高并發(fā)系統(tǒng)各不相同。比如每秒百萬并發(fā)的中間件系統(tǒng)、每日百億請求的網(wǎng)關系統(tǒng)、瞬時每秒幾十萬請求的秒殺大促系統(tǒng)。

他們在應對高并發(fā)的時候，因為系統(tǒng)各自特點的不同，所以應對架構都是不一樣的。

另外，比如電商平臺中的訂單系統(tǒng)、商品系統(tǒng)、庫存系統(tǒng)，在高并發(fā)場景下的架構設計也是不同的，因為背后的業(yè)務場景什么的都不一樣。

最簡單的系統(tǒng)架構

假設剛剛開始你的系統(tǒng)就部署在一臺機器上，背后就連接了一臺數(shù)據(jù)庫，數(shù)據(jù)庫部署在一臺服務器上。

我們甚至可以再現(xiàn)實點，給個例子，你的系統(tǒng)部署的機器是 4 核 8G，數(shù)據(jù)庫服務器是 16 核 32G。

此時假設你的系統(tǒng)用戶量總共就 10 萬，用戶量很少，日活用戶按照不同系統(tǒng)的場景有區(qū)別，我們?nèi)∫粋€較為客觀的比例，10% 吧，每天活躍的用戶就 1 萬。

按照 28 法則，每天高峰期算它 4 個小時，高峰期活躍的用戶占比達到 80%，就是 8000 人活躍在 4 小時內(nèi)。

然后每個人對你的系統(tǒng)發(fā)起的請求，我們算他每天是 20 次吧。那么高峰期 8000 人發(fā)起的請求也才 16 萬次，平均到 4 小時內(nèi)的每秒(14400 秒)，每秒也就 10 次請求。

好吧!完全跟高并發(fā)搭不上邊，對不對?

然后系統(tǒng)層面每秒是 10 次請求，對數(shù)據(jù)庫的調(diào)用每次請求都會有好幾次數(shù)據(jù)庫操作的，比如做做 crud 之類的。

那么我們?nèi)∫粋€一次請求對應 3 次數(shù)據(jù)庫請求吧，那這樣的話，數(shù)據(jù)庫層每秒也就 30 次請求，對不對?

按照這臺數(shù)據(jù)庫服務器的配置，支撐是絕對沒問題的。上述描述的系統(tǒng)，用一張圖表示，就是下面這樣：

數(shù)據(jù)庫分庫分表 + 讀寫分離

假設此時用戶量繼續(xù)增長，達到了 1000 萬注冊用戶，然后每天日活用戶是 100 萬。

那么此時對系統(tǒng)層面的請求量會達到每秒 1000/s，系統(tǒng)層面，你可以繼續(xù)通過集群化的方式來擴容，反正前面的負載均衡層會均勻分散流量過去的。

但是，這時數(shù)據(jù)庫層面接受的請求量會達到 3000/s，這個就有點問題了。

此時數(shù)據(jù)庫層面的并發(fā)請求翻了一倍，你一定會發(fā)現(xiàn)線上的數(shù)據(jù)庫負載越來越高。

每次到了高峰期，磁盤 IO、網(wǎng)絡 IO、內(nèi)存消耗、CPU 負載的壓力都會很高，大家很擔心數(shù)據(jù)庫服務器能否抗住。

沒錯，一般來說，對那種普通配置的線上數(shù)據(jù)庫，建議就是讀寫并發(fā)加起來，按照上述我們舉例的那個配置，不要超過 3000/s。

因為數(shù)據(jù)庫壓力過大，首先一個問題就是高峰期系統(tǒng)性能可能會降低，因為數(shù)據(jù)庫負載過高對性能會有影響。

另外一個，壓力過大把你的數(shù)據(jù)庫給搞掛了怎么辦?

