引言
SpringBoot刚火起来的时候，主打的就是“开箱即用”“约定优于配置”，开发者们欢呼雀跃，觉得终于不用再折腾复杂的XML配置了，一个 main() 方法就能轻松启动项目，简直不要太爽。
但用久了才发现，所谓的“默认配置”，其实是SpringBoot在你没明确指定时，悄悄帮你做的决定。表面上一切正常，跑起来也没问题，可到了生产环境，各种稀奇古怪的故障就冒出来了——性能瓶颈、内存泄漏、线程池爆满……排查半天，最后发现罪魁祸首竟然是某个你没配但框架自动启用的默认行为。
现在想想也挺讽刺的，很多自诩“精通Spring”的人，包括我自己，都曾栽在这些隐藏的默认值上。平时开发时觉得省事，出问题后才发现，SpringBoot的“贴心”有时候反而是个坑。
所以今天把这些经验总结下来，希望能帮后来的开发者少踩点坑。记住： “默认配置”不等于“最佳配置” ，该自己动手调优的地方，千万别偷懒。
正文
Tomcat连接池
SpringBoot默认使用Tomcat作为Web容器，但默认的连接池配置在高并发场景下会成为瓶颈。
默认配置下，Tomcat的最大连接数只有200，最大线程数也只有200。这意味着当并发请求超过200时，后续请求就会排队等待。在生产环境中，这个配置明显不够用。
server:
tomcat:
max-connections: 10000 # 最大连接数
threads:
max: 800 # 最大工作线程数
min-spare: 100 # 最小空闲线程数
accept-count: 100 # 等待队列长度
connection-timeout: 20000更坑的是，SpringBoot的默认超时时间是无限长。这会导致连接一直占用，直到客户端主动断开。
在网络不稳定的环境下，大量连接会一直挂着不释放，最终耗尽服务器资源。
数据库连接池
SpringBoot默认使用HikariCP作为数据库连接池，但默认的连接池配置在生产环境下会成为瓶颈。默认最大连接数只有10个，对于稍微复杂一点的应用来说根本不够用。
spring:
datasource:
hikari:
maximum-pool-size: 50
minimum-idle: 10
connection-timeout: 30000
idle-timeout: 600000
max-lifetime: 1800000
leak-detection-threshold: 60000 特别要注意 leak-detection-threshold 这个配置。默认情况下这个检测是关闭的，如果代码中存在连接泄漏问题，根本发现不了。
开启后，HikariCP会监控连接的使用时间，超过阈值就会打印警告日志。
JPA懒加载
SpringBoot集成JPA时，默认开启了懒加载。这个设计初衷是好的，但在实际使用中经常会导致N+1查询问题。
@Entity
public class User {
@Id
private Long id;
@OneToMany(fetch = FetchType.LAZY) // 默认就是LAZY
private List orders;
}当查询用户列表时，每访问一次orders属性，就会触发一次数据库查询。
如果有100个用户，就会执行101次SQL。
这种情况下，要么使用 @EntityGraph 指定加载策略，要么在 Repository 中使用 JOIN FETCH 。
@Query("SELECT u FROM User u LEFT JOIN FETCH u.orders")
List findAllWithOrders();Jackson时区序列化
SpringBoot默认使用Jackson处理JSON序列化，但时区处理经常出问题。
默认情况下，Jackson会使用系统时区，这在分布式部署时会导致不一致的问题。
spring:
jackson:
time-zone: GMT+8
date-format: yyyy-MM-dd HH:mm:ss
serialization:
write-dates-as-timestamps: false更要命的是，如果你的应用部署在不同时区的服务器上，同样的时间可能会被序列化成不同的值。
这个问题在国际化应用中特别突出。
日志配置
SpringBoot默认使用Logback，但默认配置下没有对日志文件进行滚动和清理。
长时间运行的应用会产生巨大的日志文件，最终占满磁盘空间。
logging:
file:
name: app.log
logback:
rollingpolicy:
max-file-size: 100MB
max-history: 30
total-size-cap: 3GB另外，默认的日志级别是INFO，在生产环境中会产生大量不必要的日志。
合理设置日志级别可以显著提升性能。
缓存配置
SpringBoot的 @Cacheable 注解默认使用 ConcurrentHashMap 作为缓存实现，但这个实现没有过期机制，也没有大小限制。在高并发场景下，缓存会无限增长，最终导致内存溢出。
spring:
cache:
type: caffeine
caffeine:
spec: maximumSize=10000,expireAfterWrite=600s可以考虑使用Caffeine替代默认实现，可以提供更好的性能和内存管理能力。
监控端点
SpringBoot Actuator默认暴露了很多监控端点，包括健康检查、配置信息、环境变量等。
这些信息在开发环境中很有用，但在生产环境中可能泄漏敏感信息。
management:
endpoints:
web:
exposure:
