1.什么是高并发

(1)高并发(High Concurrency)是互联网分布式系统架构设计中必须考虑的因素之一，它通常是指，通过设计保证系统能够同时并行处理很多请求。

(2)高并发相关常用的一些指标有响应时间(Response Time)，吞吐量(Throughput)，每秒查询率 QPS(Query Per Second)，并发用户数等。

(3)响应时间：系统对请求做出响应的时间。例如系统处理一个 HTTP 请求需要 200ms，这个 200ms 就是系统的响应时间。

(4)吞吐量：单位时间内处理的请求数量。

(5)QPS：每秒响应请求数。在互联网领域，这个指标和吞吐量区分的没有这么明显。

(6)并发用户数：同时承载正常使用系统功能的用户数量。例如一个即时通讯系统，同时在线量 一定程度上代表了系统的并发用户数。

2.如何提升系统的并发能力

互联网分布式架构设计，提高系统并发能力的方式，方法论上主要有两种：垂直扩展 (Scale Up)与水平扩展(Scale Out)。

垂直扩展：提升单机处理能力。垂直扩展的方式又有两种：

(1)增强单机硬件性能，例如：增加 CPU 核数如 32 核，升级更好的网卡如万兆，升级更好的硬盘如 SSD，扩充硬盘容量如 2T，扩充系统内存如 128G;

(2)提升单机架构性能，例如：使用 Cache 来减少 IO 次数，使用异步来增加单服务吞吐量，使用无锁数据结构来减少响应时间; 在互联网业务发展非常迅猛的早期，如果预算不是问题，强烈建议使用“增强单机硬件性能”的方式提升系统并发能力，因为这个阶段，公司的战略往往是发展业务抢时间，而“增 强单机硬件性能”往往是最快的方法。 不管是提升单机硬件性能，还是提升单机架构性能，都有一个致命的不足：单机性能总是有极限的。所以互联网分布式架构设计高并发终极解决方案还是水平扩展。

水平扩展：只要增加服务器数量，就能线性扩充系统性能。水平扩展对系统架构设计是有要求的，如何在架构各层进行可水平扩展的设计，以及互联网公司架构各层常见的水平扩展实践，是本文重点讨论的内容。

3.常见的互联网分层架构

常见互联网分布式架构如上，分为：

(1)客户端层：典型调用方是浏览器 browser 或者手机应用 APP

(2)反向代理层：系统入口，反向代理

(3)站点应用层：实现核心应用逻辑，返回 html 或者 json

(4)服务层：如果实现了服务化，就有这一层

(5)数据-缓存层：缓存加速访问存储

(6)数据-数据库层：数据库固化数据存储整个系统各层次的水平扩展，又分别是如何实施的呢?

4.分层水平扩展架构

(1)反向代理层的水平扩展

(2)站点层的水平扩展

站点层的水平扩展，是通过“nginx”实现的。通过修改 nginx.conf，可以设置多个 web 后端。 当 web 后端成为瓶颈的时候，只要增加服务器数量，新增 web 服务的部署，在 nginx 配置中配置上新的 web 后端，就能扩展站点层的性能，做到理论上的无限高并发。

(3)服务层的水平扩展

服务层的水平扩展，是通过“服务连接池”实现的。 站点层通过 RPC-client 调用下游的服务层 RPC-server 时，RPC-client 中的连接池会建立与下游服务多个连接，当服务成为瓶颈的时候，只要增加服务器数量，新增服务部署，在 RPC-client 处建立新的下游服务连接，就能扩展服务层性能，做到理论上的无限高并发。如果需要优雅的进行服务层自动扩容，这里可能需要配置中心里服务自动发现功能的支持。

(4)数据层的水平扩展

在数据量很大的情况下，数据层(缓存，数据库)涉及数据的水平扩展，将原本存储在 一台服务器上的数据(缓存，数据库)水平拆分到不同服务器上去，以达到扩充系统性能的目的。 互联网数据层常见的水平拆分方式有这么几种，以数据库为例：

1)按照范围水平拆分

每一个数据服务，存储一定范围的数据，

上图为例：

user0 库，存储 uid 范围 1-1kw

user1 库，存储 uid 范围 1kw-2kw

这个方案的好处是：

规则简单，service 只需判断一下 uid 范围就能路由到对应的存储服务;

数据均衡性较好;

比较容易扩展，可以随时加一个 uid[2kw,3kw]的数据服务;

不足是：

请求的负载不一定均衡，一般来说，新注册的用户会比老用户更活跃，大 range 的服务请求压力会更大;

2)按照哈希水平拆分

每一个数据库，存储某个 key 值 hash 后的部分数据，

上图为例：

user0 库，存储偶数 uid 数据

user1 库，存储奇数 uid 数据

这个方案的好处是：

规则简单，service 只需对 uid 进行hash 能路由到对应的存储服务;

数据均衡性较好;

请求均匀性较好;

不足是：

不容易扩展，扩展一个数据服务，hash 方法改变时候，可能需要进行数据迁移;

这里需要注意的是，通过水平拆分来扩充系统性能，与主从同步读写分离来扩充数据库性能 的方式有本质的不同。 通过水平拆分扩展数据库性能：

每个服务器上存储的数据量是总量的 1/n，所以单机的性能也会有提升;

n个服务器上的数据没有交集，那个服务器上数据的并集是数据的全集;

数据水平拆分到了 n 个服务器上，理论上读性能扩充了 n 倍，写性能也扩充了 n 倍(其 实远不止 n 倍，因为单机的数据量变为了原来的 1/n);

通过主从同步读写分离扩展数据库性能：

每个服务器上存储的数据量是和总量相同;

n个服务器上的数据都一样，都是全集;

理论上读性能扩充了 n 倍，写仍然是单点，写性能不变; 缓存层的水平拆分和数据库层的水平拆分类似，也是以范围拆分和哈希拆分的方式居多，就不再展开。

5.总结

高并发(High Concurrency)是互联网分布式系统架构设计中必须考虑的因素之一，它 通常是指，通过设计保证系统能够同时并行处理很多请求。提高系统并发能力的方式，方法论上主要有两种：垂直扩展(Scale Up)与水平扩展 (Scale Out)。前者垂直扩展可以通过提升单机硬件性能，或者提升单机架构性能，来提 高并发性，但单机性能总是有极限的，互联网分布式架构设计高并发终极解决方案还是后者： 水平扩展。互联网分层架构中，各层次水平扩展的实践又有所不同：

(1)反向代理层可以通过“DNS 轮询”的方式来进行水平扩展;

(2)站点层可以通过 nginx 来进行水平扩展;

(3)服务层可以通过服务连接池来进行水平扩展;

(4)数据库可以按照数据范围，或者数据哈希的方式来进行水平扩展; 各层实施水平扩展后，能够通过增加服务器数量的方式来提升系统的性能，做到理论上的性 能无限。

动力节点在线课程涵盖零基础入门，高级进阶，在职提升三大主力内容，覆盖Java从入门到就业提升的全体系学习内容。全部Java视频教程免费观看，相关学习资料免费下载!对于火爆技术，每周一定时更新!如果想了解更多相关技术，可以到动力节点在线免费观看Java高并发视频教程哦!