NoSQL，泛指非關(guān)系型的數(shù)據(jù)庫。隨著互聯(lián)網(wǎng)web2.0網(wǎng)站的興起，傳統(tǒng)的關(guān)系數(shù)據(jù)庫在應(yīng)付web2.0網(wǎng)站，特別是超大規(guī)模和高并發(fā)的SNS類型的web2.0純動(dòng)態(tài)網(wǎng)站已經(jīng)顯得力不從心，暴露了很多難以克服的問題，而非關(guān)系型的數(shù)據(jù)庫則由于其本身的特點(diǎn)得到了非常迅速的發(fā)展。NoSQL數(shù)據(jù)庫的產(chǎn)生就是為了解決大規(guī)模數(shù)據(jù)集合多重?cái)?shù)據(jù)種類帶來的挑戰(zhàn)，尤其是大數(shù)據(jù)應(yīng)用難題。
創(chuàng)新互聯(lián)專注于包河網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗(yàn)。 熱誠為您提供包河營銷型網(wǎng)站建設(shè)，包河網(wǎng)站制作、包河網(wǎng)頁設(shè)計(jì)、包河網(wǎng)站官網(wǎng)定制、微信平臺(tái)小程序開發(fā)服務(wù)，打造包河網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供包河網(wǎng)站排名全網(wǎng)營銷落地服務(wù)。
雖然NoSQL流行語火起來才短短一年的時(shí)間，但是不可否認(rèn)，現(xiàn)在已經(jīng)開始了第二代運(yùn)動(dòng)。盡管早期的堆棧代碼只能算是一種實(shí)驗(yàn)，然而現(xiàn)在的系統(tǒng)已經(jīng)更加的成熟、穩(wěn)定。不過現(xiàn)在也面臨著一個(gè)嚴(yán)酷的事實(shí)：技術(shù)越來越成熟——以至于原來很好的NoSQL數(shù)據(jù)存儲(chǔ)不得不進(jìn)行重寫，也有少數(shù)人認(rèn)為這就是所謂的2.0版本。這里列出一些比較知名的工具，可以為大數(shù)據(jù)建立快速、可擴(kuò)展的存儲(chǔ)庫。
NoSQL(NoSQL = Not Only SQL )，意即“不僅僅是SQL”，是一項(xiàng)全新的數(shù)據(jù)庫革命性運(yùn)動(dòng)，早期就有人提出，發(fā)展至2009年趨勢(shì)越發(fā)高漲。NoSQL的擁護(hù)者們提倡運(yùn)用非關(guān)系型的數(shù)據(jù)存儲(chǔ)，相對(duì)于鋪天蓋地的關(guān)系型數(shù)據(jù)庫運(yùn)用，這一概念無疑是一種全新的思維的注入。
對(duì)于NoSQL并沒有一個(gè)明確的范圍和定義，但是他們都普遍存在下面一些共同特征：
不需要預(yù)定義模式：不需要事先定義數(shù)據(jù)模式，預(yù)定義表結(jié)構(gòu)。數(shù)據(jù)中的每條記錄都可能有不同的屬性和格式。當(dāng)插入數(shù)據(jù)時(shí)，并不需要預(yù)先定義它們的模式。
無共享架構(gòu)：相對(duì)于將所有數(shù)據(jù)存儲(chǔ)的存儲(chǔ)區(qū)域網(wǎng)絡(luò)中的全共享架構(gòu)。NoSQL往往將數(shù)據(jù)劃分后存儲(chǔ)在各個(gè)本地服務(wù)器上。因?yàn)閺谋镜卮疟P讀取數(shù)據(jù)的性能往往好于通過網(wǎng)絡(luò)傳輸讀取數(shù)據(jù)的性能，從而提高了系統(tǒng)的性能。
彈性可擴(kuò)展：可以在系統(tǒng)運(yùn)行的時(shí)候，動(dòng)態(tài)增加或者刪除結(jié)點(diǎn)。不需要停機(jī)維護(hù)，數(shù)據(jù)可以自動(dòng)遷移。
分區(qū)：相對(duì)于將數(shù)據(jù)存放于同一個(gè)節(jié)點(diǎn)，NoSQL數(shù)據(jù)庫需要將數(shù)據(jù)進(jìn)行分區(qū)，將記錄分散在多個(gè)節(jié)點(diǎn)上面。并且通常分區(qū)的同時(shí)還要做復(fù)制。這樣既提高了并行性能，又能保證沒有單點(diǎn)失效的問題。
異步復(fù)制：和RAID存儲(chǔ)系統(tǒng)不同的是，NoSQL中的復(fù)制，往往是基于日志的異步復(fù)制。這樣，數(shù)據(jù)就可以盡快地寫入一個(gè)節(jié)點(diǎn)，而不會(huì)被網(wǎng)絡(luò)傳輸引起遲延。缺點(diǎn)是并不總是能保證一致性，這樣的方式在出現(xiàn)故障的時(shí)候，可能會(huì)丟失少量的數(shù)據(jù)。
