不知道如何回答高并发+性能调优，那就看一下我得答案模板，提前准备应该有用
作者：互联网
不知道大家在面试的时候有没有被维导类似这样得问题：
你有高并发项目经验吗？性能优化怎么操作的？如何设计一个高并发系统？
差不多就是类似得，那你该如何应对这样得问题呢？
首先，如果面试官问你这个问题，那你就必须使出全身吃奶的劲了。从目前招聘要求来看，有高并发经验是非常吃香的。
假设你在某知名电商公司干过高并发系统，用户上亿，一天流量几十亿，高峰期并发量上万，甚至是十万。 那么人家一定会仔细盘问你的系统架构，你们系统啥架构？怎么部署的？部署了多少台机器？缓存咋用的？ MQ 咋用的？数据库咋用的？就是深挖你到底是如何扛住高并发的。
因为真正干过高并发的人一定知道，脱离了业务的系统架构都是在纸上谈兵，真正在复杂业务场景而且还高 并发的时候，那系统架构一定不是那么简单的，用个 redis，用 mq 就能搞定？当然不是，真实的系统架 构搭配上业务之后，会比这种简单的所谓“高并发架构”要复杂很多倍。
如果有面试官问你个问题说，如何设计一个高并发系统？那么不好意思，一定是因为你实际上没干过高并发系统。面试官看你简历就没啥出彩的，感觉就不咋地，所以就会问问你，如何设计一个高并发系统？其实说 白了本质就是看看你有没有自己研究过，有没有一定的知识积累 。
其实所谓的高并发，如果你要理解这个问题呢，其实就得从高并发的根源出发，为啥会有高并发？为啥高并发就很牛逼？
我说的浅显一点，很简单，就是因为刚开始系统都是连接数据库的，但是要知道数据库支撑到每秒并发两三千的时候，基本就快完了。所以才有说，很多公司，刚开始干的时候，技术比较 low，结果业务发展太快，有的时候系统扛不住压力就挂了。
当然会挂了，凭什么不挂？你数据库如果瞬间承载每秒 5000/8000，甚至上万的并发，一定会宕机，因为mysql就压根儿扛不住这么高的并发量。所以为啥高并发牛逼？就是因为现在用互联网的人越来越多，很多 app、网站、系统承载的都是高并发请求， 可能高峰期每秒并发量几千，很正常的。如果是什么双十一之类的，每秒并发几万几十万都有可能。
那么如此之高的并发量，加上原本就如此之复杂的业务，咋玩儿？真正厉害的，一定是在复杂业务系统里玩儿过高并发架构的人，但是你没有，那么我给你说一下你该怎么回答这个问题：
可以分为以下 6 点：
- 系统拆分
- 缓存
- MQ
- 分库分表
- 读写分离
- ElasticSearch
系统拆分
将一个系统拆分为多个子系统，用 dubbo 来搞。然后每个系统连一个数据库，这样本来就一个库，现在多个数据库，不也可以扛高并发么。
缓存
缓存，必须得用缓存。大部分的高并发场景，都是读多写少，那你完全可以在数据库和缓存里都写一份，然后读的时候大量走缓存不就得了。毕竟人家 redis 轻轻松松单机几万的并发。所以你可以考虑考虑你的项目里，那些承载主要请求的读场景，怎么用缓存来抗高并发。
MQ
MQ，必须得用 MQ。可能你还是会出现高并发写的场景，比如说一个业务操作里要频繁搞数据库几十次，增删改增删改，疯了。那高并发绝对搞挂你的系统，你要是用 redis 来承载写那肯定不行，人家是缓存，数据随时就被 LRU 了，数据格式还无比简单，没有事务支持。所以该用 mysql 还得用 mysql 啊。那你咋办？
用 MQ 吧，大量的写请求灌入 MQ 里，排队慢慢玩儿，后边系统消费后慢慢写，控制在 mysql 承载范围之内。所以你得考虑考虑你的项目里，那些承载复杂写业务逻辑的场景里，如何用 MQ 来异步写，提升并发性MQ 单机抗几万并发也是 ok 的，这个之前还特意说过。
分库分表
分库分表，可能到了最后数据库层面还是免不了抗高并发的要求，好吧，那么就将一个数据库拆分为多个库，多个库来扛更高的并发；然后将一个表拆分为多个表，每个表的数据量保持少一点，提高 sql 跑的性能。
读写分离
读写分离，这个就是说大部分时候数据库可能也是读多写少，没必要所有请求都集中在一个库上吧，可以搞个主从架构，主库写入，从库读取，搞一个读写分离。读流量太多的时候，还可以加更多的从库。
ElasticSearch
Elasticsearch，简称 es。es 是分布式的，可以随便扩容，分布式天然就可以支撑高并发，因为动不动就可以扩容加机器来扛更高的并发。那么一些比较简单的查询、统计类的操作，可以考虑用 es 来承载，还有一些全文搜索类的操作，也可以考虑用 es 来承载。
