目錄

• 01 如何理解高并發(fā)？
• 02 高并發(fā)系統(tǒng)設(shè)計的目標是什么？
• • 2.1標題宏觀目標高并發(fā)絕不意味著只追求高性能，這是很多人片面的理解。
  • 2.2 微觀目標
  • • 2.2.1 性能指標
    • 2.2.2 可用性指標
    • 2.2.3 可擴展性指標
• 03 高并發(fā)的實踐方案有哪些？
• • 3.1 通用的設(shè)計方法
  • • 3.1.1 縱向擴展（scale-up）
    • 3.1.2 橫向擴展（scale-out）
  • 3.2 具體的實踐方案
  • • 3.2.1 高性能的實踐方案
    • 3.2.2 高可用的實踐方案
  • 3.2.3 高擴展的實踐方案
• 總結(jié)

首先說一下，當我作為面試官問候選人「對于高并發(fā)的理解」時，我覺得「答得不好」的情況分成以下幾類：

對數(shù)據(jù)化的指標沒有概念：不清楚選擇什么樣的指標來衡量高并發(fā)系統(tǒng)？分不清并發(fā)量和QPS，不知道自己系統(tǒng)的總用戶量、活躍用戶量，平峰和高峰時的QPS和TPS等關(guān)鍵數(shù)據(jù)。

設(shè)計過一些高并發(fā)方案，但是細節(jié)掌握不透徹：講不出該方案要關(guān)注的技術(shù)點和可能帶來的副作用。比如讀性能有瓶頸會引入緩存，但是忽視了緩存命中率、熱點key、數(shù)據(jù)一致性等問題。

理解片面，把高并發(fā)設(shè)計等同于性能優(yōu)化：大談并發(fā)編程、多級緩存、異步化、水平擴容，卻忽視高可用設(shè)計、服務(wù)治理和運維保障。

掌握大方案，卻忽視最基本的東西：能講清楚垂直分層、水平分區(qū)、緩存等大思路，卻沒意識去分析數(shù)據(jù)結(jié)構(gòu)是否合理，算法是否高效，沒想過從最根本的IO和計算兩個維度去做細節(jié)優(yōu)化。

下面，我再結(jié)合我的高并發(fā)項目經(jīng)驗，系統(tǒng)性地總結(jié)下高并發(fā)需要掌握的知識和實踐思路，內(nèi)容分成以下3個部分：

• 如何理解高并發(fā)？
• 高并發(fā)系統(tǒng)設(shè)計的目標是什么？
• 高并發(fā)的實踐方案有哪些？

01 如何理解高并發(fā)？

高并發(fā)意味著大流量，需要運用技術(shù)手段抵抗流量的沖擊，這些手段好比操作流量，能讓流量更平穩(wěn)地被系統(tǒng)所處理，帶給用戶更好的體驗。我們常見的高并發(fā)場景有：淘寶的雙11、春運時的搶票、微博大V的熱點新聞等。除了這些典型事情，每秒幾十萬請求的秒殺系統(tǒng)、每天千萬級的訂單系統(tǒng)、每天億級日活的信息流系統(tǒng)等，都可以歸為高并發(fā)。很顯然，上面談到的高并發(fā)場景，并發(fā)量各不相同，那到底多大并發(fā)才算高并發(fā)呢？

不能只看數(shù)字，要看具體的業(yè)務(wù)場景。不能說10W QPS的秒殺是高并發(fā)，而1W QPS的信息流就不是高并發(fā)。信息流場景涉及復雜的推薦模型和各種人工策略，它的業(yè)務(wù)邏輯可能比秒殺場景復雜10倍不止。因此，不在同一個維度，沒有任何比較意義。

業(yè)務(wù)都是從0到1做起來的，并發(fā)量和QPS只是參考指標，最重要的是：在業(yè)務(wù)量逐漸變成原來的10倍、100倍的過程中，你是否用到了高并發(fā)的處理方法去演進你的系統(tǒng)，從架構(gòu)設(shè)計、編碼實現(xiàn)、甚至產(chǎn)品方案等維度去預防和解決高并發(fā)引起的問題？而不是一味的升級硬件、加機器做水平擴展。

此外，各個高并發(fā)場景的業(yè)務(wù)特點完全不同：有讀多寫少的信息流場景、有讀多寫多的交易場景，那是否有通用的技術(shù)方案解決不同場景的高并發(fā)問題呢？我覺得大的思路可以借鑒，別人的方案也可以參考，但是真正落地過程中，細節(jié)上還會有無數(shù)的坑。另外，由于軟硬件環(huán)境、技術(shù)棧、以及產(chǎn)品邏輯都沒法做到完全一致，這些都會導致同樣的業(yè)務(wù)場景，就算用相同的技術(shù)方案也會面臨不同的問題，這些坑還得一個個趟。因此，這篇文章我會將重點放在基礎(chǔ)知識、通用思路、和我曾經(jīng)實踐過的有效經(jīng)驗上，希望讓你對高并發(fā)有更深的理解。

