高并发之高性能解决方案

1. 集群部署，通过负载均衡减轻单机压力；
2. 多级缓存架构，包括静态数据使用CDN，本地缓存、分布式缓存等，以及对缓存场景中的热点key、缓存穿透、缓存数据一致性等问题处理；
3. 分库分表和索引优化，以及借助搜索引擎解决复杂查询问题；
4. 考虑nosql数据库的使用，比如Hbase、mongodb等，但是团队必须要熟悉这些组件，并有较强的运维能力。
5. 异步化，将次要流程通过多线程、MQ、甚至延时队列进行异步处理；
6. 限流，需要先考虑业务是否允许限流，参加前端限流、nginx接入层的限流和服务端的限流；
7. 对流量进行削峰填谷，通过MQ承接流量；
8. 并发处理，通过多线程将串行逻辑并行化；
9. 预计算，比如抢红包场景，可以提前计算好红包的金额缓存起来，发红包的时候直接使用即可；
10. 缓存预热，通过异步任务提前预热数据到本地缓存，或者分布式缓存当中；
11. 减少io次数，比如数据库和缓存的批量读写、远程调用批量接口支持；
12. 减少IO时的数据包大小，包括采用轻量级的通信协议，合适的数据结构、去掉接口中的多余字段、减少缓存key的大小、压缩缓存value等；
13. 各种池化技术的使用和池大小的设置，包括http请求池、线程池（考虑CPU密集型还是IO密集型设置核心参数）、数据库和redis连接池等；
14. JVM的优化，包括年轻代和老年代的大小，gc垃圾回收算法的选择等，尽可能的减少gc的频率和耗时；
15. 锁选择，读多写少的场景使用读写锁，或者乐观锁减少锁冲突；