大话程序猿眼里最全的高并发，快收藏！
前言
高并發(fā)經(jīng)常會發(fā)生在有大活躍用戶量，用戶高聚集的業(yè)務(wù)場景中，如：秒殺活動，定時領(lǐng)取紅包等。
為了讓業(yè)務(wù)可以流暢的運行并且給用戶一個好的交互體驗，我們需要根據(jù)業(yè)務(wù)場景預(yù)估達(dá)到的并發(fā)量等因素，來設(shè)計適合自己業(yè)務(wù)場景的高并發(fā)處理方案。
在電商相關(guān)產(chǎn)品開發(fā)的這些年，我有幸的遇到了并發(fā)下的各種坑，這一路摸爬滾打過來有著不少的血淚史，這里進(jìn)行的總結(jié)，作為自己的歸檔記錄，同時分享給大家。
?
服務(wù)器架構(gòu)
業(yè)務(wù)從發(fā)展的初期到逐漸成熟，服務(wù)器架構(gòu)也是從相對單一到集群，再到分布式服務(wù)。?一個可以支持高并發(fā)的服務(wù)少不了好的服務(wù)器架構(gòu)，需要有均衡負(fù)載，數(shù)據(jù)庫需要主從集群，nosql緩存需要主從集群，靜態(tài)文件需要上傳cdn，這些都是能讓業(yè)務(wù)程序流暢運行的強(qiáng)大后盾。
服務(wù)器這塊多是需要運維人員來配合搭建，具體我就不多說了，點到為止。
大致需要用到的服務(wù)器架構(gòu)如下：
-
服務(wù)器
-
均衡負(fù)載(如：nginx，阿里云SLB)
-
資源監(jiān)控
-
分布式
-
-
數(shù)據(jù)庫
-
主從分離，集群
-
DBA 表優(yōu)化，索引優(yōu)化，等
-
分布式
-
-
nosql
-
redis
-
主從分離，集群
-
-
mongodb
-
主從分離，集群
-
-
memcache
-
主從分離，集群
-
-
-
cdn
-
html
-
css
-
js
-
image
-
?
并發(fā)測試
高并發(fā)相關(guān)的業(yè)務(wù)，需要進(jìn)行并發(fā)的測試，通過大量的數(shù)據(jù)分析評估出整個架構(gòu)可以支撐的并發(fā)量。
測試高并發(fā)可以使用第三方服務(wù)器或者自己測試服務(wù)器，利用測試工具進(jìn)行并發(fā)請求測試，分析測試數(shù)據(jù)得到可以支撐并發(fā)數(shù)量的評估，這個可以作為一個預(yù)警參考，俗話說知己自彼百戰(zhàn)不殆。
第三方服務(wù):
-
阿里云性能測試
并發(fā)測試工具：
-
Apache JMeter
-
Visual Studio性能負(fù)載測試
-
Microsoft Web Application Stress Tool
?
實戰(zhàn)方案
通用方案
日用戶流量大，但是比較分散，偶爾會有用戶高聚的情況；
場景： 用戶簽到，用戶中心，用戶訂單，等
服務(wù)器架構(gòu)圖： 通用
說明：
場景中的這些業(yè)務(wù)基本是用戶進(jìn)入APP后會操作到的，除了活動日(618,雙11，等)，這些業(yè)務(wù)的用戶量都不會高聚集，同時這些業(yè)務(wù)相關(guān)的表都是大數(shù)據(jù)表，業(yè)務(wù)多是查詢操作，所以我們需要減少用戶直接命中DB的查詢；優(yōu)先查詢緩存，如果緩存不存在，再進(jìn)行DB查詢，將查詢結(jié)果緩存起來。
更新用戶相關(guān)緩存需要分布式存儲，比如使用用戶ID進(jìn)行hash分組，把用戶分布到不同的緩存中，這樣一個緩存集合的總量不會很大，不會影響查詢效率。
方案如：
-
用戶簽到獲取積分
-
計算出用戶分布的key,redis hash中查找用戶今日簽到信息
-
如果查詢到簽到信息，返回簽到信息
