1. 优化JVM配置（减少GC开销）
JVM内存与垃圾回收（GC）是Tomcat响应时间的关键瓶颈。需合理设置堆内存大小（-Xms与-Xmx），建议设为物理内存的50%-70%且两者相等（如-Xms2g -Xmx2g），避免动态扩容带来的性能损耗；限制元空间大小（-XX:MetaspaceSize=256m -XX:MaxMetaspaceSize=512m），防止元空间溢出。选择低延迟垃圾回收器，如G1GC（-XX:+UseG1GC），并通过-XX:MaxGCPauseMillis=200设置最大GC停顿时间（如200ms），平衡吞吐量与响应速度。通过jstat -gcutil <pid>监控GC频率，确保Full GC每分钟不超过1次。
2. 调整线程池参数（提升并发处理能力）
Tomcat的线程池配置直接影响并发请求的处理效率。需在server.xml中配置线程池（<Executor>），设置合理的maxThreads（最大线程数，建议为CPU核心数的2-4倍，如4核服务器设为500）、minSpareThreads（最小空闲线程数，如50，减少首次请求延迟）、maxQueueSize（请求队列长度，如100，避免请求堆积导致超时）。同时，将Connector与线程池关联（<Connector executor="tomcatThreadPool">），避免默认线程池的限制。
3. 优化连接器（Connector）配置（提高连接处理效率）
选择高性能连接器，如NIO（org.apache.coyote.http11.Http11NioProtocol）或NIO2（org.apache.coyote.http11.Http11Nio2Protocol），替代传统的BIO（阻塞I/O），提升高并发下的吞吐量。启用HTTP/2协议（org.apache.coyote.http2.Http2Protocol），支持多路复用和头部压缩，减少页面加载时间（如Tomcat 8.5+版本可通过<Connector protocol="org.apache.coyote.http2.Http2Protocol">配置）。合理设置连接超时（connectionTimeout="20000"，如20秒）和最大连接数（maxConnections="10000"），避免无效连接占用资源；调整acceptCount（请求队列长度，如1000），平衡并发处理能力与响应时间。
4. 启用静态资源缓存（减少重复加载开销）
静态资源（图片、CSS、JavaScript等）的重复加载会增加Tomcat的负载。通过context.xml配置静态资源缓存，设置cachingAllowed="true"（允许缓存）、cacheMaxSize="102400"（缓存最大容量，如100MB）、cacheTtl="60000"（缓存有效期，如60秒），将静态资源缓存在内存中，减少磁盘IO和重复处理的开销。
5. 使用数据库连接池（降低数据库访问延迟）
数据库连接的创建与销毁是常见的性能瓶颈。使用数据库连接池（如Tomcat JDBC Pool、Apache DBCP）管理连接，配置合理的参数：增加最大连接数（maxTotal="50"，根据数据库负载调整）、设置连接超时（maxWaitMillis="3000"，如3秒），减少连接等待时间。同时，优化数据库查询（如添加索引、减少全表扫描），进一步提升响应速度。
6. 压缩响应内容（减少网络传输时间）
启用Gzip压缩可以减小响应体大小，加快网页加载速度。在server.xml的Connector中配置compression="on"（开启压缩）、compressionMinSize="2048"（最小压缩大小，如2KB）、compressableMimeType="text/html,text/xml,text/plain,text/css,text/javascript"（可压缩的MIME类型），对符合条件的响应内容进行压缩（如HTML、CSS、JS文件）。
7. 禁用不必要功能（减少资源消耗）
关闭Tomcat的非必要功能，如自动重载（<Context reloadable="false">，生产环境无需自动重载）、DNS查询（enableLookups="false"，避免每次请求都进行DNS解析）、上传超时限制（disableUploadTimeout="true"，适应大文件上传场景），减少不必要的性能开销。
8. 监控与调优（持续优化性能）
使用监控工具（如VisualVM、JConsole）实时监控Tomcat的性能指标（线程使用率、内存占用、GC频率），通过Tomcat自带的Manager应用（<Context reloadable="false">）查看线程池状态、会话数等关键指标；使用性能测试工具（如JMeter、ab）模拟并发用户，测试不同配置下的吞吐量和响应时间，根据监控结果逐步调整参数（如增加线程数、扩大堆内存），持续优化性能。