BASE：相對(duì)于事務(wù)嚴(yán)格的ACID特性，NoSQL數(shù)據(jù)庫保證的是BASE特性。BASE是最終一致性和軟事務(wù)。
NoSQL數(shù)據(jù)庫并沒有一個(gè)統(tǒng)一的架構(gòu)，兩種NoSQL數(shù)據(jù)庫之間的不同，甚至遠(yuǎn)遠(yuǎn)超過兩種關(guān)系型數(shù)據(jù)庫的不同?？梢哉f，NoSQL各有所長，成功的NoSQL必然特別適用于某些場(chǎng)合或者某些應(yīng)用，在這些場(chǎng)合中會(huì)遠(yuǎn)遠(yuǎn)勝過關(guān)系型數(shù)據(jù)庫和其他的NoSQL。
高并發(fā)，幾乎是每個(gè)程序員都想擁有的經(jīng)驗(yàn)。原因很簡單：隨著流量變大，會(huì)遇到各種各樣的技術(shù)問題，比如接口響應(yīng)超時(shí)、CPU load升高、GC頻繁、死鎖、大數(shù)據(jù)量存儲(chǔ)等等，這些問題能推動(dòng)我們?cè)诩夹g(shù)深度上不斷精進(jìn)。
在過往的面試中，如果候選人做過高并發(fā)的項(xiàng)目，我通常會(huì)讓對(duì)方談?wù)剬?duì)于高并發(fā)的理解，但是能系統(tǒng)性地回答好此問題的人并不多。
大概分成這樣幾類：
1、對(duì)數(shù)據(jù)化的指標(biāo)沒有概念 ：不清楚選擇什么樣的指標(biāo)來衡量高并發(fā)系統(tǒng)？分不清并發(fā)量和QPS，甚至不知道自己系統(tǒng)的總用戶量、活躍用戶量，平峰和高峰時(shí)的QPS和TPS等關(guān)鍵數(shù)據(jù)。
3、理解片面，把高并發(fā)設(shè)計(jì)等同于性能優(yōu)化 ：大談并發(fā)編程、多級(jí)緩存、異步化、水平擴(kuò)容，卻忽視高可用設(shè)計(jì)、服務(wù)治理和運(yùn)維保障。
4、掌握大方案，卻忽視最基本的東西 ：能講清楚垂直分層、水平分區(qū)、緩存等大思路，卻沒意識(shí)去分析數(shù)據(jù)結(jié)構(gòu)是否合理，算法是否高效，沒想過從最根本的IO和計(jì)算兩個(gè)維度去做細(xì)節(jié)優(yōu)化。
這篇文章，我想結(jié)合自己的高并發(fā)項(xiàng)目經(jīng)驗(yàn)，系統(tǒng)性地總結(jié)下高并發(fā)需要掌握的知識(shí)和實(shí)踐思路，希望對(duì)你有所幫助。內(nèi)容分成以下3個(gè)部分：
高并發(fā)意味著大流量，需要運(yùn)用技術(shù)手段抵抗流量的沖擊，這些手段好比操作流量，能讓流量更平穩(wěn)地被系統(tǒng)所處理，帶給用戶更好的體驗(yàn)。
我們常見的高并發(fā)場(chǎng)景有：淘寶的雙11、春運(yùn)時(shí)的搶票、微博大V的熱點(diǎn)新聞等。除了這些典型事情，每秒幾十萬請(qǐng)求的秒殺系統(tǒng)、每天千萬級(jí)的訂單系統(tǒng)、每天億級(jí)日活的信息流系統(tǒng)等，都可以歸為高并發(fā)。
很顯然，上面談到的高并發(fā)場(chǎng)景，并發(fā)量各不相同， 那到底多大并發(fā)才算高并發(fā)呢？
1、不能只看數(shù)字，要看具體的業(yè)務(wù)場(chǎng)景。不能說10W QPS的秒殺是高并發(fā)，而1W QPS的信息流就不是高并發(fā)。信息流場(chǎng)景涉及復(fù)雜的推薦模型和各種人工策略，它的業(yè)務(wù)邏輯可能比秒殺場(chǎng)景復(fù)雜10倍不止。因此，不在同一個(gè)維度，沒有任何比較意義。
2、業(yè)務(wù)都是從0到1做起來的，并發(fā)量和QPS只是參考指標(biāo)，最重要的是：在業(yè)務(wù)量逐漸變成原來的10倍、100倍的過程中，你是否用到了高并發(fā)的處理方法去演進(jìn)你的系統(tǒng)，從架構(gòu)設(shè)計(jì)、編碼實(shí)現(xiàn)、甚至產(chǎn)品方案等維度去預(yù)防和解決高并發(fā)引起的問題？而不是一味的升級(jí)硬件、加機(jī)器做水平擴(kuò)展。
此外，各個(gè)高并發(fā)場(chǎng)景的業(yè)務(wù)特點(diǎn)完全不同：有讀多寫少的信息流場(chǎng)景、有讀多寫多的交易場(chǎng)景， 那是否有通用的技術(shù)方案解決不同場(chǎng)景的高并發(fā)問題呢？