-
如果沒有查詢到，DB查詢今日是否簽到過，如果有簽到過，就把簽到信息同步redis緩存。
-
如果DB中也沒有查詢到今日的簽到記錄，就進(jìn)行簽到邏輯，操作DB添加今日簽到記錄，添加簽到積分(這整個DB操作是一個事務(wù))
-
緩存簽到信息到redis，返回簽到信息
-
注意這里會有并發(fā)情況下的邏輯問題，如：一天簽到多次，發(fā)放多次積分給用戶。
-
-
用戶訂單
-
這里我們只緩存用戶第一頁的訂單信息，一頁40條數(shù)據(jù)，用戶一般也只會看第一頁的訂單數(shù)據(jù)
-
用戶訪問訂單列表，如果是第一頁讀緩存，如果不是讀DB
-
計算出用戶分布的key,redis hash中查找用戶訂單信息
-
如果查詢到用戶訂單信息，返回訂單信息
-
如果不存在就進(jìn)行DB查詢第一頁的訂單數(shù)據(jù)，然后緩存redis，返回訂單信息
-
-
用戶中心
-
計算出用戶分布的key,redis hash中查找用戶訂單信息
-
如果查詢到用戶信息，返回用戶信息
-
如果不存在進(jìn)行用戶DB查詢，然后緩存redis，返回用戶信息
-
-
其他業(yè)務(wù)
-
上面例子多是針對用戶存儲緩存，如果是公用的緩存數(shù)據(jù)需要注意一些問題，如下
-
注意公用的緩存數(shù)據(jù)需要考慮并發(fā)下的可能會導(dǎo)致大量命中DB查詢，可以使用管理后臺更新緩存，或者DB查詢的鎖住操作。
-
以上例子是一個相對簡單的高并發(fā)架構(gòu)，并發(fā)量不是很高的情況可以很好的支撐，但是隨著業(yè)務(wù)的壯大，用戶并發(fā)量增加，我們的架構(gòu)也會進(jìn)行不斷的優(yōu)化和演變，比如對業(yè)務(wù)進(jìn)行服務(wù)化，每個服務(wù)有自己的并發(fā)架構(gòu)，自己的均衡服務(wù)器，分布式數(shù)據(jù)庫，nosql主從集群，如：用戶服務(wù)、訂單服務(wù)；
?
消息隊列
秒殺、秒搶等活動業(yè)務(wù)，用戶在瞬間涌入產(chǎn)生高并發(fā)請求
場景：定時領(lǐng)取紅包，等
服務(wù)器架構(gòu)圖： 消息隊列
說明：
場景中的定時領(lǐng)取是一個高并發(fā)的業(yè)務(wù)，像秒殺活動用戶會在到點的時間涌入，DB瞬間就接受到一記暴擊，hold不住就會宕機(jī)，然后影響整個業(yè)務(wù)；
像這種不是只有查詢的操作并且會有高并發(fā)的插入或者更新數(shù)據(jù)的業(yè)務(wù)，前面提到的通用方案就無法支撐，并發(fā)的時候都是直接命中DB；
設(shè)計這塊業(yè)務(wù)的時候就會使用消息隊列的，可以將參與用戶的信息添加到消息隊列中，然后再寫個多線程程序去消耗隊列，給隊列中的用戶發(fā)放紅包；
方案如：
-
定時領(lǐng)取紅包
-
一般習(xí)慣使用 redis的 list
-
當(dāng)用戶參與活動，將用戶參與信息push到隊列中
-
然后寫個多線程程序去pop數(shù)據(jù)，進(jìn)行發(fā)放紅包的業(yè)務(wù)
-
這樣可以支持高并發(fā)下的用戶可以正常的參與活動，并且避免數(shù)據(jù)庫服務(wù)器宕機(jī)的危險
-
附加：?
通過消息隊列可以做很多的服務(wù)。?
如：定時短信發(fā)送服務(wù)，使用sset(sorted set)，發(fā)送時間戳作為排序依據(jù)，短信數(shù)據(jù)隊列根據(jù)時間升序，然后寫個程序定時循環(huán)去讀取sset隊列中的第一條，當(dāng)前時間是否超過發(fā)送時間，如果超過就進(jìn)行短信發(fā)送。
?