所以此時你必須得對系統(tǒng)做分庫分表 + 讀寫分離，也就是把一個庫拆分為多個庫，部署在多個數(shù)據(jù)庫服務上，這是作為主庫承載寫入請求的。

然后每個主庫都掛載至少一個從庫，由從庫來承載讀請求。

此時假設對數(shù)據(jù)庫層面的讀寫并發(fā)是 3000/s，其中寫并發(fā)占到了 1000/s，讀并發(fā)占到了 2000/s。

那么一旦分庫分表之后，采用兩臺數(shù)據(jù)庫服務器上部署主庫來支撐寫請求，每臺服務器承載的寫并發(fā)就是 500/s。

每臺主庫掛載一個服務器部署從庫，那么 2 個從庫每個從庫支撐的讀并發(fā)就是 1000/s。

簡單總結，并發(fā)量繼續(xù)增長時，我們就需要 focus 在數(shù)據(jù)庫層面：分庫分表、讀寫分離。

此時的架構圖如下所示：

緩存集群引入

接著就好辦了，如果你的注冊用戶量越來越大，此時你可以不停的加機器，比如說系統(tǒng)層面不停加機器，就可以承載更高的并發(fā)請求。

然后數(shù)據(jù)庫層面如果寫入并發(fā)越來越高，就擴容加數(shù)據(jù)庫服務器，通過分庫分表是可以支持擴容機器的，如果數(shù)據(jù)庫層面的讀并發(fā)越來越高，就擴容加更多的從庫。

但是這里有一個很大的問題：數(shù)據(jù)庫其實本身不是用來承載高并發(fā)請求的，所以通常來說，數(shù)據(jù)庫單機每秒承載的并發(fā)就在幾千的數(shù)量級，而且數(shù)據(jù)庫使用的機器都是比較高配置，比較昂貴的機器，成本很高。

如果你就是簡單的不停的加機器，其實是不對的。

所以在高并發(fā)架構里通常都有緩存這個環(huán)節(jié)，緩存系統(tǒng)的設計就是為了承載高并發(fā)而生。

所以單機承載的并發(fā)量都在每秒幾萬，甚至每秒數(shù)十萬，對高并發(fā)的承載能力比數(shù)據(jù)庫系統(tǒng)要高出一到兩個數(shù)量級。

所以你完全可以根據(jù)系統(tǒng)的業(yè)務特性，對那種寫少讀多的請求，引入緩存集群。

具體來說，就是在寫數(shù)據(jù)庫的時候同時寫一份數(shù)據(jù)到緩存集群里，然后用緩存集群來承載大部分的讀請求。

這樣的話，通過緩存集群，就可以用更少的機器資源承載更高的并發(fā)。

比如說上面那個圖里，讀請求目前是每秒 2000/s，兩個從庫各自抗了 1000/s 讀請求，但是其中可能每秒 1800 次的讀請求都是可以直接讀緩存里的不怎么變化的數(shù)據(jù)的。

那么此時你一旦引入緩存集群，就可以抗下來這 1800/s 讀請求，落到數(shù)據(jù)庫層面的讀請求就 200/s。

同樣，給大家來一張架構圖，一起來感受一下：

按照上述架構，它的好處是什么呢?

可能未來你的系統(tǒng)讀請求每秒都幾萬次了，但是可能 80%~90% 都是通過緩存集群來讀的，而緩存集群里的機器可能單機每秒都可以支撐幾萬讀請求，所以耗費機器資源很少，可能就兩三臺機器就夠了。

你要是換成是數(shù)據(jù)庫來試一下，可能就要不停的加從庫到 10 臺、20 臺機器才能抗住每秒幾萬的讀并發(fā)，那個成本是極高的。

好了，我們再來簡單小結，承載高并發(fā)需要考慮的第三個點：

• 不要盲目進行數(shù)據(jù)庫擴容，數(shù)據(jù)庫服務器成本昂貴，且本身就不是用來承載高并發(fā)的。
• 針對寫少讀多的請求，引入緩存集群，用緩存集群抗住大量的讀請求。

引入消息中間件集群

接著再來看看數(shù)據(jù)庫寫這塊的壓力，其實是跟讀類似的。

假如說你所有寫請求全部都落地數(shù)據(jù)庫的主庫層，當然是沒問題的，但是寫壓力要是越來越大了呢?

比如每秒要寫幾萬條數(shù)據(jù)，此時難道也是不停的給主庫加機器嗎?