我覺得大的思路可以借鑒，別人的方案也可以參考，但是真正落地過程中，細(xì)節(jié)上還會(huì)有無數(shù)的坑。另外，由于軟硬件環(huán)境、技術(shù)棧、以及產(chǎn)品邏輯都沒法做到完全一致，這些都會(huì)導(dǎo)致同樣的業(yè)務(wù)場(chǎng)景，就算用相同的技術(shù)方案也會(huì)面臨不同的問題，這些坑還得一個(gè)個(gè)趟。
因此，這篇文章我會(huì)將重點(diǎn)放在基礎(chǔ)知識(shí)、通用思路、和我曾經(jīng)實(shí)踐過的有效經(jīng)驗(yàn)上，希望讓你對(duì)高并發(fā)有更深的理解。
先搞清楚高并發(fā)系統(tǒng)設(shè)計(jì)的目標(biāo)，在此基礎(chǔ)上再討論設(shè)計(jì)方案和實(shí)踐經(jīng)驗(yàn)才有意義和針對(duì)性。
高并發(fā)絕不意味著只追求高性能，這是很多人片面的理解。從宏觀角度看，高并發(fā)系統(tǒng)設(shè)計(jì)的目標(biāo)有三個(gè)：高性能、高可用，以及高可擴(kuò)展。
1、高性能：性能體現(xiàn)了系統(tǒng)的并行處理能力，在有限的硬件投入下，提高性能意味著節(jié)省成本。同時(shí)，性能也反映了用戶體驗(yàn)，響應(yīng)時(shí)間分別是100毫秒和1秒，給用戶的感受是完全不同的。
2、高可用：表示系統(tǒng)可以正常服務(wù)的時(shí)間。一個(gè)全年不停機(jī)、無故障；另一個(gè)隔三差五出線上事故、宕機(jī)，用戶肯定選擇前者。另外，如果系統(tǒng)只能做到90%可用，也會(huì)大大拖累業(yè)務(wù)。
3、高擴(kuò)展：表示系統(tǒng)的擴(kuò)展能力，流量高峰時(shí)能否在短時(shí)間內(nèi)完成擴(kuò)容，更平穩(wěn)地承接峰值流量，比如雙11活動(dòng)、明星離婚等熱點(diǎn)事件。
這3個(gè)目標(biāo)是需要通盤考慮的，因?yàn)樗鼈兓ハ嚓P(guān)聯(lián)、甚至也會(huì)相互影響。
比如說：考慮系統(tǒng)的擴(kuò)展能力，你會(huì)將服務(wù)設(shè)計(jì)成無狀態(tài)的，這種集群設(shè)計(jì)保證了高擴(kuò)展性，其實(shí)也間接提升了系統(tǒng)的性能和可用性。
再比如說：為了保證可用性，通常會(huì)對(duì)服務(wù)接口進(jìn)行超時(shí)設(shè)置，以防大量線程阻塞在慢請(qǐng)求上造成系統(tǒng)雪崩，那超時(shí)時(shí)間設(shè)置成多少合理呢？一般，我們會(huì)參考依賴服務(wù)的性能表現(xiàn)進(jìn)行設(shè)置。
再從微觀角度來看，高性能、高可用和高擴(kuò)展又有哪些具體的指標(biāo)來衡量？為什么會(huì)選擇這些指標(biāo)呢？
2.2.1 性能指標(biāo)
通過性能指標(biāo)可以度量目前存在的性能問題，同時(shí)作為性能優(yōu)化的評(píng)估依據(jù)。一般來說，會(huì)采用一段時(shí)間內(nèi)的接口響應(yīng)時(shí)間作為指標(biāo)。
1、平均響應(yīng)時(shí)間：最常用，但是缺陷很明顯，對(duì)于慢請(qǐng)求不敏感。比如1萬次請(qǐng)求，其中9900次是1ms，100次是100ms，則平均響應(yīng)時(shí)間為1.99ms，雖然平均耗時(shí)僅增加了0.99ms，但是1%請(qǐng)求的響應(yīng)時(shí)間已經(jīng)增加了100倍。
2、TP90、TP99等分位值：將響應(yīng)時(shí)間按照從小到大排序，TP90表示排在第90分位的響應(yīng)時(shí)間， 分位值越大，對(duì)慢請(qǐng)求越敏感。
3、吞吐量：和響應(yīng)時(shí)間呈反比，比如響應(yīng)時(shí)間是1ms，則吞吐量為每秒1000次。
通常，設(shè)定性能目標(biāo)時(shí)會(huì)兼顧吞吐量和響應(yīng)時(shí)間，比如這樣表述：在每秒1萬次請(qǐng)求下，AVG控制在50ms以下，TP99控制在100ms以下。對(duì)于高并發(fā)系統(tǒng)，AVG和TP分位值必須同時(shí)要考慮。
另外，從用戶體驗(yàn)角度來看，200毫秒被認(rèn)為是第一個(gè)分界點(diǎn)，用戶感覺不到延遲，1秒是第二個(gè)分界點(diǎn)，用戶能感受到延遲，但是可以接受。
因此，對(duì)于一個(gè) 健康 的高并發(fā)系統(tǒng)，TP99應(yīng)該控制在200毫秒以內(nèi)，TP999或者TP9999應(yīng)該控制在1秒以內(nèi)。
2.2.2 可用性指標(biāo)
