Netflix 技术博客 2026 年 3 月的文章，讲 Ranker 推荐服务里一个占单节点 CPU 7.5% 的热点（视频惊喜度打分的余弦相似度计算）如何被一步步优化到 1%：先把 M×N 次独立点积重构成矩阵乘，发现批处理反而慢了 5%，定位到内存布局和分配策略问题后用扁平数组加 ThreadLocal 复用解决，试过 BLAS 因 F2J 和 JNI 开销放弃，最终落在孵化中的 JDK Vector API（纯 Java SIMD，无 JNI），上线后整体 CPU 降约 7%、平均延迟降约 12%、CPU/RPS 改善约 10%。核心启示：性能优化拼的不是找到“最快的库”，而是计算形状、内存布局、分配策略、计算内核四件事全部对齐。