文章目录
- 设计方向
- 处理方案
- 集群部署
- 多级缓存
- 分库分表和索引优化，以及借助搜索引擎解决复杂查询问题。
- 考虑NoSQL数据库的使用
- 异步化
- 限流
- 对流量进行削峰填谷
- 并发处理
- 预计算
- 缓存预热
- 减少IO次数
- 减少IO时的数据包大小
- 程序逻辑优化
- 各种池化技术的使用和池大小的设置
- JVM优化
- 锁选择
- 处理方向
设计方向
- 高性能：并行处理速度快，用户感受不到延迟。
- 高可用：服务正常，不宕机的，服务稳定。
- 高扩展：大流量，高并发来的时候可以加机器就提升性能。
处理方案
集群部署
通过负载均衡减轻单机压力。
多级缓存
包括静态数据使用CDN、本地缓存、分布式缓存等，以及对缓存场景中的热点key、缓存穿透、缓存并发、数据一致性等问题的处理。
分库分表和索引优化，以及借助搜索引擎解决复杂查询问题。
考虑NoSQL数据库的使用
比如HBase、TiDB等，但是团队必须熟悉这些组件，且有较强的运维能力。
异步化
将次要流程通过多线程、MQ、甚至延时任务进行异步处理。
限流
需要先考虑业务是否允许限流（比如秒杀场景是允许的），包括前端限流、Nginx接入层的限流、服务端的限流。
对流量进行削峰填谷
通过MQ承接流量。
并发处理
通过多线程将串行逻辑并行化。
预计算
比如抢红包场景，可以提前计算好红包金额缓存起来，发红包时直接使用即可。
缓存预热
通过异步任务提前预热数据到本地缓存或者分布式缓存中。
减少IO次数
比如数据库和缓存的批量读写、RPC的批量接口支持、或者通过冗余数据的方式干掉RPC调用。
减少IO时的数据包大小
包括采用轻量级的通信协议、合适的数据结构、去掉接口中的多余字段、减少缓存key的大小、压缩缓存value等。
程序逻辑优化
比如将大概率阻断执行流程的判断逻辑前置、For循环的计算逻辑优化，或者采用更高效的算法。
各种池化技术的使用和池大小的设置
包括HTTP请求池、线程池（考虑CPU密集型还是IO密集型设置核心参数）、数据库和Redis连接池等。
JVM优化
包括新生代和老年代的大小、GC算法的选择等，尽可能减少GC频率和耗时。
锁选择
读多写少的场景用乐观锁，或者考虑通过分段锁的方式减少锁冲突。
处理方向
- 计算
- IO
从计算和 IO 两个维度考虑所有可能的优化点，需要有配套的监控系统实时了解当前的性能表现，并支撑你进行性能瓶颈分析，然后再遵循二八原则，抓主要矛盾进行优化。
