KuaiLeShiFu的博客

谈高请求量下的优化： 1.在非常大量场景下： 重复的操作的幂等结果缓存非常有效果；这说明点滴的优化在大量下都是值得的； 2.批量操作的优化：批量操作的意义就是通过批量的方式，相对减少了RTT的总耗时在整个处理过程中的影响占比；

并发考虑如下： 1.多线程，限速（停顿），有界堵塞队列+超队列直接调用线程run方法（ThreadPoolExecutor.CallerRunsPolicy），网卡尖刺， 2.注意并发的要点：小数据包（防止网卡打满）+ 占用内存小的小对象，生命周期短的小周期对象（JVM快速释放） + 并发（提升效率） + 多机器；

1.背景 延时任务如何精确处理，比如下单后10分钟没有支付，就必须取消订单。假如一个订单的下单时间是上午10：00，那么10：10必须做到该订单被处理。如果有成千上万的订单都是这种情况，怎么做到都能够这样处理？ 2.方案思路 一般情况下，待执行的任务，都是存储到关系型数据库中，这个现状会自然的影响我们做出下面的解决方法：轮询。 轮询：采用轮询的方案，假如执行轮询的是一个执行者（单个进程或者

关键词 CPU_WAIT_IO（等待IOCPU时间比率）； cpu运行时间，cpu等待时间； 公式：最佳线程数目 = （（线程等待时间+线程CPU时间）/线程CPU时间 ）* CPU数目； 在同一个进程里面，启动两个线程池，一个执行调用A服务，另外一个执行调用B服务，都是网络调用； 假设机器是１０核数，A线程池最大为１０，B也是最大为１０； 调用A服务阻塞，那么调用Ｂ服务是不是也会受到...