前言
在设计一个系统的时候，因为场景、时间而异、资源配备等不是一下子就能设计得非常完美，在有限的资源下解决最核心的问题，预测并发现以后可能出现的问题，并逐步解决，所以说系统设计是一个不断迭代的过程，不要过度设计，从迭代中演变和完善。
关于并发？ 并发包括并行从概念上来讲都是为了提高效率，在最短的时间内怎么来完成最多的事情。 包括现在的双十一、双十二等等，在一秒钟完成了多少的订单，这些都会涉及到并发。 并发和并行 有大神关于两者的阐述：“并发关乎结构，并行关乎执行”
-
并发：在不同时间内处理多个任务，单个CPU轮流使用。比方说在你吃饭的时候去上了个厕所又回来吃饭。 -
平行：同时处理多个任务，多个CPU执行。比方说你边吃饭边上厕所。
并发类型
-
计算密集型：需要非常多的CPU计算资源，对于密集型完全取决CPU核数，避免过多的线程上下文切换来充分发挥优势，理想方案：JDK1.8中增加了一个并行计算，较理想线程数=CPU核数*2 -
IO密集型：涉及到大量的网络传输，不仅如此，和数据库、和缓存间的交互也涉及到IO，一旦发生IO，当前就会进入等待状态，当IO结束，数据准备好后，才会继续执行。理想方案：线程数=CPU核数/(1-阻塞系数)，这个阻塞系数一般为0.8~0.9之间。
设计高并发原则
-
无状态：无状态就是无需做持久化操作，有状态就会涉及到数据同步，消耗内存消耗宽带同时还会涉及到锁的操作，影响快速扩容。 -
粒度化：读写分离也好，应用服务化也好就是为了控制之间的依赖，分散请求提高并发效率，同时管理起来也比较清晰。 -
场景化：合适的场景选择合适的技术(消息队列、数据异构、缓存银弹、并发化)-
消息队列：解耦一些不需要同步调用的服务，或者订阅一些关心的变化，还能流量削峰/缓冲，某些场景会有重复消息(弊端)，可以在业务层做防重和校对处理。
RDBMS注重的是ACID，NOSQL注重的是CAP和BASE，一般是牺牲强一致性，而保证最终一致性。
-
* `数据异构`：我们都知道系统都是由数据构成的，而数据的存储位置和获取的环境不一样，速度也就不一样。单表肯定比联表快，内存取肯定比磁盘取快；就像前面的[文章]有提过，也是我个人非常喜欢的一句话：`时间换空间，空间换时间`。所以可以根据实际场景和业务来设计，包括根据数据的权重牺牲一部分的资源来提高效率，例如：联表可以考虑数据冗余，或者关键数据的获取合并存储。
* `缓存银弹`：缓存对于读取服务来说就是颗抗流量的特效武器。[图片上传失败...(image-169c82-1547555816890)]
* `并发化`：并发化的理论其实很简单，把没有依赖关系的数据并行获取。可能不太好理解，例如：B依赖A C没有依赖 D依赖B，那么最好的方式就是A、C并行获取，然后再获取B，再是D。
附上设计例图：
结语
原文链接：https://juejin.im/post/5bd6c026e51d4527001398b6
阿里版亿级流量大型电商项目实战 (录播）
网友评论