高并发分布式亿万订单数据

分布式处理问题

1、Session共享

2、主键Id生成

3、数据库的压力：

3.1、分库：当前主库、当前从库和历史库

当前主库：一个月的所有数据，一般不是准确的一个月，当前库最好是保留35天的数据，主要业务数据库，一天200万订单，35天=7000万订单，可以说是亿级别；

当前从库：一个月内的所有数据从库，用于不那么实时性强的数据查询，比例统计，监控等；

历史库：对一个月外的数据进行迁移；

3.2、任务模型

MySQL的表当数据量达到一定量时，后期数量的增加，急速增倍的的耗性能；

比如订单Order表，对于数量大字段复杂的表，操作表很消耗性能，数据又不能删除，那么采用中间任务表，插入订单时同步插入一个任务，再由多线程取任务，根据任务字段的业务表主键orderId取数据就高效很多了，可以把完成的任务删除，保持任务表的字段少、数据量小的特点、并且好建立索引。

3.3、分页数据查询优化，limit 1000000, 20，limit原理，页数越大越耗性能;

3.4、MySQL调优，sql优化

4、nginx负载

5、分布式服务器日志管理ELK

6、jvm调优

7、tomcat apr

8、使用memcached或者redis缓存

9、对账使用MongoDB

10、