02 高并發(fā)系統(tǒng)設(shè)計的目標是什么？

先搞清楚高并發(fā)系統(tǒng)設(shè)計的目標，在此基礎(chǔ)上再討論設(shè)計方案和實踐經(jīng)驗才有意義和針對性。

2.1標題宏觀目標高并發(fā)絕不意味著只追求高性能，這是很多人片面的理解。

從宏觀角度看，高并發(fā)系統(tǒng)設(shè)計的目標有三個：高性能、高可用，以及高可擴展。

高性能：性能體現(xiàn)了系統(tǒng)的并行處理能力，在有限的硬件投入下，提高性能意味著節(jié)省成本。同時，性能也反映了用戶體驗，響應時間分別是100毫秒和1秒，給用戶的感受是完全不同的。

高可用：表示系統(tǒng)可以正常服務(wù)的時間。一個全年不停機、無故障；另一個隔三差五出線上事故、宕機，用戶肯定選擇前者。另外，如果系統(tǒng)只能做到90%可用，也會大大拖累業(yè)務(wù)

高擴展：表示系統(tǒng)的擴展能力，流量高峰時能否在短時間內(nèi)完成擴容，更平穩(wěn)地承接峰值流量，比如雙11活動、明星離婚等熱點事件。

這3個目標是需要通盤考慮的，因為它們互相關(guān)聯(lián)、甚至也會相互影響。比如說：考慮系統(tǒng)的擴展能力，你會將服務(wù)設(shè)計成無狀態(tài)的，這種集群設(shè)計保證了高擴展性，其實也間接提升了系統(tǒng)的性能和可用性。再比如說：為了保證可用性，通常會對服務(wù)接口進行超時設(shè)置，以防大量線程阻塞在慢請求上造成系統(tǒng)雪崩，那超時時間設(shè)置成多少合理呢？一般，我們會參考依賴服務(wù)的性能表現(xiàn)進行設(shè)置。

2.2 微觀目標

再從微觀角度來看，高性能、高可用和高擴展又有哪些具體的指標來衡量？為什么會選擇這些指標呢？

2.2.1 性能指標

通過性能指標可以度量目前存在的性能問題，同時作為性能優(yōu)化的評估依據(jù)。一般來說，會采用一段時間內(nèi)的接口響應時間作為指標。

平均響應時間：最常用，但是缺陷很明顯，對于慢請求不敏感。比如1萬次請求，其中9900次是1ms，100次是100ms，則平均響應時間為1.99ms，雖然平均耗時僅增加了0.99ms，但是1%請求的響應時間已經(jīng)增加了100倍。

TP90、TP99等分位值：將響應時間按照從小到大排序，TP90表示排在第90分位的響應時間， 分位值越大，對慢請求越敏感。

吞吐量：和響應時間呈反比，比如響應時間是1ms，則吞吐量為每秒1000次。

通常，設(shè)定性能目標時會兼顧吞吐量和響應時間，比如這樣表述：在每秒1萬次請求下，AVG控制在50ms以下，TP99控制在100ms以下。對于高并發(fā)系統(tǒng)，AVG和TP分位值必須同時要考慮。另外，從用戶體驗角度來看，200毫秒被認為是第一個分界點，用戶感覺不到延遲，1秒是第二個分界點，用戶能感受到延遲，但是可以接受。因此，對于一個健康的高并發(fā)系統(tǒng)，TP99應該控制在200毫秒以內(nèi)，TP999或者TP9999應該控制在1秒以內(nèi)。

2.2.2 可用性指標

高可用性是指系統(tǒng)具有較高的無故障運行能力，可用性 = 正常運行時間 / 系統(tǒng)總運行時間，一般使用幾個9來描述系統(tǒng)的可用性。
對于高并發(fā)系統(tǒng)來說，最基本的要求是：保證3個9或者4個9。原因很簡單，如果你只能做到2個9，意味著有1%的故障時間，像一些大公司每年動輒千億以上的GMV或者收入，1%就是10億級別的業(yè)務(wù)影響。

2.2.3 可擴展性指標

面對突發(fā)流量，不可能臨時改造架構(gòu)，最快的方式就是增加機器來線性提高系統(tǒng)的處理能力。
對于業(yè)務(wù)集群或者基礎(chǔ)組件來說:

