高并发设计

数据库：

一.池化技术
原因：1.连接的耗时比较长
2.相反执行一次sql可能时间很快
二.池化连接
最小连接（10左右），最大连接（20-30左右），预热(初始化)
三.池化线程
1.CPU密集型（一定不要让线程数超过cpu核心数）
2.IO密集型（线程池可以适当放宽）
3.尽量不使用无界队列

四.主从读写分离(冗余)
1.读多写少，突发流量
2.主从拷贝：一个数据拷贝给多个从库
查询在从库来
3.异步更新：延迟效应（毫秒级），不同步

五 分库分表（分片）
问题：
数据量增大，查询性能下降
数据量占用磁盘较大，备份困难
单点故障如何避免
更高的写请求如何实现
4核一般可以支持1万左右的查询
1.对数据做垂直拆分：按业务类型拆分，专库专用
2.水平拆分：按照数据的特点拆分 hash拆分 -实体表 区间拆分

六 全局唯一主键（UUID）
1.业务字段
2.生成唯一的id 自增字段（分库分表后难解决），uuid（无意义） ，发号器 Snoflake算法

七：NoSQL
redis

缓存：

与之对应：缓冲
缓存：位于速度相差较大的两种硬件之间，用于协调两者数据传输速度差异的结构（最常见的是内存）增加速度
案例：
MMU&&TLB
短视频
缓存协商
web代理

缓冲：缓冲区则是一块临时存储数据的区域，这些数据后面会被传输到其他设备上（buff）减少IO次数

二.缓存分类
静态缓存
分布式缓存
热点本地缓存-极端热点

三.缓存的不足
1.适合读多写少的业务场景，并且数据最好带点热点信息
2.给整体系统带来复杂性，并且会有数据不一致的风险
3.之前缓存通常使用内存作为存储机制，但内存并不是无限的
4.缓存会给运维带来一定成本

四.缓存的读写（尽可能把缓存放在上层）
1.缓存读写：旁路缓存：竞争产生缓存不一致
更新数据时不更新缓存 删除缓存
查询：缓存未命中，回写缓存
缺点：存在一定的异常可能
频繁清理缓存->不清理，加分布式锁，更新
不清理，更新，很快过期

五 读穿/写穿 用户只和缓存打交道，不直接读取数据
1.写穿：先查询要写入的数据在缓存中是否已经存在，如果已经存在，更新缓存中的数据，并且由缓存组件同步更新到数据库
Write Miss:1.Write Allocate:写入缓存相应位置，并且由缓存组件同步更新到数据库
2.No Write Allocate：不写入缓存，而是直接更新到数据中

3读穿：先查询缓存中数据是否已经存在，如果已经存在则直接返回，如果不存在，则由缓存组件负责从数据库同步加载数据

4.回写：
写入数据时只写入缓存，并且把缓存标记为脏的，只有再次使用才会被写入到后端存储中
读取缓存时如果发现缓存命中则直接返回，如果不存在，则寻找一个可用的缓存块，如果缓存是”脏的“，写入后端存储，不是”脏的“，返回数据就好

适合高速设备写入低速设备

六缓存的高可用性
命中率：核心缓存命中率：99%
分布式缓存：1.客户端方案：缓存分片（一致性hash分片，hash 分片）
2.Memcached的主从机制
3.多副本

中间代理层方案：中间件，中台（导致灵敏性下降），去中台

服务端方案：redis

七.缓存穿透

八.CDN:web缓存器，内容分发网络

消息队列：

分布式服务：