云时代架构读后感14--支付宝架构师眼中的高并发架构
原文地址;
高并发经常会发生在有大活跃用户量，用户高聚集的业务场景中，如：秒杀活动，定时领取红包等。
为了让业务可以流畅的运行并且给用户一个好的交互体验，我们需要根据业务场景预估达到的并发量等因素，来设计适合自己业务场景的高并发处理方案。
服务器架构
业务从发展的初期到逐渐成熟，服务器架构也是从相对单一到集群，再到分布式服务。
一个可以支持高并发的服务少不了好的服务器架构，需要有均衡负载，数据库需要主从集群，nosql缓存需要主从集群，静态文件需要上传cdn，这些都是能让业务程序流畅运行的强大后盾。
服务器这块多是需要运维人员来配合搭建，具体我就不多说了，点到为止。
大致需要用到的服务器架构如下：
-
服务器
-
均衡负载(如：nginx，阿里云SLB)
-
资源监控
-
分布式
-
数据库
-
主从分离，集群
-
DBA 表优化，索引优化，等
-
分布式
-
nosql
-
主从分离，集群
-
主从分离，集群
-
主从分离，集群
-
redis
-
mongodb
-
memcache
-
cdn
-
html
-
css
-
js
-
image
并发测试
高并发相关的业务，需要进行并发的测试，通过大量的数据分析评估出整个架构可以支撑的并发量。
测试高并发可以使用第三方服务器或者自己测试服务器，利用测试工具进行并发请求测试，分析测试数据得到可以支撑并发数量的评估，这个可以作为一个预警参考，俗话说知己自彼百战不殆。
第三方服务：
-
阿里云性能测试
并发测试工具：
-
Apache JMeter
-
Visual Studio性能负载测试
-
Microsoft Web Application Stress Tool
通用方案
日用户流量大，但是比较分散，偶尔会有用户高聚的情况；
场景： 用户签到，用户中心，用户订单，等
说明：场景中的这些业务基本是用户进入APP后会操作到的，除了活动日(618,双11，等)，这些业务的用户量都不会高聚集，同时这些业务相关的表都是大数据表，业务多是查询操作，所以我们需要减少用户直接命中DB的查询；优先查询缓存，如果缓存不存在，再进行DB查询，将查询结果缓存起来。
更新用户相关缓存需要分布式存储，比如使用用户ID进行hash分组，把用户分布到不同的缓存中，这样一个缓存集合的总量不会很大，不会影响查询效率。
方案如：
-
用户签到获取积分
-
计算出用户分布的key,redis hash中查找用户今日签到信息
-
如果查询到签到信息，返回签到信息
-
如果没有查询到，DB查询今日是否签到过，如果有签到过，就把签到信息同步redis缓存。
-
如果DB中也没有查询到今日的签到记录，就进行签到逻辑，操作DB添加今日签到记录，添加签到积分(这整个DB操作是一个事务)
-
缓存签到信息到redis，返回签到信息
-
注意这里会有并发情况下的逻辑问题，如：一天签到多次，发放多次积分给用户。
-
用户订单
-
这里我们只缓存用户第一页的订单信息，一页40条数据，用户一般也只会看第一页的订单数据
-
用户访问订单列表，如果是第一页读缓存，如果不是读DB
-
计算出用户分布的key,redis hash中查找用户订单信息
-
如果查询到用户订单信息，返回订单信息
-
如果不存在就进行DB查询第一页的订单数据，然后缓存redis，返回订单信息
-
用户中心
-
计算出用户分布的key,redis hash中查找用户订单信息
-
如果查询到用户信息，返回用户信息
-
如果不存在进行用户DB查询，然后缓存redis，返回用户信息
以上例子是一个相对简单的高并发架构，并发量不是很高的情况可以很好的支撑，但是随着业务的壮大，用户并发量增加，我们的架构也会进行不断的优化和演变，比如对业务进行服务化，每个服务有自己的并发架构，自己的均衡服务器，分布式数据库，nosql主从集群，如：用户服务、订单服务；
