文章目录
- 有言在先
- 处理办法简介
- Scale-up && Scale-out
- 缓存
- 异步处理
- 真实场景：这些方法都要用上吗？
有言在先
这个系列我写完之后会再进行重组，因为觉得这些单篇讲的东西有点少。
高并发（一）：灵魂拷问
处理办法简介
我们再面对高并发大流量时采取的办法，总结起来有以下三种：
1、Scale-out（横向拓展）：采用分布式部署的方式把流量分开，让每个服务器都承担一部分并发和流量。这也是我最喜欢的一种方法，虽然我菜了点。
2、缓存：使用缓存来提高系统的性能。这是我一直嚷嚷着要用的方法，不过还没融合到系统中，这次的项目会用上。
3、异步：在某些场景下，未处理完成之前，我们可以让请求先返回，在数据准备好之后再通知请求方。这种方法，嗯，可能跟我们平时理解的异步不同哦。
Scale-up && Scale-out
Scale-up，纵向拓展，一种简单粗暴的方法，通过购买性能更好的硬件来提高系统的并发处理能力。 Scale-out，通过多个低性能的机器组成一个分布式集群来对抗高并发的流量。
如何做选择呢？这两种方法各有千秋吧。一般来说，系统设计初期的时候，考虑使用Scale-up的方式，因为这种方案足够简单。但是当系统的并发超过了单机处理的极限时，这个方法就行不通了。 而Scale-out可以突破单机的限制，但也会引入一些复杂的问题，碧如说：设计困难、环境搭建困难、节点的安全性、数据的同步等。
缓存
为什么缓存可以大幅度提升系统的性能呢？
那肯定是要更普通磁盘进行对比的啊。我们来看看普通磁盘的速度： 普通磁盘的寻道时间是 10ms 左右，而相比于磁盘寻道花费的时间，CPU 执行指令和内存寻址的时间都在是 ns（纳秒）级别，从千兆网卡上读取数据的时间是在μs（微秒）级别。所以在整个计算机体系中，磁盘是最慢的一环，甚至比其它的组件要慢几个数量级。因此，我们通常使用以内存作为存储介质的缓存，以此提升性能。
至于缓存为什么快，因为它是内置的啊，在内存中。不过也有个缺点，就是烧内存。
异步处理
什么是异步，我看到过一个非常形象生动的栗子。
小明想和奶茶，于是他去了奶茶店，发现奶茶店人有点多，这时候小明面临着三个选择： 1、等着，老老实实排队。等到猴年马月不知道，反正前面的人走光了就到他了，这叫无限等待。 如果他给自己定了个时间，十分钟等不到就不喝了，直接走人，这叫有限等待。 不管是哪种，都是属于同步的。 放在IO场景中，这叫阻塞IO。
2、先去做别的事情，隔一段时间回去看一眼，如果人还多，就再隔一段时间再来。 严谨的说，这不是异步，这叫做非阻塞IO。
3、小明给老板留了个电话，让他做好了打电话给他，于是他就去干他的事情了，这才叫异步。
调用方不需要等待方法逻辑执行完成就可以返回执行其他的逻辑，在被调用方法执行完毕后再通过回调、事件通知等方式将结果反馈给调用方。
异步调用在大规模高并发系统中被大量使用，比如我们熟知的 12306 网站。当我们订票时，页面会显示系统正在排队，这个提示就代表着系统在异步处理我们的订票请求。采用异步的方式，后端处理时会把请求丢到消息队列中，同时快速响应用户，告诉用户我们正在排队处理，然后释放出资源来处理更多的请求。订票请求处理完之后，再通知用户订票成功或者失败。
处理逻辑后移到异步处理程序中，Web 服务的压力小了，资源占用的少了，自然就能接收更多的用户订票请求，系统承受高并发的能力也就提升了。
真实场景：这些方法都要用上吗？
为什么我说，缓存还没用上，其实那个分布也是我硬塞进去的。。。
不同量级的系统有不同的痛点，也就有不同的架构设计的侧重点。盲目地追从只能让我们的架构复杂不堪，最终难以维护。
一般系统的演进过程应该遵循下面的思路：
代码语言：javascript复制1、最简单的系统设计满足业务需求和流量现状，选择最熟悉的技术体系。
2、随着流量的增加和业务的变化，修正架构中存在问题的点，如单点问题，横向扩展问题，性能无法满足需求的组件。
在这个过程中，选择社区成熟的、团队熟悉的组件帮助我们解决问题，在社区没有合适解决方案的前提下才会自己造轮子。
3、当对架构的小修小补无法满足需求时，考虑重构、重写等大的调整方式以解决现有的问题。
