Memcached、MongoDB、Redis、MySQL、RabbitMQ、Kafka、Linux、Netty、Tomcat等大厂面试题等、等技术栈！

性能优化是一个全栈的工程，能发现问题就已经解决了一大半了。另外光会命令是不够的，理解底层原理才能真正的有的放矢，发现问题的核心所在。

for (Map.Entry item : children.entrySet()) {

public boolean exists(List pathSegments, int level) {

matchedChild.insert(parts, o); //还没有到底，继续递归插入

if (parts.isEmpty()) { // 如果已经到底，将最后一个 child 的 obj 赋值

if (children == null) children = new ConcurrentHashMap<>();

private synchronized void insert(List parts, String o) {

private static List getPathSegments(String path) {

这样效率太低了，我们完全可以优化这段逻辑，使用 trie 树来实现路径的匹配，与普通 trie 树有区别的地方在于，这里的 trie 树需要能支持中间带通配符 * 和 ** 的格式。

对于一个的确不需要鉴权的接口，for 循环会在中间 break。最坏的情况下，也需要遍历完所有的 excludePatterns 列表

计算行号的原理实际上是通过获取当前调用堆栈来实现的，这个计算性能很差，具体有多慢，网上有很多 benchmark 的例子可以实测一下。

从上面的图可以看到 kafka 和 Spring 函数执行的 CPU 占用最多，kafka 的问题上面的内容可以优化，接下来我们来看 Spring 函数相关调用栈。

使用 arthas Attach 上 JVM 进程以后，使用 profiler start 开始进行采样，运行一段时间后执行 profiler stop 就可以生成火焰图 svg 了，部分如下图所示。

修改了 KafkaProducer 和 log*j 的参数以后，kafka 发送线程的 CPU 占用降低到了 5% 以下，整体的 CPU 负载依旧是比较高的，接下来继续排查。

这还没完，设置了队列满的策略为 Discard 后，log*j 默认只会舍弃 INFO 及以下级别的日志。如果*统大量产生 WARN、ERROR 级别的日志，就算策略是 Discard 还是会造成阻塞上游线程，需要将 log*j2.DiscardThreshold 设置为 ERROR 或者 FATAL。

DefaultAsyncQueueFullPolicy，这个策略是同步阻塞等待当前线程。我们可以选择将这个值设置为丢弃，以保证不管底层的日志写入慢不慢，都不能影响上层的业务接口，大不了就丢弃部分日志。log*j 提供了配置项，将*统属性

log*j2 的异步 Appender 原理上是在本地利用了本地的一个 ArrayBlockingQueue 存储应用层发过来的消息，这个 queue 的大小默认值在 2.7 版本的 log*j2 中是 128，在高版本中，这个值已经被调为了 102*。如果 KafkaAppender 处理的比较慢，很快这个队列就填满，如下图所示。

在做 Kafka 发送端的参数调整之前有一个风险点，log*j2 的异步 Appender 潜在的坑需要提前避免，否则会造成线上业务接口的大量超时。

我们线上的配置这两个值都没配置，会按 linger.ms=0，batch.size 为 1*KB 的配置运行，因为日志产生的非常频繁，Sender 线程几乎不会闲下来，一直在处理发送数据包。

当 batch 缓冲区满，缓冲区中所有的消息会被发送出去。这并不意味着 KafkaProducer 会等到 batch 满才会发，不然只有一条消息时，消息就一直发不出去了。linger.ms 和 batch.size 都会影响 KafkaProducer 的发送行为。

KafkaProducer 在发送多条消息时，会把发往同一个 partition 的的消息当做一个 batch 批量发送。

设置一个大于 0 的值，可以让发送端在缓冲区没有满的情况下等待一段时间，累积 linger.ms 时间的数据一起发送。这样可以减少请求的数量，避免频繁发送太多小包，不会立即发送数据。这样增加了消息的时延（latency），但是提高了吞吐量（throughput）。

这个值默认为 0，只要有数据 Sender 线程就会一直发，不会等待，就算 batch 缓冲区只有一条数据也会立即发送。这样消息发送的延迟确实很低，但是吞吐量会变得很差。

KafkaProducer 在 batch 缓冲区满或者 linger.ms 时间到达时，会讲消息发送出去。linger.ms 用来指定发送端在 batch 缓冲池被填满之前最多等待多长时间，相当于 TCP 协议的 Nagle 算法。

KafkaAppender 中封装了 KafkaProducer，经过测试与 KafkaProducer 发送频率有很大关*的有这几个参数 batch.size、linger.ms。接下来看看这里几个参数有什么实际的作用。

可以看到这是一个 kafka 的发送线程。我们的日志打印是使用 log*j2 的 kafka 插件将日志文件写入到 kafka，日志写入量非常大。接下来先来优化这个 kafka 发送线程的 CPU 占用。

at sun.nio.ch.SelectorImpl.select(SelectorImpl.java:97)

at sun.nio.ch.SelectorImpl.lockAndDoSelect(SelectorImpl.java:8*)

at sun.nio.ch.EPollSelectorImpl.doSelect(EPollSelectorImpl.java:93)

at sun.nio.ch.EPollArrayWrapper.poll(EPollArrayWrapper.java:2*9)

at sun.nio.ch.EPollArrayWrapper.epollWait(Native Method)

可以看到占用 CPU 最高的线程 PID 为 *8(0x30)，使用 jstack 输出当前线程堆栈，然后 grep 一下 0x30，如下所示。

*90 root 20 0 30.3*7g 2.*3*g 129*0 S 1.0 2.9 3:3*.2* java

*83 root 20 0 30.3*7g 2.*3*g 129*0 S 1.0 2.9 2:5*.81 java

*81 root 20 0 30.3*7g 2.*3*g 129*0 S 1.0 2.9 2:52.5* java

92 root 20 0 30.3*7g 2.*3*g 129*0 S 1.0 2.9 2:53.71 java

11 root 20 0 30.3*7g 2.*3*g 129*0 S 1.0 2.9 *:08.55 java

10 root 20 0 30.3*7g 2.*3*g 129*0 S 1.0 2.9 *:08.5* java

单机游戏三国群雄传技能10079 root 20 0 30.3*7g 2.*3*g 129*0 S 1.3 2.9 0:30.73 java

2381 root 20 0 30.3*7g 2.*3*g 129*0 S 1.3 2.9 2:33.*1 java

2380 root 20 0 30.3*7g 2.*3*g 129*0 S 1.3 2.9 2:33.10 java

23*5 root 20 0 30.3*7g 2.*3*g 129*0 R 1.3 2.9 2:33.** java

*8 root 20 0 30.3*7g 2.*3*g 129*0 S 12.7 2.9 3*:15.18 java

PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND

JVM CPU 占用高，第一反应是找出 CPU 占用最高的线程，看这个线程在执行什么，使用 top 命令可以查看进程中所有线程占用的 CPU 情况，命令如下所示。

线上有一个非常繁忙的*务的 JVM 进程 CPU 经常跑到 100% 以上，下面写了一下排查的过程。通过阅读这篇文章你会了解到下面这些知识。