目录
如何理解高并发系统
1. 业务分治思想+微服务拆分
2. 数据分治思想+分库分表
3. 读写分离思想+主从分离
4. 池化思想
5. 缓存思想
6. 异步思想+消息队列削锋
7. 服务保护思想：熔断降级
8. 限流思想
9. 扩容思想+切流量
10. 海量数据处理思想 ElasticSearch+Hbase
前提：压力测试确定系统瓶颈
附：接口的常规优化的18个方案
如何理解高并发系统
所谓设计高并发系统，首先保证它整体可用的同时，然后，能够承受很大的流量冲击。
要设计高并发的系统，要识别系统的各种瓶颈，如内存不足、磁盘空间不足，连接数不够，网络宽带不够等等，以应对突发的流量洪峰。
1. 业务分治思想+微服务拆分
业务分治思想，就是从业务的维度，分而治之，横向扩展
设计一个高并发系统，我们可以分而治之，横向扩展。
不同的业务，流量的规模不一样，需要分开应对。
也就是说，高频业务，需要更多的部署多台服务器，把流量分流开，让每个服务器都承担一部分的并发和流量，提升整体系统的并发能力。
业务分治思想之后，就可以进行业务的分开建模，
对应在模块设计、模块架构的维度，可以做微服务拆分，这样就可以达到分摊请求流量的目的，提高了并发能力。
所谓的微服务拆分，其实就是把一个单体的应用，按功能单一性，拆分为多个服务模块。
比如一个电商系统，拆分为用户系统、订单系统、商品系统等等。
2. 数据分治思想+分库分表
我们知道数据库连接数是有限的。
当业务量暴增的话，MySQL单机磁盘容量会撑爆。
一般情况下，MYSQL的吞吐量为 1000-1500qps
另外，由于innodb的 B+树索引的深度限制，最好是单表在500w记录，性能较佳
所以，在高并发的场景下，大量请求访问数据库，MySQL单机是扛不住的！
高并发场景下，会出现too many connections报错。
所以高并发的系统，需要考虑拆分为多个数据库，来抗住高并发的毒打。
而假如你的单表数据量非常大，存储和查询的性能就会遇到瓶颈了，
可以首先做sql调优
但是，如果做了很多优化之后还是无法提升效率的时候，就需要考虑做分表了。
分库分表之后，每个表的数据量少一点，提升SQL查询性能。
当面试官问要求你设计一个高并发系统的时候，一般都要说到分库分表这个点。
3. 读写分离思想+主从分离
通常来说，一台单机的MySQL服务器，
一般情况下，MYSQL的吞吐量为 1000-1500qps
另外，由于innodb的 B+树索引的深度限制，最好是单表在500w记录，性能较佳
所以，单机支撑的请求访问是有限的。
因此你做了分布式部署，部署了多台机器，部署了主数据库、从数据库。
但是，如果双十一搞活动，流量肯定会猛增的。
如果所有的查询请求，都走主库的话，主库肯定扛不住，因为查询请求量是非常非常大的。
因此一般都要求做主从分离，然后实时性要求不高的读请求，都去读从库，写的请求或者实时性要求高的请求，才走主库。
这样就很好保护了主库，也提高了系统的吞吐。
当然，如果回答了主从分离，面试官可能扩展开问你主从复制原理，问你主从延迟问题等等，这块大家需要全方位复习好哈。
4. 池化思想
在高并发的场景下，各种连接，都可能成为瓶颈
数据库连接
HTTP 连接
Redis 连接
反向代理连接
因为连接数是有限的。
如何各种连接瓶颈呢？
方式一： 增大连接数量限制
方式二：池化技术
通过池化技术，调用数据库时，可以会先获取数据库的连接，然后依靠这个连接来查询数据，搞完收工，最后关闭连接，释放资源。
反之，如果不用数据库连接池的话，
每次执行SQL，都要创建连接和销毁连接，这就会导致每个查询请求都变得更慢了，相应的，系统处理用户请求的能力就降低了。
使用数据库连接池，可以避免每次查询都新建连接，减少不必要的资源开销，通过复用连接池，提高系统处理高并发请求的能力。
和数据库连接池类似，咱们需要：
redis 连接池
HTTP连接
反向代理连接池
并且，需要使用http长连接，替代短连接
5. 缓存思想
缓存思想是高并发的一大核心架构方案，
无论是各种中间件内部，还是在cpu的内部，还是操作系统内部、在web应用、客户端浏览器的架构设计过程中，广泛的使用缓存思想和模式。
除了一级缓存，甚至有二级、三级缓存、多级缓存架构。
我们使用缓存，主要是提升系统接口的性能，这样高并发场景，你的系统就可以支持更多的用户同时访问。
web应用中，常用的缓存包括：Redis缓存，JVM本地缓存，nginx本地缓存，memcached、CDN静态资源加速等等。
就拿Redis来说，它单机就能轻轻松松应对几万的并发，你读场景的业务，可以用缓存来抗高并发。
缓存虽然用得爽，但是要注意缓存使用的一些问题：
缓存与数据库的一致性问题
缓存雪崩
缓存穿透
缓存击穿
然后拿 CDN来说，也属于缓存思想的一种应用，将静态资源，缓存到离用于最近的CDN机房，加速静态资源访问
商品图片，icon等等静态资源，可以对页面做静态化处理，减少访问服务端的请求。
如果用户分布在全国各地，有的在上海，有的在深圳，地域相差很远，网速也各不相同。
为了让用户最快访问到页面，可以使用CDN。
CDN可以让用户就近获取所需内容。
什么是CDN？
Content Delivery Network/Content Distribution Network,翻译过来就是内容分发网络，它表示将静态资源分发到位于多个地理位置机房的服务器，可以做到数据就近访问，加速了静态资源的访问速度，因此让系统更好处理正常别的动态请求。