可以當然也可以，但是同理，你耗費的機器資源是很大的，這個就是數(shù)據(jù)庫系統(tǒng)的特點所決定的。

相同的資源下，數(shù)據(jù)庫系統(tǒng)太重太復雜，所以并發(fā)承載能力就在幾千/s的量級，所以此時你需要引入別的一些技術。

比如說消息中間件技術，也就是 MQ 集群，它可以非常好的做寫請求異步化處理，實現(xiàn)削峰填谷的效果。

假如說，你現(xiàn)在每秒是 1000/s 次寫請求，其中比如 500 次請求是必須請求過來立馬寫入數(shù)據(jù)庫中的，但是另外 500 次寫請求是可以允許異步化等待個幾十秒，甚至幾分鐘后才落入數(shù)據(jù)庫內(nèi)的。

那么此時你完全可以引入消息中間件集群，把允許異步化的每秒 500 次請求寫入 MQ，然后基于 MQ 做一個削峰填谷。

比如就以平穩(wěn)的 100/s 的速度消費出來，然后落入數(shù)據(jù)庫中即可，此時就會大幅度降低數(shù)據(jù)庫的寫入壓力。

此時，架構圖變成了下面這樣：

大家看上面的架構圖，首先消息中間件系統(tǒng)本身也是為高并發(fā)而生，所以通常單機都是支撐幾萬甚至十萬級的并發(fā)請求的。

所以，它本身也跟緩存系統(tǒng)一樣，可以用很少的資源支撐很高的并發(fā)請求，用它來支撐部分允許異步化的高并發(fā)寫入是沒問題的，比使用數(shù)據(jù)庫直接支撐那部分高并發(fā)請求要減少很多的機器使用量。

而且經(jīng)過消息中間件的削峰填谷之后，比如就用穩(wěn)定的 100/s 的速度寫數(shù)據(jù)庫，那么數(shù)據(jù)庫層面接收的寫請求壓力，不就成了 500/s + 100/s = 600/s 了么?

大家看看，是不是發(fā)現(xiàn)減輕了數(shù)據(jù)庫的壓力?到目前為止，通過下面的手段，我們已經(jīng)可以讓系統(tǒng)架構盡可能用最小的機器資源抗住了最大的請求壓力，減輕了數(shù)據(jù)庫的負擔：

• 系統(tǒng)集群化。
• 數(shù)據(jù)庫層面的分庫分表+讀寫分離。
• 針對讀多寫少的請求，引入緩存集群。
• 針對高寫入的壓力，引入消息中間件集群。

初步來說，簡單的一個高并發(fā)系統(tǒng)的闡述是說完了。但是，故事到這里還遠遠沒有結束。

首先，高并發(fā)這個話題本身是非常復雜的，遠遠不是一些文章可以說的清楚的，它的本質(zhì)就在于，真實的支撐復雜業(yè)務場景的高并發(fā)系統(tǒng)架構其實是非常復雜的。

比如說每秒百萬并發(fā)的中間件系統(tǒng)、每日百億請求的網(wǎng)關系統(tǒng)、瞬時每秒幾十萬請求的秒殺大促系統(tǒng)、支撐幾億用戶的大規(guī)模高并發(fā)電商平臺架構，等等。

為了支撐高并發(fā)請求，在系統(tǒng)架構的設計時，會結合具體的業(yè)務場景和特點，設計出各種復雜的架構，這需要大量底層技術支撐，需要精妙的架構和機制設計的能力。

最終，各種復雜系統(tǒng)呈現(xiàn)出來的架構復雜度會遠遠超出大部分沒接觸過的同學的想象。

但是那么復雜的系統(tǒng)架構，通過一些文章是很難說的清楚里面的各種細節(jié)以及落地生產(chǎn)的過程的。

其次，高并發(fā)這話題本身包含的內(nèi)容也遠遠不止本文說的這么幾個 topic：分庫分表、緩存、消息。

一個完整而復雜的高并發(fā)系統(tǒng)架構中，一定會包含：

• 各種復雜的自研基礎架構系統(tǒng)。
• 各種精妙的架構設計(比如熱點緩存架構設計、多優(yōu)先級高吞吐 MQ 架構設計、系統(tǒng)全鏈路并發(fā)性能優(yōu)化設計，等等)。
• 還有各種復雜系統(tǒng)組合而成的高并發(fā)架構整體技術方案。
• 還有 NoSQL(Elasticsearch 等)/負載均衡/Web 服務器等相關技術。

所以大家切記要對技術保持敬畏之心，這些東西都很難通過一些文章來表述清楚。

最后，真正在生產(chǎn)落地的時候，高并發(fā)場景下你的系統(tǒng)會出現(xiàn)大量的技術問題。

比如說消息中間件吞吐量上不去需要優(yōu)化、磁盤寫壓力過大性能太差、內(nèi)存消耗過大容易撐爆、分庫分表中間件不知道為什么丟了數(shù)據(jù)，等等。