上面的 6 点，基本就是高并发系统肯定要干的一些事儿，大家可以仔细结合之前讲过的知识考虑一下，到时候你可以系统的把这块阐述一下，然后每个部分要注意哪些问题，之前都讲过了，你都可以阐述阐述，表明你对这块是有点积累的。
说句实话，毕竟你真正厉害的一点，不是在于弄明白一些技术，或者大概知道一个高并发系统应该长什么样？
其实实际上在真正的复杂的业务系统里，做高并发要远远比上面提到的点要复杂几十倍到上百倍。你需要考虑：哪些需要分库分表，哪些不需要分库分表，单库单表跟分库分表如何 join，哪些数据要放到缓存里去，放哪些数据才可以扛住高并发的请求，你需要完成对一个复杂业务系统的分析之后，然后逐步逐步的加入高并发的系统架构的改造，这个过程是无比复杂的，一旦做过一次，并且做好了，你在这个市场上就会非常的吃香。
其实大部分公司，真正看重的，不是说你掌握高并发相关的一些基本的架构知识，架构中的一些技术，RocketMQ、Kafka、Redis、Elasticsearch，高并发这一块，你了解了，也只能是次一等的人才。对一个有几十万行代码的复杂的分布式系统，一步一步架构、设计以及实践过高并发架构的人，这个经验是难能可贵的。
下面是有关阿里巴巴出的高并发系统设计学习笔记，希望对你有用，需要的话请戳下面卡片即可免费获取了！
高并发系统设计学习（基础篇）
01. 高并发系统：它的通用设计方法是什么
02. 架构分层：我们为什么一定要这么做？
03. 系统设计目标（一）：如何提升系统性能？
04. 系统设计目标（二）：系统怎样做到高可用？
05. 系统设计目标（三）：如何让系统易于扩展？
高并发系统设计学习（数据库篇）
07. 池化技术：如何减少频繁创建数据库连接的性能损耗？
08. 数据库优化方案（一）：查询请求增加时，如何做主从分离？
09. 数据库优化方案（二）：写入数据量增加时，如何实现分库分表？
10. 发号器：如何保证分库分表后ID的全局唯一性？
11. NoSQL：在高并发场景下，数据库和NoSQL如何做到互补？
高并发系统设计学习（缓存篇）
12. 缓存：数据库成为瓶颈后，动态数据的查询要如何加速？
13. 缓存的使用姿势（一）：如何选择缓存的读写策略？
14. 缓存的使用姿势（二）：缓存如何做到高可用？
15. 缓存的使用姿势（三）：缓存穿透了怎么办？
16. CDN：静态资源如何加速？
高并发系统设计学习（消息队列篇）
17. 消息队列：秒杀时如何处理每秒上万次的下单请求？
18. 消息投递：如何保证消息仅仅被消费一次？
19. 消息队列：如何降低消息队列系统中消息的延迟？
高并发系统设计学习（分布式服务篇）
21. 系统架构：每秒1万次请求的系统要做服务化拆分吗？
22. 微服务架构：微服务化后，系统架构要如何改造？
23. RPC框架：10万QPS下如何实现毫秒级的服务调用？
24. 注册中心：分布式系统如何寻址？
25. 分布式Trace：横跨几十个分布式组件的慢请求要如何排查？
26. 负载均衡：怎样提升系统的横向扩展能力？
27. API网关：系统的门面要如何做呢？
28. 多机房部署：跨地域的分布式系统如何做？
29. Service Mesh：如何屏蔽服务化系统的服务治理细节？
高并发系统设计学习（维护篇）
30. 给系统加上眼睛：服务端监控要怎么做？
31. 应用性能管理：用户的使用体验应该如何监控？
32. 压力测试：怎样设计全链路压力测试平台？
33. 配置管理：成千上万的配置项要如何管理？
34. 降级熔断：如何屏蔽非核心系统故障的影响？
35. 流量控制：高并发系统中我们如何操纵流量？
高并发系统设计学习（实战篇）
37. 计数系统设计（一）：面对海量数据的计数器要如何做？
38. 计数系统设计（二）：50万QPS下如何设计未读数系统？
39. 信息流设计（一）：通用信息流系统的推模式要如何做？
40. 信息流设计（二）：通用信息流系统的拉模式要如何做？
需要的话请戳下面卡片即可免费获取了！
标签：缓存,架构,如何,数据库,系统,提前准备,并发,调优,模板 来源： https://blog.csdn.net/weixin_42864905/article/details/111280044