架构性能关注点

高性能思考：
并发数
响应时间
数据量
交易量
性能关注点：
交易业务：QPS TPS 响应延时 出错率
流业务： 吞吐量 处理窗口 滞后时间
系统：CPU 内存 存储 网络
高性能流程：
容量规划：
目标设定：业务指标 （UV PV 交易量）、系统目标（cpu 内存 网络 磁盘）、应用目标（TPS QPS Session 并发数）
规划方法：容量评估方法（基线、水位）
实战：压测、监控和预测
性能测试-负载测试：
测试目标：正常运行压力下的响应时间、资源利用率、稳定性
测试手段：标准（历史基准），环境（QA、准生产、生产），定义（测试案例）、执行（自动化），分析（统计），报告（录入），
迭代（反复）
测试核心思想：测试是个长期的过程

压力测试：
	测试目标：发现系统的拐点（失效点）、远高于正常负载
	测试手段：目标、关键服务（关键业务、负载测试瓶颈）、负载（大量测试数据）、环境（减少差异），监视，执行、分析（录入）
	测试核心思想：关注拐点-服务行为、响应时间、CPU内存磁盘利用率，线程、SQL、交易失败率

APM监控：性能监控：时序数据、维度聚合、性能指标、报告报警
			 链路监控：traceID SpanId DyeID 出错归因 延时瓶颈
			业务追踪：业务、应用 系统关联 告警去重

弹性扩缩容：
				APM监控、扩缩容决策引擎 auto scale策略 、资源管理（虚拟机 容器 网络负载 Serverless）

高性能实现方案：缓存为王
写缓存：网络缓存、应用缓存、对象缓存
cache-control 网页缓存
Edge边缘缓存 （CDN内容分发网络）
静态文件缓存 反向代理
对象缓存 redis

高性能实现方案：异步为帅
减少等待：磁盘，SQL、API、URL
Y轴扩展：微服务解耦 Y轴扩展更随意
削峰填谷：泊松分布、银行队列
高性能实现方案：分布式为将
x轴扩展：吞吐能力和QPS明显提升
y轴扩展：出错率明显降低
z轴扩展：延时降低、TPS/QPS明显提升

如果三中方式还是无法满足：排队系统 牺牲用户的体验达到系统的稳定

内部限流：令牌桶，漏桶。
弃车保帅：当访问量非常非常大的时候，把辅助业务干掉，保证主业务的稳定。
防刷减压：使用这种方式进行防刷减压