时间：指系统的处理耗时，或引申为CPU使用率、GC平均耗时等。
空间：指内存、硬盘、带宽等资源。
空间换时间，即指通过消耗更多空间类资源的手段，降低时间类资源的消耗。时间换空间也同理。 它们泛指这一类的优化思想，并不仅限于某一两种特定的方式。
首先，提出一个可能并不严谨的结论：“在优化程度相同的前提下，系统对时间和空间上的需求是可以相互转化的。”
这里有一个大前提，“优化程度相同”。因为有很多优化方法既能优化时间，也能优化空间。比如很多年前，许多公司把自己的php服务换成go语言。或本来的代码质量太差，有大量无谓的、错误的逻辑。
时间与空间的相互转换
“时间换空间”还是“空间换时间”呢？ 也许有人会说，当然是“空间换时间”了。服务越快，性能越高嘛。
再次重申，时常牢记我们做性能优化的目的是什么。
目的一： 降低服务成本
目的二： 使某些技术指标达到要求或提升用户体验
有很多关于优化的分享讲“平均耗时优化了xxx毫秒”，这便是实现了目的二，即通过性能优化，降低了接口耗时，提升了用户体验。
换句话说，在这种情况下，只要缩短了系统耗时，也就相当于“提升了性能”。
但有没有例外呢？请看下面例子：
有一个从数据库中定时拉取数据，然后进行计算的定时任务，每次拉取的数据量很大，这时内存占用量会达到90%+，很容易OOM。
这时作了如下优化： 把一个拉取任务再拆成10个子任务，每个任务都只拉取原来10%的数据。
我们很容易知道，由于每次执行SQL语句的网络等损耗，这样做任务的总耗时几乎一定会增加。那这样算是反向优化了吗？
当然不是。每次只拉取10%，需要加载到内存里的数据量也只是原来的10%。这样就避免了OOM的风险。总结一下，这样也是实现了上面的目的二，即使得指标指标达到要求。(当然，这样的前提是增加的耗时仍然能满足系统的要求)
上面说这么多只是为了引出下面这段话： 在整个系统中，对时间和空间的利用往往是可以相互转化的。有时可以用空间换时间，有时则是时间换空间。无论是哪种，都要先明确优化的目的，再针对性开展。
空间换时间
尽管上面说了这么多，在互联网行业的实践中，绝大多数情况应该还是空间换时间。最经典的例子就是：缓存。
缓存本质上是一种数据的冗余。原始的数据已经存在数据库里了，但我还是选择在缓存里又存一份，而且存的这份还有可能数据不全。但换来的是读取数据的平均时间极大缩短。因此它是一种最典型的空间换时间。
数据结构中的hash table也是对空间换时间思想的使用。了解hash table实现原理的人都知道，它是一个相对比较稀疏的空间，也就是在整个hash table所占的空间里，并非每块地址上都有数据，可能只有不到50%的利用率。但换来的是O(1)的查询时间复杂度。
再举一个缓存的例子。假如现在有10G的原始数据和一个2G内存的缓存，但目前接口的耗时还是不达标，需要优化。有一个可行的思路就是直接使用10G内存的缓存，全量加载所有数据。当然，这个方法会造成成本的上升，但接口耗时一定会缩短。这时就又回到最初的问题：“性能优化的目的是什么 ”
关于资源规划
在空间与时间的互换中，还有另一个隐藏的目的，就是充分利用系统资源。
比较理想的情况下，各种系统资源都稳定在60-80%的范围内，在成本和系统稳定性上可以得到一个较为不错的平衡。但假如某一种资源的消耗量特别少，就可以采用时间与空间互换的思想进行重新规划。
比如CPU占用率65%，但内存占用率只有30%。 首先看能不能降低机型配置。如果不好降，就可以考虑一些空间换时间的思路了，即通过消耗更多的内存来提升CPU效率。
举个简单的例子：系统里某一个高频调用的功能需要维护一个进程内KV Cache，并限制了300MB的大小，命中率是60%，如果未命中就需要去读MySQL；现在既然内存富余，将Cache限制提升到1G，这时命中率提升到95%，读MySQL的次数极大减少，系统耗时就下降了。