高可用性是指系統(tǒng)具有較高的無故障運(yùn)行能力，可用性 = 正常運(yùn)行時(shí)間 / 系統(tǒng)總運(yùn)行時(shí)間，一般使用幾個(gè)9來描述系統(tǒng)的可用性。
對(duì)于高并發(fā)系統(tǒng)來說，最基本的要求是：保證3個(gè)9或者4個(gè)9。原因很簡單，如果你只能做到2個(gè)9，意味著有1%的故障時(shí)間，像一些大公司每年動(dòng)輒千億以上的GMV或者收入，1%就是10億級(jí)別的業(yè)務(wù)影響。
2.2.3 可擴(kuò)展性指標(biāo)
面對(duì)突發(fā)流量，不可能臨時(shí)改造架構(gòu)，最快的方式就是增加機(jī)器來線性提高系統(tǒng)的處理能力。
對(duì)于業(yè)務(wù)集群或者基礎(chǔ)組件來說，擴(kuò)展性 = 性能提升比例 / 機(jī)器增加比例，理想的擴(kuò)展能力是：資源增加幾倍，性能提升幾倍。通常來說，擴(kuò)展能力要維持在70%以上。
但是從高并發(fā)系統(tǒng)的整體架構(gòu)角度來看，擴(kuò)展的目標(biāo)不僅僅是把服務(wù)設(shè)計(jì)成無狀態(tài)就行了，因?yàn)楫?dāng)流量增加10倍，業(yè)務(wù)服務(wù)可以快速擴(kuò)容10倍，但是數(shù)據(jù)庫可能就成為了新的瓶頸。
像MySQL這種有狀態(tài)的存儲(chǔ)服務(wù)通常是擴(kuò)展的技術(shù)難點(diǎn)，如果架構(gòu)上沒提前做好規(guī)劃（垂直和水平拆分），就會(huì)涉及到大量數(shù)據(jù)的遷移。
因此，高擴(kuò)展性需要考慮：服務(wù)集群、數(shù)據(jù)庫、緩存和消息隊(duì)列等中間件、負(fù)載均衡、帶寬、依賴的第三方等，當(dāng)并發(fā)達(dá)到某一個(gè)量級(jí)后，上述每個(gè)因素都可能成為擴(kuò)展的瓶頸點(diǎn)。
了解了高并發(fā)設(shè)計(jì)的3大目標(biāo)后，再系統(tǒng)性總結(jié)下高并發(fā)的設(shè)計(jì)方案，會(huì)從以下兩部分展開：先總結(jié)下通用的設(shè)計(jì)方法，然后再圍繞高性能、高可用、高擴(kuò)展分別給出具體的實(shí)踐方案。
通用的設(shè)計(jì)方法主要是從「縱向」和「橫向」兩個(gè)維度出發(fā)，俗稱高并發(fā)處理的兩板斧：縱向擴(kuò)展和橫向擴(kuò)展。
3.1.1 縱向擴(kuò)展（scale-up）
它的目標(biāo)是提升單機(jī)的處理能力，方案又包括：
1、提升單機(jī)的硬件性能：通過增加內(nèi)存、 CPU核數(shù)、存儲(chǔ)容量、或者將磁盤 升級(jí)成SSD 等堆硬件的方式來提升。
2、提升單機(jī)的軟件性能：使用緩存減少IO次數(shù)，使用并發(fā)或者異步的方式增加吞吐量。
3.1.2 橫向擴(kuò)展（scale-out）
因?yàn)閱螜C(jī)性能總會(huì)存在極限，所以最終還需要引入橫向擴(kuò)展，通過集群部署以進(jìn)一步提高并發(fā)處理能力，又包括以下2個(gè)方向：
1、做好分層架構(gòu)：這是橫向擴(kuò)展的提前，因?yàn)楦卟l(fā)系統(tǒng)往往業(yè)務(wù)復(fù)雜，通過分層處理可以簡化復(fù)雜問題，更容易做到橫向擴(kuò)展。
上面這種圖是互聯(lián)網(wǎng)最常見的分層架構(gòu)，當(dāng)然真實(shí)的高并發(fā)系統(tǒng)架構(gòu)會(huì)在此基礎(chǔ)上進(jìn)一步完善。比如會(huì)做動(dòng)靜分離并引入CDN，反向代理層可以是LVS+Nginx，Web層可以是統(tǒng)一的API網(wǎng)關(guān)，業(yè)務(wù)服務(wù)層可進(jìn)一步按垂直業(yè)務(wù)做微服務(wù)化，存儲(chǔ)層可以是各種異構(gòu)數(shù)據(jù)庫。
2、各層進(jìn)行水平擴(kuò)展：無狀態(tài)水平擴(kuò)容，有狀態(tài)做分片路由。業(yè)務(wù)集群通常能設(shè)計(jì)成無狀態(tài)的，而數(shù)據(jù)庫和緩存往往是有狀態(tài)的，因此需要設(shè)計(jì)分區(qū)鍵做好存儲(chǔ)分片，當(dāng)然也可以通過主從同步、讀寫分離的方案提升讀性能。
下面再結(jié)合我的個(gè)人經(jīng)驗(yàn)，針對(duì)高性能、高可用、高擴(kuò)展3個(gè)方面，總結(jié)下可落地的實(shí)踐方案。
3.2.1 高性能的實(shí)踐方案
