面试官：如果系统流量突然上升 10 倍，该怎么处理？100 倍呢？

在处理系统流量突然激增的问题时，需根据流量增长倍数和系统当前状态采取分层策略。以下是针对流量 10 倍 和 100 倍 的详细解决方案，分为短期应急、中期优化和长期架构调整三个阶段：

---

一、流量突增 10 倍

1. 短期应急（0~30 分钟）

• 快速扩容

  • 云原生系统：利用云服务（如 AWS Auto Scaling、K8s HPA）自动增加实例数量，优先扩展无状态服务（如 Web 服务）。
  • 传统系统：临时启用备用服务器，或通过 DNS 负载均衡将流量切到灾备机房。
  • 示例：若原集群有 10 台服务器，可快速扩容到 50 台（按需按小时计费）。

• 限流降级

  • 核心接口保护：对非核心功能（如数据分析、日志上报）进行限流（如 Sentinel 或 Hystrix），确保核心交易链路（如支付、下单）可用。
  • 静态化降级：将动态页面（如商品详情）替换为静态缓存，减少后端压力。
  • 示例：设置 /api/payment 的 QPS 阈值，超限后返回“系统繁忙”提示。

• 缓存优化

  • 热点数据预热：提前将高频访问数据（如秒杀商品）加载到 Redis。
  • 本地缓存兜底：使用 Caffeine 或 Guava Cache 作为二级缓存，防止缓存穿透。

---

2. 中期优化（1~24 小时）

• 数据库优化

  • 读写分离：通过 MySQL Proxy 或 ShardingSphere 将读请求路由到从库。
  • 连接池调优：增大数据库连接池（如 HikariCP 的 maximumPoolSize），避免连接耗尽。
  • 慢查询治理：通过 EXPLAIN 分析索引缺失，紧急添加覆盖索引。

• 异步化改造

  • 削峰填谷：使用消息队列（如 Kafka、RocketMQ）异步处理非实时任务（如发短信、更新库存）。
  • 示例：订单创建后，发送 MQ 消息异步扣减库存，而非同步调用库存服务。

• CDN 加速

  • 静态资源分发：将图片、JS/CSS 文件推送到 CDN 边缘节点，减少回源请求。
  • 示例：通过阿里云 CDN 配置缓存策略，对 *.jpg 文件缓存 7 天。

---

3. 长期架构调整（1 周+）

• 微服务拆分

  • 垂直拆分：将单体应用拆分为订单、库存、用户等独立服务，避免单点瓶颈。
  • 示例：通过 Spring Cloud 或 Dubbo 实现服务化，各模块独立扩缩容。

• 分库分表

  • 水平分片：使用 ShardingSphere 或 MyCat 对订单表按用户 ID 哈希分片。
  • 冷热分离：将历史数据迁移到 ClickHouse 或 TiDB，减轻 OLTP 库压力。

• 全链路压测

  • 模拟流量：通过 JMeter 或阿里云 PTS 模拟 10 倍流量，验证系统瓶颈。
  • 混沌工程：注入网络延迟、节点故障等异常，测试系统容灾能力。

---

二、流量突增 100 倍

1. 极限应急（0~10 分钟）

• 熔断保护

  • 服务熔断：若下游服务（如支付系统）超时，立即熔断并返回默认值（如“支付通道维护中”）。
  • 示例：通过 Sentinel 配置熔断规则，当错误率 >50% 时熔断 30 秒。

• 静态化全站

  • 纯静态页面：关闭所有动态功能（如评论、购物车），仅保留商品浏览和基础文案。
  • 示例：通过 Nginx 返回预渲染的 HTML，完全绕过应用服务器。

• 弹性计算资源

  • Serverless 兜底：通过 AWS Lambda 或阿里云函数计算处理突发请求，按需付费。
  • 示例：将图片处理服务迁移到函数计算，动态扩容至 1000 实例。

---

2. 临时架构改造（1~12 小时）

• 分布式缓存穿透防护

  • 布隆过滤器：拦截无效请求（如查询不存在的商品 ID），避免击穿数据库。
  • 示例：Redis 中存储商品 ID 的布隆过滤器，查询前先校验是否存在。

• 边缘计算

  • 逻辑前置：将部分业务逻辑（如风控规则）下推到 CDN 边缘节点（如 Cloudflare Workers）。
  • 示例：在 CDN 节点校验用户身份，拦截 80% 的恶意请求。

• 数据库极限优化

  • 禁用事务：对非强一致性操作（如浏览数更新）改用 UPDATE ... WHERE 替代事务。
  • 批量写入：将单条 Insert 合并为批量操作（如 INSERT INTO ... VALUES (...), (...)）。

---

3. 长期架构重构（1 个月+）

• 去中心化架构

  • P2P 计算：将计算任务分散到客户端（如 WebAssembly 处理图片压缩）。
  • 示例：抖音视频转码时，利用用户设备空闲资源分布式处理。

• 异地多活

  • 单元化部署：按用户地理位置划分单元（如华北、华东），数据在单元内闭环。
  • 示例：通过 Apache ShardingSphere 实现“同城优先路由”，跨单元流量 <5%。

• AI 预测弹性扩缩

  • 时序预测：基于历史流量训练 LSTM 模型，提前 1 小时预扩容。
  • 示例：天猫双11 前 2 小时自动扩容至 10 万容器实例。

---

三、关键策略对比

措施	10 倍流量	100 倍流量
扩容方式	垂直扩容 + 云自动扩缩	Serverless + 边缘节点计算
数据库优化	读写分离 + 索引优化	分库分表 + 批量写入
容灾优先级	核心功能优先	仅保留静态页面 + 熔断全开
成本控制	按需扩容，小时级计费	函数计算按请求量付费
恢复时间目标（RTO）	≤30 分钟	≤5 分钟（牺牲非核心功能）

---

四、🐮🐎

• 10 倍流量：通过扩容、异步化、缓存优化等常规手段应对，目标是保持全功能可用。
• 100 倍流量：需采取极端措施（全静态化、熔断降级、边缘计算），优先保障系统不崩溃，而非功能完整。
• 核心原则：
  1. 分层防御：从接入层、服务层到数据层逐级减压。
  2. 弹性设计：利用云原生技术实现“按需使用，无限扩展”。
  3. 降级预案：提前规划功能优先级，明确“保什么、弃什么”。