因為性能分析并不總是軟件工程或計算機科學課程里的一部分，所以許多軟件工程師都不能很好地處理性能優化的問題。在像IBM這樣的大公司，他們會雇用一些專業人員，這些專業人員在處理軟件性能方面接受過特殊的訓練。假如公司開發功能點大于10000的軟件應用，這類專家當然是最佳人選。目前，有許多性能工具和度量設備，比如收集動態數據的分析器。當然，將軟件性能的度量能力嵌入到軟件應用本身也是可行的，這被稱為“插樁技術。”
因為插樁技術和其他形式的性能分析工具可能會降低程序運行速度，所以需要必要的維護來確保數據的正確性。性能優化領域用到了幾個物理學方面的術語，例如，“海森堡漏洞”( Heisenbug）是根據海森堡不確定性原理命名的，它是指每次在閱試分析時就消失的漏洞。另一個物理學術語是“波爾漏洞”( Bohrbug)，它是根據尼爾斯·玻爾的名字來命名的，這種漏洞只有在特殊的條件下才會出現。第三個物理學術語是“曼德爾漏洞”( Mandelbug).它是以伯尼特·且德爾布羅特的名字來命名的，他創造了混沌理論，這種形式的漏洞是由隨機的和混亂的因素引起的，所以隔離起來很困難。第四個漏洞是“施羅德漏洞”( Schrodenbug)，該漏洞非常少見.是以恩斯特·施羅德的名字命名的。通常情況下，這種漏洞是不會出現的，除非有人意識到那些代碼根本就不應該執行；并且據說，當這些漏洞被發現時，軟件也會停止工作。
性能問題的出現也基于商業周期。例如，許多的金融和會計軟件包會在一個季度或者一個財政年度的使用后.運行速度會顯著變慢，那是因為使用量的驟增造成的。軟件在運行過程中.如果嚴重的漏洞導致軟件無法運行.那么軟件的性能將為零.而在性能這一章中沒有對其很好的討論。這種問題能夠通過平均失效時間來測量。這樣的問題在軟件交付后一到兩個月內是很常見的，但是會隨著軟件的逐步穩定而減少。拒絕服務攻擊也會使軟件停止工作，這種情況越來越常見了。
最后需要說明的一點是，性能的最佳實踐和質量控制以及安全控制的做法類似。一個通用的最佳實踐就是雇用性能方面的專業人員以及質量控制和安全控制方面的優秀人員。就安全來說.在查找性能問題上，人工智能或者神經網絡性能優化工其的效果會比測試或人工性能測試專家好很多。一款相似的軟件可以運用在架構和設計上，該下具在編碼前就可以根據性能優化規則和算法提供最佳的性能優化方案。
一般來說，在處理復雜問題，如安全漏洞和性能問題上，人工智能和神經網絡是值得推薦的。這些主題與自主計算或者應用交叉，并且這些應用都傾向于監控并提高本機的性能和質量。