1、集群部署，通過負(fù)載均衡減輕單機(jī)壓力。
2、多級(jí)緩存，包括靜態(tài)數(shù)據(jù)使用CDN、本地緩存、分布式緩存等，以及對(duì)緩存場(chǎng)景中的熱點(diǎn)key、緩存穿透、緩存并發(fā)、數(shù)據(jù)一致性等問題的處理。
3、分庫分表和索引優(yōu)化，以及借助搜索引擎解決復(fù)雜查詢問題。
4、考慮NoSQL數(shù)據(jù)庫的使用，比如HBase、TiDB等，但是團(tuán)隊(duì)必須熟悉這些組件，且有較強(qiáng)的運(yùn)維能力。
5、異步化，將次要流程通過多線程、MQ、甚至延時(shí)任務(wù)進(jìn)行異步處理。
6、限流，需要先考慮業(yè)務(wù)是否允許限流（比如秒殺場(chǎng)景是允許的），包括前端限流、Nginx接入層的限流、服務(wù)端的限流。
7、對(duì)流量進(jìn)行 削峰填谷 ，通過 MQ承接流量。
8、并發(fā)處理，通過多線程將串行邏輯并行化。
9、預(yù)計(jì)算，比如搶紅包場(chǎng)景，可以提前計(jì)算好紅包金額緩存起來，發(fā)紅包時(shí)直接使用即可。
10、 緩存預(yù)熱 ，通過異步 任務(wù) 提前 預(yù)熱數(shù)據(jù)到本地緩存或者分布式緩存中。
11、減少IO次數(shù)，比如數(shù)據(jù)庫和緩存的批量讀寫、RPC的批量接口支持、或者通過冗余數(shù)據(jù)的方式干掉RPC調(diào)用。
12、減少IO時(shí)的數(shù)據(jù)包大小，包括采用輕量級(jí)的通信協(xié)議、合適的數(shù)據(jù)結(jié)構(gòu)、去掉接口中的多余字段、減少緩存key的大小、壓縮緩存value等。
13、程序邏輯優(yōu)化，比如將大概率阻斷執(zhí)行流程的判斷邏輯前置、For循環(huán)的計(jì)算邏輯優(yōu)化，或者采用更高效的算法。
14、各種池化技術(shù)的使用和池大小的設(shè)置，包括HTTP請(qǐng)求池、線程池（考慮CPU密集型還是IO密集型設(shè)置核心參數(shù)）、數(shù)據(jù)庫和Redis連接池等。
15、JVM優(yōu)化，包括新生代和老年代的大小、GC算法的選擇等，盡可能減少GC頻率和耗時(shí)。
16、鎖選擇，讀多寫少的場(chǎng)景用樂觀鎖，或者考慮通過分段鎖的方式減少鎖沖突。
上述方案無外乎從計(jì)算和 IO 兩個(gè)維度考慮所有可能的優(yōu)化點(diǎn)，需要有配套的監(jiān)控系統(tǒng)實(shí)時(shí)了解當(dāng)前的性能表現(xiàn)，并支撐你進(jìn)行性能瓶頸分析，然后再遵循二八原則，抓主要矛盾進(jìn)行優(yōu)化。
3.2.2 高可用的實(shí)踐方案
1、對(duì)等節(jié)點(diǎn)的故障轉(zhuǎn)移，Nginx和服務(wù)治理框架均支持一個(gè)節(jié)點(diǎn)失敗后訪問另一個(gè)節(jié)點(diǎn)。
2、非對(duì)等節(jié)點(diǎn)的故障轉(zhuǎn)移，通過心跳檢測(cè)并實(shí)施主備切換（比如redis的哨兵模式或者集群模式、MySQL的主從切換等）。
3、接口層面的超時(shí)設(shè)置、重試策略和冪等設(shè)計(jì)。
4、降級(jí)處理：保證核心服務(wù)，犧牲非核心服務(wù)，必要時(shí)進(jìn)行熔斷；或者核心鏈路出問題時(shí)，有備選鏈路。
5、限流處理：對(duì)超過系統(tǒng)處理能力的請(qǐng)求直接拒絕或者返回錯(cuò)誤碼。
6、MQ場(chǎng)景的消息可靠性保證，包括producer端的重試機(jī)制、broker側(cè)的持久化、consumer端的ack機(jī)制等。
7、灰度發(fā)布，能支持按機(jī)器維度進(jìn)行小流量部署，觀察系統(tǒng)日志和業(yè)務(wù)指標(biāo)，等運(yùn)行平穩(wěn)后再推全量。
8、監(jiān)控報(bào)警：全方位的監(jiān)控體系，包括最基礎(chǔ)的CPU、內(nèi)存、磁盤、網(wǎng)絡(luò)的監(jiān)控，以及Web服務(wù)器、JVM、數(shù)據(jù)庫、各類中間件的監(jiān)控和業(yè)務(wù)指標(biāo)的監(jiān)控。
9、災(zāi)備演練：類似當(dāng)前的“混沌工程”，對(duì)系統(tǒng)進(jìn)行一些破壞性手段，觀察局部故障是否會(huì)引起可用性問題。