一級緩存
高并發(fā)請求連接緩存服務(wù)器超出服務(wù)器能夠接收的請求連接量，部分用戶出現(xiàn)建立連接超時無法讀取到數(shù)據(jù)的問題；
因此需要有個方案當(dāng)高并發(fā)時候時候可以減少命中緩存服務(wù)器；
這時候就出現(xiàn)了一級緩存的方案，一級緩存就是使用站點服務(wù)器緩存去存儲數(shù)據(jù)，注意只存儲部分請求量大的數(shù)據(jù)，并且緩存的數(shù)據(jù)量要控制，不能過分的使用站點服務(wù)器的內(nèi)存而影響了站點應(yīng)用程序的正常運行，一級緩存需要設(shè)置秒單位的過期時間，具體時間根據(jù)業(yè)務(wù)場景設(shè)定，目的是當(dāng)有高并發(fā)請求的時候可以讓數(shù)據(jù)的獲取命中到一級緩存，而不用連接緩存nosql數(shù)據(jù)服務(wù)器，減少nosql數(shù)據(jù)服務(wù)器的壓力
比如APP首屏商品數(shù)據(jù)接口，這些數(shù)據(jù)是公共的不會針對用戶自定義，而且這些數(shù)據(jù)不會頻繁的更新，像這種接口的請求量比較大就可以加入一級緩存；
服務(wù)器架構(gòu)圖：
合理的規(guī)范和使用nosql緩存數(shù)據(jù)庫，根據(jù)業(yè)務(wù)拆分緩存數(shù)據(jù)庫的集群，這樣基本可以很好支持業(yè)務(wù)，一級緩存畢竟是使用站點服務(wù)器緩存所以還是要善用。
?
靜態(tài)化數(shù)據(jù)
高并發(fā)請求數(shù)據(jù)不變化的情況下如果可以不請求自己的服務(wù)器獲取數(shù)據(jù)那就可以減少服務(wù)器的資源壓力。
對于更新頻繁度不高，并且數(shù)據(jù)允許短時間內(nèi)的延遲，可以通過數(shù)據(jù)靜態(tài)化成JSON，XML,HTML等數(shù)據(jù)文件上傳CDN，在拉取數(shù)據(jù)的時候優(yōu)先到CDN拉取，如果沒有獲取到數(shù)據(jù)再從緩存，數(shù)據(jù)庫中獲取，當(dāng)管理人員操作后臺編輯數(shù)據(jù)再重新生成靜態(tài)文件上傳同步到CDN，這樣在高并發(fā)的時候可以使數(shù)據(jù)的獲取命中在CDN服務(wù)器上。
CDN節(jié)點同步有一定的延遲性，所以找一個靠譜的CDN服務(wù)器商也很重要
?
其他方案
對于更新頻繁度不高的數(shù)據(jù)，APP,PC瀏覽器，可以緩存數(shù)據(jù)到本地，然后每次請求接口的時候上傳當(dāng)前緩存數(shù)據(jù)的版本號，服務(wù)端接收到版本號判斷版本號與最新數(shù)據(jù)版本號是否一致，如果不一樣就進(jìn)行最新數(shù)據(jù)的查詢并返回最新數(shù)據(jù)和最新版本號，如果一樣就返回狀態(tài)碼告知數(shù)據(jù)已經(jīng)是最新。減少服務(wù)器壓力：資源、帶寬
?
分層，分割，分布式
大型網(wǎng)站要很好支撐高并發(fā)，這是需要長期的規(guī)劃設(shè)計 ，在初期就需要把系統(tǒng)進(jìn)行分層，在發(fā)展過程中把核心業(yè)務(wù)進(jìn)行拆分成模塊單元，根據(jù)需求進(jìn)行分布式部署，可以進(jìn)行獨立團(tuán)隊維護(hù)開發(fā)。
-
分層
-
將系統(tǒng)在橫向維度上切分成幾個部分，每個部門負(fù)責(zé)一部分相對簡單并比較單一的職責(zé)，然后通過上層對下層的依賴和調(diào)度組成一個完整的系統(tǒng)
-
比如把電商系統(tǒng)分成：應(yīng)用層，服務(wù)層，數(shù)據(jù)層。(具體分多少個層次根據(jù)自己的業(yè)務(wù)場景)
-
應(yīng)用層：網(wǎng)站首頁，用戶中心，商品中心，購物車，紅包業(yè)務(wù)，活動中心等，負(fù)責(zé)具體業(yè)務(wù)和視圖展示
-
服務(wù)層：訂單服務(wù)，用戶管理服務(wù)，紅包服務(wù)，商品服務(wù)等，為應(yīng)用層提供服務(wù)支持
-
數(shù)據(jù)層：關(guān)系數(shù)據(jù)庫，nosql數(shù)據(jù)庫 等，提供數(shù)據(jù)存儲查詢服務(wù)
-
分層架構(gòu)是邏輯上的，在物理部署上可以部署在同一臺物理機(jī)器上，但是隨著網(wǎng)站業(yè)務(wù)的發(fā)展，必然需要對已經(jīng)分層的模塊分離部署，分別部署在不同的服務(wù)器上，使網(wǎng)站可以支撐更多用戶訪問
-
-
分割
-
在縱向方面對業(yè)務(wù)進(jìn)行切分，將一塊相對復(fù)雜的業(yè)務(wù)分割成不同的模塊單元
-
