高并发应对
2020-04-14 09:34:45 0 举报AI智能生成
高并发应对方案
作者其他创作
大纲/内容
扬扬止沸
硬件升级，最直接有效省事儿，然而这招有上限，硬件资源不可能无限制增加，有钱也买不到。不过在很多时候确实很好用。
异步化架构，常规做法是用异步队列做为任务转发介质，将即时请求转化成任务信息，写入队列，后端用处理器从队列中获取任务并处理，时间换空间，能有效应对流量高峰。
代码优化，启用多线程、资源复用、优秀数据结构与算法、数据库索引、Sql优化、css/js/图片请求合并和启用压缩、减少cookie传输等都是常见手段，能解决客观问题。
专项突破，使用特定技术来解决特定问题，比如用EleasicSearch来解决搜索问题，用Redis的原子特性解决超卖问题，用MongoDB解决大量数据写入和复杂查找性能问题等。
釜底抽薪
集群化
集群化，一个人搬不动大石头，最现实的办法不是换个大力士，而是找更多的人来一起搬。所谓集群，就是用多台服务器共同承载以前一台服务器做的事儿，而且能支持后续增加更多的服务器。从理想化的角度来说，这种水平扩展模式的处理能力是无限的，当然在实施的过程中也会遇到种种问题，文章后面再解决。
缓存
缓存，数据结果存储起来重用，用空间换性能。在一个大型Web系统里面，缓存是无处不在的。从客户端缓存，到CDN缓存，到反向代理缓存，到本地缓存，到分布式缓存，甚至数据库自身、操作系统的CPU都是有缓存的。缓存在不同的环节，可以直接拦截掉不同层次的请求，不仅能加快响应速度，也能直接降低压力。
读写分离
读写分离，分库分表，能将单一数据库服务器的压力分摊到更多的服务器上，以提升数据库的承载能力。数据库一直是系统的瓶颈，一方面利用数据库自身的主从复制功能，另一方面从程序设计去分库分表，虽然会增加开发和管理的复杂度，但是为了解决压力，还是需要积极应用的。
分布式
分布式，这是大型系统演化的终极方案，将一个计算任务，分解到多个计算机协作完成。这种方式处理能力可以持续提升，但也要付出分布式管理的代价。时至今日，分布式架构已经比较成熟，演化出来的微服务架构已成为当下的主流架构模式，后文还有详实案例去解读。
0 条评论
下一页
