先来熟悉几个关于高并发的关键参数!

QPS:每秒处理的请求数量!

响应时间:处理一个请求需要的时间!

吞吐量:单位时间内的处理请求数量!

最大并发数:同一时间能支持的最大请求数!

一般来说有下面这些常规办法:

1,更多的静态资源:将代码中的大量枚举(容器加载时写入map,放入本地缓存),数据库中的定义表(定时任务放入缓存),固定配置,HTML文件等静态化处理,缓存起来!

2,图片服务器:一般来说,图片在一个页面上属于数据量比较大的东西,尽量避免动态数据和图片的顺序渲染,使用图片服务器分离数据和图片!

3,优化代码:尽量避免多层循环,避免多次访问数据库,使用多线程提高cpu使用率和执行速度,使用java8的流式处理和并行处理提高速度!

4,数据库:采用分库分表,mysql5.7之后,据说可以支持秒级百万级数据查询。速度相当之快,使用八库1024表,可以满足数据库一秒数百万的并发!同时可以开启缓存,写入存储过程等加快访问时间!分库分表之后还可以根据分表字段使用联合查询,避免了大多数数据库架构分布式之后不能联合查询的缺点!

5,使用内存型数据存储:使用redis等内存缓存可以提高读写速度,在数据落库之前快速读写数据,使用mongodb等作为大字段,多字节的key value保存方式,防止关系型数据库的不足!

6,负载均衡:使用nginx等负载均衡中间件,将请求分布到不同的机器上,避免单个应用持续的处理引起血崩!

数据库优化
1、单库数据库

一个初建的网站往往用户群都是很小的,最简单的网站架构就能解决实际的用户需求,当然为了保证网站的稳定性和安全性,我们会把网站的应用部署到至少两台机器上,后台的存储使用数据库,如果经济实力允许,数据库使用单台服务器部署

2、数据库读写分离

一个数据库主要负责写操作我们称之为主库,一个数据库专门负责读操作我们称之为副库,副库的数据都是从主库导入的,数据库的读写分离可以有效的保证关键数据的安全性,但是有个缺点就是当用户浏览数据时候,读的数据都会有点延时,这种延时比起全站不可用那肯定是可以接受的。

3、缓存技术

缓存主要是适用于读操作,并且缓存的读操作的效率要远远高于从数据库以及硬盘读取数据的效率。

5、数据库的垂直拆分

业务再接着的增长下去,数据量也会随之越来越大了,这样发展下去总有一天主库也会产生瓶颈了,那么接下来我们又该如何解决主库的瓶颈了?方法很简单就是我们要拆分主库的数据了,那么我该以什么维度拆分数据了?一个数据库里有很多张表,不同的表都针对不同的业务,网站的不同业务所带来的数据量也不是不同的,这个时候系统的短板就是那些数据量最大的表,所以我们要把那些会让数据库产生瓶颈的表拆出来,例如电商系统里商品表和交易表往往数据量非常大,那么我们可以把这两种表建立在单独的两个数据库里,这样就拆分了数据库的压力,这种做法叫做数据垂直拆分
6、数据库的水平拆分

表数据的处理已经超出了单台服务器的能力,这个时候我们就得对这个单库单表的数据进行更进一步的拆分,也就是将一张表分布到两台不同的数据库里,这个做法就是叫做数据的水平拆分了。可以根据项目拆分,再结合按年的拆分等。

Logo

权威|前沿|技术|干货|国内首个API全生命周期开发者社区

更多推荐