包裝成高內(nèi)聚低耦合的模塊不僅有助于軟件的開發(fā)維護(hù)，也便于不同模塊的分布式部署，提高網(wǎng)站的并發(fā)處理能力和功能擴(kuò)展
-
比如用戶中心可以分割成：賬戶信息模塊，訂單模塊，充值模塊，提現(xiàn)模塊，優(yōu)惠券模塊等
-
-
分布式
-
分布式應(yīng)用和服務(wù),將分層或者分割后的業(yè)務(wù)分布式部署，獨立的應(yīng)用服務(wù)器，數(shù)據(jù)庫，緩存服務(wù)器
-
當(dāng)業(yè)務(wù)達(dá)到一定用戶量的時候，再進(jìn)行服務(wù)器均衡負(fù)載，數(shù)據(jù)庫，緩存主從集群
-
分布式靜態(tài)資源，比如：靜態(tài)資源上傳cdn
-
分布式計算，比如：使用hadoop進(jìn)行大數(shù)據(jù)的分布式計算
-
分布式數(shù)據(jù)和存儲,比如：各分布節(jié)點根據(jù)哈希算法或其他算法分散存儲數(shù)據(jù)
-
?
集群
對于用戶訪問集中的業(yè)務(wù)獨立部署服務(wù)器，應(yīng)用服務(wù)器，數(shù)據(jù)庫，nosql數(shù)據(jù)庫。核心業(yè)務(wù)基本上需要搭建集群，即多臺服務(wù)器部署相同的應(yīng)用構(gòu)成一個集群，通過負(fù)載均衡設(shè)備共同對外提供服務(wù)，服務(wù)器集群能夠為相同的服務(wù)提供更多的并發(fā)支持，因此當(dāng)有更多的用戶訪問時，只需要向集群中加入新的機(jī)器即可,另外可以實現(xiàn)當(dāng)其中的某臺服務(wù)器發(fā)生故障時，可以通過負(fù)載均衡的失效轉(zhuǎn)移機(jī)制將請求轉(zhuǎn)移至集群中其他的服務(wù)器上，因此可以提高系統(tǒng)的可用性。
-
應(yīng)用服務(wù)器集群
-
nginx 反向代理
-
slb
-
… …
-
-
(關(guān)系/nosql)數(shù)據(jù)庫集群
-
主從分離，從庫集群
-
?
異步
在高并發(fā)業(yè)務(wù)中如果涉及到數(shù)據(jù)庫操作，主要壓力都是在數(shù)據(jù)庫服務(wù)器上面，雖然使用主從分離，但是數(shù)據(jù)庫操作都是在主庫上操作，單臺數(shù)據(jù)庫服務(wù)器連接池允許的最大連接數(shù)量是有限的。
當(dāng)連接數(shù)量達(dá)到最大值的時候，其他需要連接數(shù)據(jù)操作的請求就需要等待有空閑的連接，這樣高并發(fā)的時候很多請求就會出現(xiàn)connection time out?的情況。
那么像這種高并發(fā)業(yè)務(wù)我們要如何設(shè)計開發(fā)方案可以降低數(shù)據(jù)庫服務(wù)器的壓力呢？
-
如：
-
自動彈窗簽到，雙11跨0點的時候并發(fā)請求簽到接口
-
雙11搶紅包活動
-
雙11訂單入庫
-
等
-
-
設(shè)計考慮：
-
逆向思維，壓力在數(shù)據(jù)庫，那業(yè)務(wù)接口就不進(jìn)行數(shù)據(jù)庫操作不就沒壓力了
-
數(shù)據(jù)持久化是否允許延遲？
-
如何讓業(yè)務(wù)接口不直接操作DB，又可以讓數(shù)據(jù)持久化？
-
-
方案設(shè)計：
-
像這種涉及數(shù)據(jù)庫操作的高并發(fā)的業(yè)務(wù)，就要考慮使用異步了
-
客戶端發(fā)起接口請求，服務(wù)端快速響應(yīng)，客戶端展示結(jié)果給用戶，數(shù)據(jù)庫操作通過異步同步
-
如何實現(xiàn)異步同步？
-
使用消息隊列，將入庫的內(nèi)容enqueue到消息隊列中，業(yè)務(wù)接口快速響應(yīng)給用戶結(jié)果(可以溫馨提示高峰期延遲到賬)
-
然后再寫個獨立程序從消息隊列dequeue數(shù)據(jù)出來進(jìn)行入庫操作，入庫成功后刷新用戶相關(guān)緩存，如果入庫失敗記錄日志，方便反饋查詢和重新持久化
-
這樣一來數(shù)據(jù)庫操作就只有一個程序(多線程)來完成，不會給數(shù)據(jù)帶來壓力
-
-
補充：
-
消息隊列除了可以用在高并發(fā)業(yè)務(wù)，其他只要有相同需求的業(yè)務(wù)也是可以使用，如：短信發(fā)送中間件等
-
高并發(fā)下異步持久化數(shù)據(jù)可能會影響用戶的體驗，可以通過可配置的方式，或者自動化監(jiān)控資源消耗來切換時時或者使用異步，這樣在正常流量的情況下可以使用時時操作數(shù)據(jù)庫來提高用戶體驗
-
異步同時也可以指編程上的異步函數(shù)，異步線程，在有的時候可以使用異步操作，把不需要等待結(jié)果的操作放到異步中，然后繼續(xù)后面的操作，節(jié)省了等待的這部分操作的時間
-
?