擴展性 = 性能提升比例 / 機器增加比例

理想的擴展能力是：資源增加幾倍，性能提升幾倍。通常來說，擴展能力要維持在70%以上。但是從高并發(fā)系統(tǒng)的整體架構(gòu)角度來看，擴展的目標不僅僅是把服務(wù)設(shè)計成無狀態(tài)就行了，因為當流量增加10倍，業(yè)務(wù)服務(wù)可以快速擴容10倍，但是數(shù)據(jù)庫可能就成為了新的瓶頸。像MySQL這種有狀態(tài)的存儲服務(wù)通常是擴展的技術(shù)難點，如果架構(gòu)上沒提前做好規(guī)劃（垂直和水平拆分），就會涉及到大量數(shù)據(jù)的遷移。因此，高擴展性需要考慮：服務(wù)集群、數(shù)據(jù)庫、緩存和消息隊列等中間件、負載均衡、帶寬、依賴的第三方等，當并發(fā)達到某一個量級后，上述每個因素都可能成為擴展的瓶頸點。

03 高并發(fā)的實踐方案有哪些？

了解了高并發(fā)設(shè)計的3大目標后，再系統(tǒng)性總結(jié)下高并發(fā)的設(shè)計方案，會從以下兩部分展開：先總結(jié)下通用的設(shè)計方法，然后再圍繞高性能、高可用、高擴展分別給出具體的實踐方案。

3.1 通用的設(shè)計方法

通用的設(shè)計方法主要是從「縱向」和「橫向」兩個維度出發(fā)，俗稱高并發(fā)處理的兩板斧：縱向擴展和橫向擴展。

3.1.1 縱向擴展（scale-up）

它的目標是提升單機的處理能力，方案又包括：

提升單機的硬件性能：通過增加內(nèi)存、 CPU核數(shù)、存儲容量、或者將磁盤 升級成SSD 等堆硬 件 的 方 式 來 提升 。

提升單機的軟件性能：使用緩存減少IO次數(shù)，使用并發(fā)或者異步的方式增加吞吐量。

3.1.2 橫向擴展（scale-out）

因為單機性能總會存在極限，所以最終還需要引入橫向擴展，通過集群部署以進一步提高并發(fā)處理能力，又包括以下2個方向：

做好分層架構(gòu)：這是橫向擴展的提前，因為高并發(fā)系統(tǒng)往往業(yè)務(wù)復雜，通過分層處理可以簡化復雜問題，更容易做到橫向擴展。

上面這種圖是互聯(lián)網(wǎng)最常見的分層架構(gòu)，當然真實的高并發(fā)系統(tǒng)架構(gòu)會在此基礎(chǔ)上進一步完善。比如會做動靜分離并引入CDN，反向代理層可以是LVS+Nginx，Web層可以是統(tǒng)一的API網(wǎng)關(guān)，業(yè)務(wù)服務(wù)層可進一步按垂直業(yè)務(wù)做微服務(wù)化，存儲層可以是各種異構(gòu)數(shù)據(jù)庫。

各層進行水平擴展：無狀態(tài)水平擴容，有狀態(tài)做分片路由。業(yè)務(wù)集群通常能設(shè)計成無狀態(tài)的，而數(shù)據(jù)庫和緩存往往是有狀態(tài)的，因此需要設(shè)計分區(qū)鍵做好存儲分片，當然也可以通過主從同步、讀寫分離的方案提升讀性能。

3.2 具體的實踐方案

下面再結(jié)合我的個人經(jīng)驗，針對高性能、高可用、高擴展3個方面，總結(jié)下可落地的實踐方案。

3.2.1 高性能的實踐方案

集群部署，通過負載均衡減輕單機壓力。

多級緩存，包括靜態(tài)數(shù)據(jù)使用CDN、本地緩存、分布式緩存等，以及對緩存場景中的熱點key、緩存穿透、緩存并發(fā)、數(shù)據(jù)一致性等問題的處理。

分庫分表和索引優(yōu)化，以及借助搜索引擎解決復雜查詢問題。

考慮NoSQL數(shù)據(jù)庫的使用，比如HBase、TiDB等，但是團隊必須熟悉這些組件，且有較強的運維能力。

異步化，將次要流程通過多線程、MQ、甚至延時任務(wù)進行異步處理。

限流，需要先考慮業(yè)務(wù)是否允許限流（比如秒殺場景是允許的），包括前端限流、Nginx接入層的限流、服務(wù)端的限流。

對流量進行 削峰填谷 ，通過 MQ承接流量。

并發(fā)處理，通過多線程將串行邏輯并行化。

預計算，比如搶紅包場景，可以提前計算好紅包金額緩存起來，發(fā)紅包時直接使用即可。

緩存預熱 ，通過異步 任務(wù) 提前 預熱數(shù)據(jù)到本地緩存或者分布式緩存中。

減少IO次數(shù)，比如數(shù)據(jù)庫和緩存的批量讀寫、RPC的批量接口支持、或者通過冗余數(shù)據(jù)的方式干掉RPC調(diào)用。

減少IO時的數(shù)據(jù)包大小，包括采用輕量級的通信協(xié)議、合適的數(shù)據(jù)結(jié)構(gòu)、去掉接口中的多余字段、減少緩存key的大小、壓縮緩存value等。