6. 异步思想+消息队列削锋
回忆一下什么是同步，什么是异步呢？
一般情况下，服务与服务之间的调用，是同步的rpc调用
同步调用的特点是：
调用简单
结果直观
但是是阻塞执行，性能低
简单来说，同步rpc 它代表调用方要阻塞等待被调用方法中的逻辑执行完成。
这种方式下，当被调用方法响应时间较长时，会造成调用方长久的阻塞，在高并发下会造成整体系统性能下降甚至发生雪崩。
那么，如何提升性能？如何抵御高并发？
就是使用异步调用。
异步调用恰恰相反，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。
因此，设计一个高并发的系统，需要在恰当的场景使用异步。
如何使用异步呢？后端可以借用消息队列实现。
比如在海量秒杀请求过来时，先放到消息队列中，快速响应用户，告诉用户请求正在处理中，这样就可以释放资源来处理更多的请求。
秒杀请求处理完后，通知用户秒杀抢购成功或者失败。
我们搞一些双十一、双十二等运营活动时，需要避免流量暴涨，打垮应用系统的风险。
因此一般会引入消息队列，来应对高并发的场景。
假设你的应用系统每秒最多可以处理2k个请求，每秒却有5k的请求过来，可以引入消息队列，应用系统每秒从消息队列拉2k请求处理得了。
有些伙伴担心这样可能会出现消息积压的问题：
首先，搞一些运营活动，不会每时每刻都那么多请求过来你的系统（除非有人恶意攻击），高峰期过去后，积压的请求可以慢慢处理；
其次，如果消息队列长度超过最大数量，可以直接抛弃用户请求或跳转到错误页面；
7. 服务保护思想：熔断降级
熔断降级是保护系统的一种手段。也可以理解为一种服务保护的思想
当前互联网系统一般都是分布式部署的。
而分布式系统中偶尔会出现某个基础服务不可用，最终导致整个系统不可用的情况, 这种现象被称为服务雪崩效应。
比如分布式调用链路A->B->C....，下图所示：
如果服务C出现问题，比如是因为慢SQL导致调用缓慢，那将导致B也会延迟，从而A也会延迟。
堵住的A请求会消耗占用系统的线程、IO、CPU等资源。
当请求A的服务越来越多，占用计算机的资源也越来越多，最终会导致系统瓶颈出现，造成其他的请求同样不可用，最后导致业务系统崩溃。
为了应对服务雪崩, 常见的做法是熔断和降级。
最简单是加开关控制，当下游系统出问题时，开关打开降级，不再调用下游系统。还可以选用开源组件Hystrix来支持。
你要保证设计的系统能应对高并发场景，那肯定要考虑熔断降级逻辑进来。
8. 限流思想
限流也是我们应对高并发的一种保护的思想。
这是一种无奈的处理方式
也是一种兜底的处理方式
理论上，咱们是需要能处理所有的请求
但是，有的时候，资源有限，系统的CPU、网络带宽、内存、线程等资源都是有限的。因此，我们要考虑限流。
只能服务其中的部分请求，只能进行无奈的限流，至少能保证部分用户得到正常的服务
如果你的系统每秒扛住的请求是一千，如果一秒钟来了十万请求呢？
换个角度就是说，高并发的时候，流量洪峰来了，超过系统的承载能力，怎么办呢？
这时候，我们可以采取限流方案。就是为了保护系统，多余的请求，直接丢弃。
什么是限流：限流，也称流量控制。
限流是指系统在面临高并发，或者大流量请求的情况下，限制新的请求对系统的访问，从而保证系统的稳定性。
具体怎么做限流呢？
可以使用Guava的RateLimiter单机版限流，也可以使用Redis分布式限流，还可以使用阿里开源组件sentinel限流。
面试的时候，你说到限流这块的话？
面试官很大概率会问你限流的算法，因此，大家在准备面试的时候，需要复习一下这几种经典的限流算法哈
9. 扩容思想+切流量
如果是突发的流量高峰，除了降级、限流保证系统不跨，我们可以采用这两种方案，保证系统尽可能服务用户请求：
扩容：比如增加从库、提升配置的方式，提升系统/组件的流量承载能力。
比如增加
MySQL、Redis从库来处理查询请求。切流量：服务多机房部署，如果高并发流量来了，把流量从一个机房切换到另一个机房。
10. 海量数据处理思想 ElasticSearch+Hbase
Elasticsearch，大家都使用得比较多了吧，一般搜索功能都会用到它。
它是一个分布式、高扩展、高实时的搜索与数据分析引擎，简称为ES。
我们在聊高并发，为啥聊到ES呢？
因为ES可以扩容方便，天然支撑高并发。
当数据量大的时候，不用动不动就加机器扩容，分库等等，可以考虑用ES来支持简单的查询搜索、统计类的操作。
以上内容，来自《java高并发核心编程卷1 加强版》
前提：压力测试确定系统瓶颈
设计高并发系统，离不开最重要的一环，就是压力测试。
就是在系统上线前，需要对系统进行压力测试，测清楚你的系统支撑的最大并发是多少，确定系统的瓶颈点，让自己心里有底，最好预防措施。
压测完要分析整个调用链路，性能可能出现问题是网络层（如带宽）、Nginx层、服务层、还是数据路缓存等中间件等等。
loadrunner是一款不错的压力测试工具，jmeter则是接口性能测试工具，都可以来做下压测。
附：接口的常规优化的18个方案
设计一个高并发的系统，需要设计接口的性能足够好，这样系统在相同时间，就可以处理更多的请求。
当说到这里的话，可以跟面试官说说接口优化的一些方案了。