高可用的方案主要從冗余、取舍、系統(tǒng)運(yùn)維3個(gè)方向考慮，同時(shí)需要有配套的值班機(jī)制和故障處理流程，當(dāng)出現(xiàn)線上問題時(shí)，可及時(shí)跟進(jìn)處理。
3.2.3 高擴(kuò)展的實(shí)踐方案
1、合理的分層架構(gòu)：比如上面談到的互聯(lián)網(wǎng)最常見的分層架構(gòu)，另外還能進(jìn)一步按照數(shù)據(jù)訪問層、業(yè)務(wù)邏輯層對(duì)微服務(wù)做更細(xì)粒度的分層（但是需要評(píng)估性能，會(huì)存在網(wǎng)絡(luò)多一跳的情況）。
2、存儲(chǔ)層的拆分：按照業(yè)務(wù)維度做垂直拆分、按照數(shù)據(jù)特征維度進(jìn)一步做水平拆分（分庫分表）。
3、業(yè)務(wù)層的拆分：最常見的是按照業(yè)務(wù)維度拆（比如電商場(chǎng)景的商品服務(wù)、訂單服務(wù)等），也可以按照核心接口和非核心接口拆，還可以按照請(qǐng)求源拆（比如To C和To B，APP和H5 ）。
高并發(fā)確實(shí)是一個(gè)復(fù)雜且系統(tǒng)性的問題，由于篇幅有限，諸如分布式Trace、全鏈路壓測(cè)、柔性事務(wù)都是要考慮的技術(shù)點(diǎn)。另外，如果業(yè)務(wù)場(chǎng)景不同，高并發(fā)的落地方案也會(huì)存在差異，但是總體的設(shè)計(jì)思路和可借鑒的方案基本類似。
高并發(fā)設(shè)計(jì)同樣要秉承架構(gòu)設(shè)計(jì)的3個(gè)原則：簡單、合適和演進(jìn)。"過早的優(yōu)化是萬惡之源"，不能脫離業(yè)務(wù)的實(shí)際情況，更不要過度設(shè)計(jì)，合適的方案就是最完美的。
作者簡介：985碩士，前亞馬遜工程師，現(xiàn)大廠技術(shù)管理者。
首先是無狀態(tài)前端機(jī)器不足以承載請(qǐng)求流量，需要進(jìn)行水平擴(kuò)展，一般QPS是千級(jí)。 然后是關(guān)系型數(shù)據(jù)庫無法承載讀取或?qū)懭敕逯?，需要?shù)據(jù)庫橫向擴(kuò)展或引入nosql，一般是千到萬級(jí)。 之后是單機(jī)nosql無法承載，需要nosql橫向擴(kuò)展，一般是十萬到百萬QPS。
最后是難以單純橫向擴(kuò)展nosql，比如微博就引入多級(jí)緩存架構(gòu)，這種架構(gòu)一般可以應(yīng)對(duì)百萬到千萬對(duì)nosql的訪問QPS。 當(dāng)然面向用戶的接口請(qǐng)求一般到不了這個(gè)量級(jí)，QPS遞增大多是由于讀放大造成的壓力，單也屬于高并發(fā)架構(gòu)考慮的范疇。
QPS（TPS）：每秒鐘 request/事務(wù) 數(shù)量，在互聯(lián)網(wǎng)領(lǐng)域，指每秒響應(yīng)請(qǐng)求數(shù)吞吐量：單位時(shí)間內(nèi)處理的請(qǐng)求數(shù)量（通常由QPS與并發(fā)數(shù)決定）；響應(yīng)時(shí)間：系統(tǒng)對(duì)一個(gè)請(qǐng)求做出響應(yīng)的平均時(shí)間。例如系統(tǒng)處理一個(gè)HTTP請(qǐng)求需要200ms，這個(gè)200ms就是系統(tǒng)的響應(yīng)時(shí)間（我認(rèn)為這里應(yīng)該僅包含處理時(shí)間，網(wǎng)絡(luò)傳輸時(shí)間忽略），這里一定要注意，QPS ≠ 并發(fā)數(shù)。
高并發(fā)通常是指我們提供的系統(tǒng)服務(wù)能夠同時(shí)并行處理很多請(qǐng)求。并發(fā)是指，某個(gè)時(shí)刻有多少個(gè)訪問同時(shí)到來。QPS是指秒鐘響應(yīng)的請(qǐng)求數(shù)量。那么這里就肯容易推算出一個(gè)公式：QPS = 并發(fā)數(shù) / 平均響應(yīng)時(shí)間
如果你發(fā)現(xiàn)自己高并發(fā)，一定要及時(shí)就醫(yī)，尋求正規(guī)醫(yī)生的幫助。
即非關(guān)系型數(shù)據(jù)庫和關(guān)系型數(shù)據(jù)庫。
MySQL的優(yōu)點(diǎn)：事務(wù)處理—保持?jǐn)?shù)據(jù)的一致性；由于以標(biāo)準(zhǔn)化為前提，數(shù)據(jù)更新的開銷很?。ㄏ嗤淖侄位旧现挥幸惶帲豢梢赃M(jìn)行Join等復(fù)雜查詢