程序邏輯優(yōu)化，比如將大概率阻斷執(zhí)行流程的判斷邏輯前置、For循環(huán)的計算邏輯優(yōu)化，或者采用更高效的算法。

各種池化技術(shù)的使用和池大小的設(shè)置，包括HTTP請求池、線程池（考慮CPU密集型還是IO密集型設(shè)置核心參數(shù)）、數(shù)據(jù)庫和Redis連接池等。

JVM優(yōu)化，包括新生代和老年代的大小、GC算法的選擇等，盡可能減少GC頻率和耗時。

鎖選擇，讀多寫少的場景用樂觀鎖，或者考慮通過分段鎖的方式減少鎖沖突。上述方案無外乎從計算和 IO 兩個維度考慮所有可能的優(yōu)化點，需要有配套的監(jiān)控系統(tǒng)實時了解當前的性能表現(xiàn)，并支撐你進行性能瓶頸分析，然后再遵循二八原則，抓主要矛盾進行優(yōu)化。

3.2.2 高可用的實踐方案

對等節(jié)點的故障轉(zhuǎn)移，Nginx和服務(wù)治理框架均支持一個節(jié)點失敗后訪問另一個節(jié)點。

非對等節(jié)點的故障轉(zhuǎn)移，通過心跳檢測并實施主備切換（比如redis的哨兵模式或者集群模式、MySQL的主從切換等）。

接口層面的超時設(shè)置、重試策略和冪等設(shè)計。

降級處理：保證核心服務(wù)，犧牲非核心服務(wù)，必要時進行熔斷；或者核心鏈路出問題時，有備選鏈路。

限流處理：對超過系統(tǒng)處理能力的請求直接拒絕或者返回錯誤碼。

MQ場景的消息可靠性保證，包括producer端的重試機制、broker側(cè)的持久化、consumer端的ack機制等。

灰度發(fā)布，能支持按機器維度進行小流量部署，觀察系統(tǒng)日志和業(yè)務(wù)指標，等運行平穩(wěn)后再推全量。

監(jiān)控報警：全方位的監(jiān)控體系，包括最基礎(chǔ)的CPU、內(nèi)存、磁盤、網(wǎng)絡(luò)的監(jiān)控，以及Web服務(wù)器、JVM、數(shù)據(jù)庫、各類中間件的監(jiān)控和業(yè)務(wù)指標的監(jiān)控。

災備演練：類似當前的“混沌工程”，對系統(tǒng)進行一些破壞性手段，觀察局部故障是否會引起可用性問題。高可用的方案主要從冗余、取舍、系統(tǒng)運維3個方向考慮，同時需要有配套的值班機制和故障處理流程，當出現(xiàn)線上問題時，可及時跟進處理。

3.2.3 高擴展的實踐方案

合理的分層架構(gòu)：比如上面談到的互聯(lián)網(wǎng)最常見的分層架構(gòu)，另外還能進一步按照數(shù)據(jù)訪問層、業(yè)務(wù)邏輯層對微服務(wù)做更細粒度的分層（但是需要評估性能，會存在網(wǎng)絡(luò)多一跳的情況）。

存儲層的拆分：按照業(yè)務(wù)維度做垂直拆分、按照數(shù)據(jù)特征維度進一步做水平拆分（分庫分表）。

業(yè)務(wù)層的拆分：最常見的是按照業(yè)務(wù)維度拆（比如電商場景的商品服務(wù)、訂單服務(wù)等），也可以按照核心接口和非核心接口拆，還可以按照請求源拆（比如To C和To B，APP和H5 ）。

總結(jié)

高并發(fā)確實是一個復雜且系統(tǒng)性的問題，如果業(yè)務(wù)場景不同，高并發(fā)的落地方案也會存在差異，但是總體的設(shè)計思路和可借鑒的方案基本類似。高并發(fā)設(shè)計同樣要秉承架構(gòu)設(shè)計的3個原則：簡單、合適和演進。" 過早的優(yōu)化是萬惡之源 "，不能脫離業(yè)務(wù)的實際情況，更不要過度設(shè)計，合適的方案就是最完美的。希望上面這些總結(jié)能讓你對于高并發(fā)有更全面的認識。即使你沒有高并發(fā)的項目經(jīng)驗，如果你能參考上面的內(nèi)容回答得很體系，我相信也一定能給面試官眼前一亮的感覺。

要是覺得不錯，那就幫我
點個贊，一鍵三連唄，硬核碼字不易。

授權(quán)轉(zhuǎn)載自：原文作者：Lowry

總結(jié)

以上是生活随笔為你收集整理的对于高并发的理解及实践方案的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。