include: health,info,metrics
endpoint:
health:
show-details: when-authorized只暴露必要的端点，并且配置适当的安全策略，避免信息泄漏。
文件上传大小限制
SpringBoot默认的文件上传限制非常小，单个文件只能上传1MB，整个请求大小限制10MB。
在实际业务中，这个限制经常不够用，用户上传稍大一点的文件就会报错。
这个属于是比较常见的问题，因为开发环境测试时通常用小文件，一切正常。等到用户上传几MB的PDF文档或者高清图片时，系统就开始报 MaxUploadSizeExceededException 异常。
这个异常往往还发生在文件传输完成之后，用户等了半天上传完毕，结果被告知文件过大，体验极差。
spring:
servlet:
multipart:
max-file-size: 100MB
max-request-size: 100MB
file-size-threshold: 2KB
location: /tmp
resolve-lazily: false file-size-threshold 这个参数也很重要，它决定了多大的文件会直接写入内存。如果设置过大，大量并发上传会占用过多内存；设置过小，小文件也要写磁盘，影响性能。一般设置为几KB比较合适。
异步线程池配置
使用 @Async 注解时，SpringBoot默认使用 SimpleAsyncTaskExecutor ，这个执行器每次都会创建新线程，没有线程池复用机制。高并发情况下会创建大量线程，最终导致系统资源耗尽。
这个问题在开发阶段很难发现，因为异步任务通常不多。但在生产环境，如果有大量异步任务执行，比如发送短信、推送、记录日志等，系统会不断创建新线程。每个线程默认占用1MB的栈空间，创建几千个线程就是几GB内存。
更严重的是线程切换的开销，CPU大部分时间都在做上下文切换，真正的业务逻辑反而执行很慢。
spring:
task:
execution:
pool:
core-size:8
max-size:16
queue-capacity:100
keep-alive:60s
thread-name-prefix:async-task-
scheduling:
pool:
size:4
thread-name-prefix: scheduling-线程池大小的设置也有讲究。
如果是CPU密集型任务，线程数设置为CPU核心数就够了；如果是IO密集型任务，可以设置为CPU核心数的2-3倍。
queue-capacity 设置了任务队列长度，当线程池满了之后，新任务会放到队列里等待执行。
静态资源缓存策略
SpringBoot默认不为静态资源设置HTTP缓存头，这意味着浏览器每次都会重新请求CSS、JS、图片等静态文件，严重影响页面加载性能。
用户每次访问页面，浏览器都要重新下载所有静态资源，即使这些文件根本没有变化。对于资源较多的单页应用来说，这个问题特别明显。用户看到的就是页面加载慢，特别是网络条件不好的时候，体验很差。
spring:
web:
resources:
cache:
cachecontrol:
max-age:365d
cache-public:true
chain:
strategy:
content:
enabled:true
paths:/**
cache:true
static-locations: classpath:/static/ 开启内容版本化策略后，SpringBoot会根据文件内容生成MD5哈希值作为版本号，文件名变成 style-abc123.css 这样的格式。当文件内容发生变化时，哈希值也会变化，浏览器会认为这是新文件重新下载；如果文件没变化，浏览器就直接使用缓存，有效提升页面加载速度。
数据库事务超时
@Transactional 注解默认没有设置超时时间，长时间运行的事务会一直持有数据库锁，影响其他操作的执行。特别是在批量数据处理时，很容易出现锁表问题。
这个问题在并发量不高的时候不明显，但随着业务增长，长事务的危害就暴露出来了。
比如一个数据导入任务需要处理几万条记录，如果放在一个事务里，可能要运行几分钟甚至更长时间。在这期间，相关的表都被锁住，其他用户的操作只能等待，系统响应变得很慢。
@Transactional(timeout = 30, rollbackFor = Exception.class)
publicvoidbatchProcess(List dataList) {
// 分批处理，避免长事务
intbatchSize=100;
for (inti=0; i < dataList.size(); i += batchSize) {
List batch = dataList.subList(i,
Math.min(i + batchSize, dataList.size()));
processBatch(batch);
}
}对于大批量数据处理，建议分成多个小事务，每个事务处理少量数据。这样即使某个小事务失败，也不会影响整体进度，而且可以及时释放数据库锁，提高系统并发性能。
同时再加上 rollbackFor = Exception.class 确保所有异常都会触发回滚，避免数据不一致。
写在最后
Spring Boot 的“约定优于配置”确实省心，但省的是开发者的心，不是系统的责任。每一项默认配置背后，其实都藏着设计者的假设和权衡，而这些假设，在我们的业务场景中也许未必成立。
这些坑我几乎都踩过，有些甚至反复踩了好几次。
愿你读到这里，能少走几步弯路，可不能拿生产事故去交学费。
提前优化配置，是对系统负责，也是对自己负责。