高并发场景优化解决思路

随着公司业务的增长，用户的增加，导致对服务器的请求增加。2019年双十一13.52亿订单量，微信的日活可以达到十个亿，当请求量过大导致：

对服务器来说，那么就是请求太多，来不及处理

对客户端来讲，等待时间过长，或者是出现错误

怎样去尽可能多的处理请求？

性能的概念：响应时间和并发性

优化：前端优化和后端优化

资源不足：

增加资源，选择多核cpu的服务器

合适使用多任务（多进程、多线程、多协程），充分利用cpu

网络优化：

硬件-升级网卡

DNS域名解析-更换域名服务器，提升解析速度

峰值优化（外卖网站、票务平台）：

容器技术（Docker），多机集群

定时扩容

比如说外卖网站，每天我知道到了中午就会有一个小高峰，每天中午都会有个小高峰，我就可以去运用这种容器技术，或者多机集群的方式，来进行一个定时的扩容，每天到了中午的时候，比如这里到了预测到达的这个高峰之前，我就可以在这个点提前的对它进行扩容，让这个整体的一个服务能力有一个提升，然后能够很好地去处理这样一个峰值情况。然后渡过了高峰之后，比如在这个地方，然后对这样的一些容器进行销毁，可以去节约资源

python解决高并发的方法

1.HTML页面静态化
2.图片服务器分离（可以用fastdfs轻量级的分布式文件存储系统）
3.使用缓存（用redis）Flask-Cache缓存

4.异步操作----->同步会阻塞
5.数据库和存储介质优化

6.多线程

7.主从配置、集群负载均衡（配置nigix服务器） nginx + uWSGI 提高 Django的并发性
8.镜像
9.CDN加速技术（内容分发网络） 把静态资源放到别人服务器上

10.精灵图,是一种网页图片应用处理技术。主要是指将网页中需要的零星的小图片集成到一个大的图片中：减少对浏览器的请求次数，避免网页的延迟 ;方便小图标的统一管理

11.前后端的代码、时间复杂度优化

数据库优化

可以从表设计、表查询、数据库服务器部署等方面考虑。
1、创建数据表时把固定长度的放在前面

2、将固定数据放入内存： 例如：choice字段 （django中有用到，数字1、2、3…… 对应相应内容）

3、char 和 varchar 的区别(char可变, varchar不可变 )

4、索引（索引只适合查询操作频繁而不常修改的表）、联合索引遵循最左前缀(从最左侧开始检索)

5、避免使用 select *

6、读写分离、集群

- 实现：两台服务器同步数据

- 利用数据库的主从分离：主，用于增加、删除、更新；从，用于查询；

7、分库

- 当数据库中的表太多，将某些表分到不同的数据库，例如：1W张表时

- 代价：连表查询

8、分表

- 水平分表：将某些列拆分到另外一张表，例如：博客+博客详情

- 垂直分表：将某些历史信息分到另外一张表中，例如：支付宝账单

9、加缓存

- 利用redis、memcache （常用数据放到缓存里，提高取数据速度）

10、如果只想获取一条数据

- select xxx from tb where name='alex' limit 1;

使用主从配置的好处：

①　提供服务可用性

②　读写分离，负载均衡。通过增加从服务器来提高数据库的性能，在主服务器上执行写入和更新，在从服务器上向外提供读功能，可以动态地调整从服务器的数量，从而调整整个数据库的性能。

③　主从同步，将数据备份提高数据安全。复制是异步进行的，所以从服务器不需要一直连接着主服务器

posted @ 2021-02-04 22:53  涛子17180  阅读(504)  评论(0)    收藏  举报