三高问题解决思路

在互联网公司，经常面临一个“三高”问题：

• 高并发
• 高性能
• 高可用

 一、缓存

• 使用空间换时间的思想
• 代码在访问数据的时候，尽量使用缓存命中率高的方式
• 缓存之所以能够大幅提高系统的性能，关键在于二八定律：「百分之八十的数据访问是集中在 20% 的数据上」
• 缓存分类：1. 本地缓存 2. 分布式缓存（一致性 Hash 算法）
• 适合缓存的场景：1、读多写少 2、计算耗时大，且实时性不高
• 不适合缓存的场景：1、写多读少，频繁更新 2、对数据一致性要求严格 3、数据访问完全随机

• 缓存更新的策略：Cache-Aside 和 Cache-As-SoR

 

二、预处理和延后处理

• 预处理：比如缓存预热，通过预先处理减少了实时链路上的 RPC 调用，既减少了系统的外部依赖，也极大的提高了系统的吞吐量
• 延后处理：比如中了红包的延期到账，如果去实时的做到账，那么大概率数据库的 TPS（每秒处理的事务数） 会是瓶颈。通过产品提示，将到账操作延后处理，解决了数据库 TPS 瓶颈。延后处理还有一个非常著名的例子，COW（Copy On Write，写时复制）。

 

三、池化

• 后台开发过程中你一定离不开各种 「池子」： 内存池、连接池、线程池、对象池......
• 内存、连接、线程这些都是资源，创建线程、分配内存、数据库连接这些操作都有一个特征， 那就是创建和销毁过程都会涉及到很多系统调用或者网络 IO。 每次都在请求中去申请创建这些资源，就会增加请求处理耗时，但是如果我们用一个 容器（池） 把它们保存起来，下次需要的时候，直接拿出来使用，避免重复创建和销毁浪费的时间。

 

四、同步变异步

• 对于处理耗时的任务，如果采用同步的方式，那么会增加任务耗时，降低系统并发度。同步轮训， 这样效率显然太低了。
• 可以通过将同步任务变为异步进行优化。
• 异步,在很多编程语言中有异步编程的库，比如 C++ std::future、Python asyncio 等，但是异步编程往往需要回调函数（Callback function），如果回调函数的层级太深，这就是回调地狱（Callback hell）。回调地狱如何优化又是一个庞大的话题。

 

五、消息队列

• 异步
• 解耦
• 削峰

 

六、批量处理

• 通过合并一些频繁请求的小资源可以获得更快的加载速度。

 

七、数据库

• 索引
• 读写分离
• 分库分表

 

八、其他

• 零拷贝

mmap

sendfile

......

• 无锁化：锁的代价也是比较高的，锁会导致上线文切换，甚至被挂起直到锁被释放。

基于硬件提供的原子操作 CAS(Compare And Swap) 实现一些高性能无锁的数据结构，比如无锁队列，可以在保证并发安全的情况下，提供更高的性能。

• 序列化与反序列化：序列化解决了对象持久化和跨网络数据交换的问题。

序列化一般按照序列化后的结果是否可读，可分为以下两类：

• 文本类型:

  如 JSON、XML，这些类型可读性非常好，是自解释的。也常常用在前后端数据交互上，因为接口调试，可读性高非常方便。但是缺点就是信息密度低，序列化后占用空间大。

• 二进制类型

  如 Protocol Buffer、Thrift等，这些类型采用二进制编码，数据组织得更加紧凑，信息密度高，占用空间小，但是带来的问题就是基本不可读。

具体可见：三高