高并发系统设计架构方案

主要从三个方面：

1、Scale-out（横向扩展）：分而治之是一种常见的高并发系统设计方法，采用分布式部署的方式把流量分流开，让每个服务器都承担一部分并发和流量。

2、缓存：使用缓存来提高系统的性能，就好比用“拓宽河道”的方式抵抗高并发大流量的冲击。

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，这样可以在单位时间内处理更多的请求。

扩展：

Scale-out过程之前或是之中还有种 方案叫做 Scale-up（纵向扩展）， 购买性能更好的硬件来提升系统的并发处理能力，比方说目前系统 4 核 4G 每秒可以处理 200 次请求，那么如果要处理 400 次，把机器的 硬件提升到 8 核 8G（硬件资源的提升可能不是线性的，这里仅为参考）。

把类似 CPU 多核心的方案叫做 Scale-out，这两种思路在实现方式上是完全不同的。 Scale-out，则是另外一个思路，它通过将多个低性能的机器组成一个分布式集群来共同 抵御高并发流量的冲击。沿用刚刚的例子，我们可以使用两台 4 核 4G 的机器来处理那 400 次请求。

那么什么时候选择 Scale-up，什么时候选择 Scale-out 呢？

一般来讲，在我们系统设计初期会考虑使用 Scale-up 的方式，因为这种方案足够简单，所谓能用堆砌硬件解决的问题就用硬件来解决，但是当系统并发超过了单机的极限时，我们就要使用 Scale-out 的方式。

 

Scale-out 虽然能够突破单机的限制，但也会引入一些复杂问题。比如，如果某个节点出现 故障如何保证整体可用性？当多个节点有状态需要同步时，如何保证状态信息在不同节点的 一致性？如何做到使用方无感知的增加和删除节点？等等

缓存：

 

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。比如在操作系统中 CPU 有多级缓存，文件有 Page Cache 缓存。

1秒=1000毫秒(ms)

1秒=1,000,000 微秒(μs)

1秒=1,000,000,000 纳秒(ns)

异步

那么什么是同步，什么是异步呢？ 以方法调用为例，同步调用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。

罗马不是一天建成的，系统的设计也是如此。 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。 如果都按照百万、千万并发来设计系统，电商一律向淘宝看齐，IM 全

都学习微信和 QQ，那么这些系统的命运一定是灭亡。

 

高并发系统的演进应该是循序渐进，以解决系统中存在的问题为目的和驱 动力的。