緩存
高并發(fā)業(yè)務(wù)接口多數(shù)都是進(jìn)行業(yè)務(wù)數(shù)據(jù)的查詢，如：商品列表，商品信息，用戶信息，紅包信息等，這些數(shù)據(jù)都是不會經(jīng)常變化，并且持久化在數(shù)據(jù)庫中。
高并發(fā)的情況下直接連接從庫做查詢操作，多臺從庫服務(wù)器也抗不住這么大量的連接請求數(shù)（前面說過，單臺數(shù)據(jù)庫服務(wù)器允許的最大連接數(shù)量是有限的）。
那么我們在這種高并發(fā)的業(yè)務(wù)接口要如何設(shè)計呢？
-
設(shè)計考慮：
-
還是逆向思維，壓力在數(shù)據(jù)庫，那么我們就不進(jìn)行數(shù)據(jù)庫查詢
-
數(shù)據(jù)不經(jīng)常變化，我們?yōu)樯兑恢辈樵僁B？
-
數(shù)據(jù)不變化客戶端為啥要向服務(wù)器請求返回一樣的數(shù)據(jù)？
-
-
方案設(shè)計：
-
數(shù)據(jù)不經(jīng)常變化，我們可以把數(shù)據(jù)進(jìn)行緩存，緩存的方式有很多種，一般的：應(yīng)用服務(wù)器直接Cache內(nèi)存，主流的：存儲在memcache、redis內(nèi)存數(shù)據(jù)庫
-
Cache是直接存儲在應(yīng)用服務(wù)器中，讀取速度快，內(nèi)存數(shù)據(jù)庫服務(wù)器允許連接數(shù)可以支撐到很大，而且數(shù)據(jù)存儲在內(nèi)存，讀取速度快，再加上主從集群，可以支撐很大的并發(fā)查詢
-
根據(jù)業(yè)務(wù)情景，使用配合客戶端本地存，如果我們數(shù)據(jù)內(nèi)容不經(jīng)常變化，為啥要一直請求服務(wù)器獲取相同數(shù)據(jù)，可以通過匹配數(shù)據(jù)版本號，如果版本號不一樣接口重新查詢緩存返回數(shù)據(jù)和版本號，如果一樣則不查詢數(shù)據(jù)直接響應(yīng)
-
這樣不僅可以提高接口響應(yīng)速度，也可以節(jié)約服務(wù)器帶寬，雖然有些服務(wù)器帶寬是按流量計費，但是也不是絕對無限的，在高并發(fā)的時候服務(wù)器帶寬也可能導(dǎo)致請求響應(yīng)慢的問題
-
-
補充：
-
緩存同時也指靜態(tài)資源客戶端緩存
-
cdn緩存，靜態(tài)資源通過上傳cdn，cdn節(jié)點緩存我們的靜態(tài)資源，減少服務(wù)器壓力
-
?