NoSQL的優(yōu)點(diǎn)：首先它是基于內(nèi)存的，也就是數(shù)據(jù)放在內(nèi)存中，而不是像數(shù)據(jù)庫那樣把數(shù)據(jù)放在磁盤上，而內(nèi)存的讀取速度是磁盤讀取速度的幾十倍到上百倍，所以NoSQL工具的速度遠(yuǎn)比數(shù)據(jù)庫讀取速度要快得多，滿足了高響應(yīng)的要求。即使NoSQL將數(shù)據(jù)放在磁盤中，它也是一種半結(jié)構(gòu)化的數(shù)據(jù) 格式，讀取到解析的復(fù)雜度遠(yuǎn)比MySQL要簡單，這是因?yàn)镸ySQL存儲(chǔ)的是經(jīng)過結(jié)構(gòu)化、多范式等有復(fù)雜規(guī)則的數(shù)據(jù)，還原為內(nèi)存結(jié)構(gòu)的速度較慢。NoSQL在很大程度上滿足了高并發(fā)、快速讀/和響應(yīng)的要求，所以它也是Java互聯(lián)網(wǎng)系統(tǒng)的利器。
簡單的擴(kuò)展：典型例子是Cassandra，由于其架構(gòu)是類似于經(jīng)典的P2P，所以能通過輕松地添加新的節(jié)點(diǎn)來擴(kuò)展這個(gè)集群;
低廉的成本：這是大多數(shù)分布式數(shù)據(jù)庫共有的特點(diǎn)，因?yàn)橹饕际情_源軟件，沒有昂貴的License成本;
NoSQL的缺點(diǎn)：大多數(shù)NoSQL數(shù)據(jù)庫都不支持事務(wù)，也不像 SQL Server和Oracle那樣能提供各種附加功能，比如BI和報(bào)表等; 不提供對(duì)SQL的支持
那么該如何選擇？
如果規(guī)模和性能比24小時(shí)的數(shù)據(jù)一致性更重要，那NoSQL是一個(gè)理想的選擇 （NoSQL依賴于BASE模型——基本可用、軟狀態(tài)、最終一致性）。
但如果要保證到“始終一致”，尤其是對(duì)于機(jī)密信息和財(cái)務(wù)信息，那么MySQL很可能是最優(yōu)的選擇（MySQL依賴于ACID模型——原子性、一致性、獨(dú)立性和耐久性）。
如果關(guān)系數(shù)據(jù)庫在你的應(yīng)用場(chǎng)景中，完全能夠很好的工作，而你又是非常善于使用和維護(hù)關(guān)系數(shù)據(jù)庫的，那么我覺得你完全沒有必要遷移到NoSQL上面，除非你是個(gè)喜歡折騰的人。如果你是在金融，電信等以數(shù)據(jù)為王的關(guān)鍵領(lǐng)域，目前使用的是Oracle數(shù)據(jù)庫來提供高可靠性的，除非遇到特別大的瓶頸，不然也別貿(mào)然嘗試NoSQL。
然而，在WEB2.0的網(wǎng)站中，關(guān)系數(shù)據(jù)庫大部分都出現(xiàn)了瓶頸。在磁盤IO、數(shù)據(jù)庫可擴(kuò)展上都花費(fèi)了開發(fā)人員相當(dāng)多的精力來優(yōu)化，比如做分表分庫（database sharding）、主從復(fù)制、異構(gòu)復(fù)制等等，然而，這些工作需要的技術(shù)能力越來越高，也越來越具有挑戰(zhàn)性。如果你正在經(jīng)歷這些場(chǎng)合，那么我覺得你應(yīng)該嘗試一下NoSQL了。
具體問題具體分析
MySQL體積小、速度快、成本低、結(jié)構(gòu)穩(wěn)定、便于查詢，可以保證數(shù)據(jù)的一致性，但缺乏靈活性。
NoSQL高性能、高擴(kuò)展、高可用，不用局限于固定的結(jié)構(gòu)，減少了時(shí)間和空間上的開銷，卻又很難保證數(shù)據(jù)一致性。
————————————————
版權(quán)聲明：本文為CSDN博主「蒟蒻熊」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。
原文鏈接：
SQL的獨(dú)特優(yōu)勢(shì)包括：
1. SQL能夠加強(qiáng)與數(shù)據(jù)的交互，并允許對(duì)單個(gè)數(shù)據(jù)庫設(shè)計(jì)提出問題。這是很關(guān)鍵的特征，因?yàn)闊o法交互的數(shù)據(jù)基本上是沒用的，并且，增強(qiáng)的交互性能夠帶來新的見解、新的問題和更有意義的未來交互。
2. SQL是標(biāo)準(zhǔn)化的，使用戶能夠跨系統(tǒng)運(yùn)用他們的知識(shí)，并對(duì)第三方附件和工具提供支持。
3. SQL能夠擴(kuò)展，并且是多功能和經(jīng)過時(shí)間驗(yàn)證的，這能夠解決從快寫為主導(dǎo)的傳輸?shù)綊呙杳芗蜕钊敕治龅葐栴}。
4. SQL對(duì)數(shù)據(jù)呈現(xiàn)和存儲(chǔ)采用正交形式，一些SQL系統(tǒng)支持JSON和其他結(jié)構(gòu)化對(duì)象格式，比NoSQL具有更好的性能和更多功能。
