软件项目随着数据量的不断增加,有什么优化方案么?

作者 l 会点代码的大叔(CodeDaShu)

随着软件项目中的数据量不断增加,有哪些方法可以让我们的系统依然运行的非常的流畅,响应时间很短呢?让我们看一下:

01

单体架构

下面这个架构,大家一定很不陌生,大部分小项目都是这样的架构:所有的代码都放在一个代码包中,部署在一台服务器上,数据库也只有一个。

单体架构简单,最容易实现;但当这台服务器出现故障的时候,则无法对外提供服务,可用性差,难以扩展。

02

本地缓存

当数据开始增加,SQL 执行地越来越慢;我们可以将频繁读取但是变化不多的数据保存到缓存中,这样可以极大地减少数据库的压力,提高应用的响应速度;

常用的缓存淘汰策略:先进先出、最少使用、最近最少使用等等;

常用的本地缓存框架:如果使用 Spring Boot 的话,可以直接使用 @Cacheable 注解使用本地缓存(默认使用 ConcurrentHashMap 实现本地缓存)、EhCache、Caffeine。

03

分布式缓存

当然本地缓存也有很多的弊端,比如单个服务器资源有限、缓存数据无法共享、生命周期小于等于应用的生命周期等等;所以我们可以引入分布式缓存,比如 Memcached 、 Redis。

04

读写分离

因为并不是所有的数据都适合放在缓存中,所以随着数据的进一步增加,需要提高数据库本身的性能和高可用,最简单的方法:数据库的读写分离。

05

分库分表

当数据库中的数据进一步增加,单台数据库无法支撑,可以考虑分库分表;每一条数据根据路由策略,存储在不同的数据库中;

分库分表虽然突破了单台数据库的资源限制,理论上可以支撑无限增长的数据,但是也会带来新的难题:

现有的数据分片不够的话,就需要做数据库的扩充,要么需要做数据迁移,要么会让数据路由算法变得更加复杂;

全量的数据查询和统计成了一个很大的难题;

06

分库分表 + ES

针对分库分表后全量查询的难题,通常我们可以引入 ES 做全量的数据检索。

上面就是针对“数据量不断增加”的一些解决方法,当然我们也需要结合项目实际情况进行架构设计,这是一个迭代演化的过程,避免过度设计。

特别推荐一个分享架构+算法的优质内容,还没关注的小伙伴,可以长按关注一下:

长按订阅更多精彩▼

如有收获,点个在看,诚挚感谢
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客
应支付0元
点击重新获取
扫码支付

支付成功即可阅读