面向服務(wù)
-
SOA面向服務(wù)架構(gòu)設(shè)計
-
微服務(wù)更細(xì)粒度服務(wù)化，一系列的獨立的服務(wù)共同組成系統(tǒng)
使用服務(wù)化思維，將核心業(yè)務(wù)或者通用的業(yè)務(wù)功能抽離成服務(wù)獨立部署，對外提供接口的方式提供功能。
最理想化的設(shè)計是可以把一個復(fù)雜的系統(tǒng)抽離成多個服務(wù)，共同組成系統(tǒng)的業(yè)務(wù)，優(yōu)點：松耦合，高可用性，高伸縮性，易維護(hù)。
通過面向服務(wù)化設(shè)計，獨立服務(wù)器部署，均衡負(fù)載，數(shù)據(jù)庫集群，可以讓服務(wù)支撐更高的并發(fā)。
-
服務(wù)例子：
-
用戶行為跟蹤記錄統(tǒng)計
-
-
說明：
-
通過上報應(yīng)用模塊，操作事件，事件對象，等數(shù)據(jù)，記錄用戶的操作行為
-
比如：記錄用戶在某個商品模塊，點擊了某一件商品，或者瀏覽了某一件商品
-
-
背景：
-
由于服務(wù)需要記錄用戶的各種操作行為，并且可以重復(fù)上報，準(zhǔn)備接入服務(wù)的業(yè)務(wù)又是核心業(yè)務(wù)的用戶行為跟蹤，所以請求量很大，高峰期會產(chǎn)生大量并發(fā)請求。
-
-
架構(gòu)：
-
nodejs WEB應(yīng)用服務(wù)器均衡負(fù)載
-
redis主從集群
-
mysql主
-
nodejs+express+ejs+redis+mysql
-
服務(wù)端采用nodejs,nodejs是單進(jìn)程（PM2根據(jù)cpu核數(shù)開啟多個工作進(jìn)程），采用事件驅(qū)動機(jī)制，適合I/O密集型業(yè)務(wù)，處理高并發(fā)能力強(qiáng)
-
-
業(yè)務(wù)設(shè)計：
-
并發(fā)量大，所以不能直接入庫，采用：異步同步數(shù)據(jù),消息隊列
-
請求接口上報數(shù)據(jù)，接口將上報數(shù)據(jù)push到redis的list隊列中
-
nodejs寫入庫腳本，循環(huán)pop redis list數(shù)據(jù)，將數(shù)據(jù)存儲入庫，并進(jìn)行相關(guān)統(tǒng)計Update，無數(shù)據(jù)時sleep幾秒
-
因為數(shù)據(jù)量會比較大，上報的數(shù)據(jù)表按天命名存儲
-
-
接口：
-
上報數(shù)據(jù)接口
-
統(tǒng)計查詢接口
-
-
上線跟進(jìn)：
-
服務(wù)業(yè)務(wù)基本正常
-
每天的上報表有上千萬的數(shù)據(jù)
-
?
冗余，自動化
當(dāng)高并發(fā)業(yè)務(wù)所在的服務(wù)器出現(xiàn)宕機(jī)的時候，需要有備用服務(wù)器進(jìn)行快速的替代，在應(yīng)用服務(wù)器壓力大的時候可以快速添加機(jī)器到集群中，所以我們就需要有備用機(jī)器可以隨時待命。最理想的方式是可以通過自動化監(jiān)控服務(wù)器資源消耗來進(jìn)行報警，自動切換降級方案，自動的進(jìn)行服務(wù)器替換和添加操作等，通過自動化可以減少人工的操作的成本，而且可以快速操作，避免人為操作上面的失誤。
-
冗余
-
數(shù)據(jù)庫備份
-
備用服務(wù)器
-
-
自動化
-
自動化監(jiān)控
-
自動化報警
-
自動化降級
-
通過GitLab事件，我們應(yīng)該反思，做了備份數(shù)據(jù)并不代表就萬無一失了，我們需要保證高可用性，首先備份是否正常進(jìn)行，備份數(shù)據(jù)是否可用，需要我們進(jìn)行定期的檢查，或者自動化監(jiān)控，還有包括如何避免人為上的操作失誤問題。(不過事件中g(shù)itlab的開放性姿態(tài)，積極的處理方式還是值得學(xué)習(xí)的)
?
總結(jié)
高并發(fā)架構(gòu)是一個不斷衍變的過程，冰洞三尺非一日之寒，長城筑成非一日之功。打好基礎(chǔ)架構(gòu)方便以后的拓展，這點很重要。
總結(jié)
以上是生活随笔為你收集整理的大话程序猿眼里最全的高并发，快收藏！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 码农口述：AI创业两年，积蓄花光，重回职
- 下一篇： 不改表结构如何动态扩展字段