NoSQL特點(diǎn)：
易擴(kuò)展
NoSQL數(shù)據(jù)庫種類繁多，但是一個(gè)共同的特點(diǎn)都是去掉關(guān)系數(shù)據(jù)庫的關(guān)系型特性。數(shù)據(jù)之間無關(guān)系，這樣就非常容易擴(kuò)展。也無形之間，在架構(gòu)的層面上帶來了可擴(kuò)展的能力。
大數(shù)據(jù)量，高性能
NoSQL數(shù)據(jù)庫都具有非常高的讀寫性能，尤其在大數(shù)據(jù)量下，同樣表現(xiàn)優(yōu)秀。這得益于它的無關(guān)系性，數(shù)據(jù)庫的結(jié)構(gòu)簡單。NoSQL的Cache是記錄級(jí)的，是一種細(xì)粒度的Cache，所以NoSQL在這個(gè)層面上來說就要性能高很多了。
靈活的數(shù)據(jù)模型
NoSQL無需事先為要存儲(chǔ)的數(shù)據(jù)建立字段，隨時(shí)可以存儲(chǔ)自定義的數(shù)據(jù)格式。而在關(guān)系數(shù)據(jù)庫里，增刪字段是一件非常麻煩的事情。如果是非常大數(shù)據(jù)量的表，增加字段簡直就是一個(gè)噩夢(mèng)。這點(diǎn)在大數(shù)據(jù)量的web2.0時(shí)代尤其明顯。
高可用
NoSQL在不太影響性能的情況，就可以方便的實(shí)現(xiàn)高可用的架構(gòu)。比如Cassandra，HBase模型，通過復(fù)制模型也能實(shí)現(xiàn)高可用。
分布式緩存主要用在高并發(fā)環(huán)境下，減輕數(shù)據(jù)庫的壓力，提高系統(tǒng)的響應(yīng)速度和并發(fā)吞吐。當(dāng)大量的讀、寫請(qǐng)求涌向數(shù)據(jù)庫時(shí)，磁盤的處理速度與內(nèi)存顯然不在一個(gè)量級(jí)，因此，在數(shù)據(jù)庫之前加一層緩存，能夠顯著提高系統(tǒng)的響應(yīng)速度，并降低數(shù)據(jù)庫的壓力。作為傳統(tǒng)的關(guān)系型數(shù)據(jù)庫，MySQL提供完整的ACID操作，支持豐富的數(shù)據(jù)類型、強(qiáng)大的關(guān)聯(lián)查詢、where語句等，能夠非?？鸵椎亟⒉樵兯饕?，執(zhí)行復(fù)雜的內(nèi)連接、外連接、求和、排序、分組等操作，并且支持存儲(chǔ)過程、函數(shù)等功能，產(chǎn)品成熟度高，功能強(qiáng)大。但是，對(duì)于需要應(yīng)對(duì)高并發(fā)訪問并且存儲(chǔ)海量數(shù)據(jù)的場(chǎng)景來說，出于對(duì)性能的考慮，不得不放棄很多傳統(tǒng)關(guān)系型數(shù)據(jù)庫原本強(qiáng)大的功能，犧牲了系統(tǒng)的易用性，并且使得系統(tǒng)的設(shè)計(jì)和管理變得更為復(fù)雜。這也使得在過去幾年中，流行著另一種新的存儲(chǔ)解決方案——NoSQL，它與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫最大的差別在于，它不使用SQL作為查詢語言來查找數(shù)據(jù)，而采用key-value形式進(jìn)行查找，提供了更高的查詢效率及吞吐，并且能夠更加方便地進(jìn)行擴(kuò)展，存儲(chǔ)海量數(shù)據(jù)，在數(shù)千個(gè)節(jié)點(diǎn)上進(jìn)行分區(qū)，自動(dòng)進(jìn)行數(shù)據(jù)的復(fù)制和備份。在分布式系統(tǒng)中，消息作為應(yīng)用間通信的一種方式，得到了十分廣泛的應(yīng)用。消息可以被保存在隊(duì)列中，直到被接收者取出，由于消息發(fā)送者不需要同步等待消息接收者的響應(yīng)，消息的異步接收降低了系統(tǒng)集成的耦合度，提升了分布式系統(tǒng)協(xié)作的效率，使得系統(tǒng)能夠更快地響應(yīng)用戶，提供更高的吞吐。
當(dāng)系統(tǒng)處于峰值壓力時(shí)，分布式消息隊(duì)列還能夠作為緩沖，削峰填谷，緩解集群的壓力，避免整個(gè)系統(tǒng)被壓垮。垂直化的搜索引擎在分布式系統(tǒng)中是一個(gè)非常重要的角色，它既能夠滿足用戶對(duì)于全文檢索、模糊匹配的需求，解決數(shù)據(jù)庫like查詢效率低下的問題，又能夠解決分布式環(huán)境下，由于采用分庫分表，或者使用NoSQL數(shù)據(jù)庫，導(dǎo)致無法進(jìn)行多表關(guān)聯(lián)或者進(jìn)行復(fù)雜查詢的問題。
重慶分公司
重慶分公司
