B站教程的笔记
https://www.bilibili.com/video/BV1Zt411K7Gg?p=1

• 基础
  《Linux系统编程》
  《Linux网络编程》
  《跟我一起学C++》
• 服务器设计目标
  高性能 （对于大量的并发请求能够及时快速的做出响应）
  高可用 (不间断服务、故障转移）
  伸缩性 （TCP能跨机器的通信）
• 分布式
  负载均衡
  分布式存储
  分布式计算

任何网络系统都可以抽象为C/S结构

一个典型的服务器结构

一个典型的服务器结构.png
网络I/O + 服务器高性能编程 + 数据库

网络I/O epoll
数据库往往是瓶颈发生的地方

• 超出数据库连接数
  数据库并发连接数10个，应用服务器这边有1000个并发请求，将会有990个请求失败
• 超出时间限制
  数据库并发连接数10个，数据库1秒钟之内最多能处理1000个请求，应用服务器这边有10000个并发请求，会出现0-10秒的等待。

1. 超出连接数

如果前端有大量的请求过来都需要访问数据库，数据库连接资源有限，就可能导致请求失败，这时候可以增加一个中间层(数据访问层DAL)，让这些请求过来时排队。
DAL既可以跟APP部署在同一台机器上面，也可以作为一台单独的机器来部署。

DAL层.png

DAL 队列服务 + 连接池 DAL与数据库连接可以生成一些连接放到连接池，下一次请求的时候就不需要重新创建与数据库连接，只需要从连接池中取出一个连接进行处理，这样就可以提高响应速度。

2. 超出时限

减轻数据库压力

• 将业务逻辑挪到应用服务器这边，数据库上仅做一些辅助处理(仅可能简单）。因为数据库上进行计算会占用CPU。
• 缓存，下次请求就直接从缓存里取降低数据库的压力

使用缓存会出现问题：
缓存的更新(缓存同步） 缓存time out

1. 如果缓存失效，重新去数据库里面查询，再更新缓存，使得缓存与数据库中的数据同步。这种方法实时性比较差。

2. 一旦数据库中数据更新，立即通知前端的缓存更新，实时性比较高。

某个业务请求，要改写数据库中的数据，缓冲更新。这里的缓存将查询到的数据存至缓存，将热点数据存至缓存。
如果要改变数据库中的数据，可能直接对数据库进行update操作，DAL再让cache相应数据进行更新。

如果缓存了很大的数据，就可能内存不足。就可能将缓存中不活跃的数据换出内存缓存换页。 换出的算法:FIFO、LRU（最近最少使用)、LFU(最近最不频繁使用）。
实际上缓存的同步，缓存的换页都有开源的产品，比如一些流行的nosql都具有这些功能
nosql，存放非关系数据，一致性要求不那么高。可以把nosql当作缓存来使用
比如redis、memcached都可以当分布式缓存来用。

cache既可以和App(应用服务器)部署在同一台机器上面，也可以部署在不同。 如果部署在同一台机器上面，这个缓存就不是全局的缓存只是局部的缓存。
如果分布式缓存(缓存是全局的各个应用服务器都可以访问）:

分布式缓存.png

如果APP足够多，要处理大量的并发。数据库仍然可能会有瓶颈。

比如，对数据库的写操作把数据库就锁住了，使得其它读请求也被阻塞了。
可以将数据库读写分离(一般读操作数量>写操作），主从模式

数据库进行负载均衡，现在主流的数据 库都有replication机制

负载均衡+读写分离.png

如果数据容量太大
数据分区：对数据库进行分库分表

• 分库： 数据库可以按照一定的逻辑，把表分散到不同的数据库。（垂直分区）

用户表、业务表、基础相关的表，分为三个这样的主从库。从而每个数据库的容量减小，并发能力增大。
缺点：DAL层会受到影响

• 水平分区：

水平分区：每个数据库都有这些表，只不过将表里的数据进行切分
DAL需要到哪个数据库去找数据也需要一定算法
很容易横向扩展数据库

应用服务器的负载均衡
一个应用服务器可能有多种业务，可以将业务进行分割

添加一个任务服务器，实现负载均衡

任务服务器

①应用服务器被动接收任务
任务服务器能够监视，应用服务器的状态（负载，CPU高、IO高、并发高、内存换页高）。实现应用服务器的时候最好暴露一个接口如HTTP。
查询到这些信息后，选取负载最低（可能有一些算法来确定负载最低）的服务器
分配任务。

②应用服务器主动去任务服务器接收任务进行处理
好处：一个服务器处理完任务后，说明自己是空闲的。然后取任务。这样其实是最科学的。(任务可能有一些特征，任务服务器分配任务不一定公平）
缺点：如果应用服务器只能处理某些应用，就会增加任务 服务器的复杂度。如果所有应用服务器都处理相同任务，就应该让应用服务器主动去领任务。

任务服务器应该能够故障转移（任务服务器应该有两台甚至多台），两个服务器之间通过心跳连接。从而保证服务器的高可用(HA机制)。

哪个层面出现瓶颈就在哪一个层次增加服务器。

服务器的高性能编程：

服务器性能的四大杀手：

• 数据拷贝(服务器内部应该有缓存机制）
• 环境切换（理性创建线程针对线程切换，该不该用多线程，单线程好还是多线程好，单核服务器多线程未必能够提高性能，采用状态机编程反而效率最高。多核服务器，多线程能够充分发挥服务器的性能(但是也应该尽可能的避免线程之间的环境切换）。
• 内存分配 内存池(减少对内存的分配，减少向操作系统申请内存）
• 锁竞争 (有时候应该通过逻辑减低锁的使用，降低锁的竞争)

单核服务器不能并行处理任务，大量任务提交到服务器。不能并行处理，又使用了多线程，就会增加线程之间的切换。
状态机使用单线程切换状态