大数据处理中必不可少的概念

　　对于用户请求量过大的应用来说，总是会绕不开一些名词。比如用户请求量过大，会导致一种高并发的现象，那么如何来应对这种现象呢，在我浅薄的认知里，目前有两种方式。

 

　　第一种是土豪公司做法，钱！钱！钱！用钱买更多的硬件，通过做服务器集群或者将不同的功能模块部署到不同的服务器上（分布式），将一台服务器的压力分散给多台服务器；

　　第二种是牺牲做法，具体的说，可能就是通过以时间换取空间的方法，以牺牲部分客户体验效果（队列）或者牺牲部分数据的准确性（缓存）的方式来减少服务器的压力。

 

1.高并发

　　高并发是一种现象，当同一时间，多个用户访问应用时就难免会出现这种现象。

2.集群

　　集群是一种策略，将服务部署到多台服务器上，从而减少服务器的压力。集群离不开另一个名词（高可用）。高可用，即使得应用的可用程度提高，当一台服务器宕机时，不影响其业务的正常流程。

　　集群的话，会增加硬件的成本。

3.分布式

　　分布式也是一种策略，将业务按照功能进行划分，不同的功能服务部署到不同的服务器上，这样既减少了服务器的压力，同样也不会因为其中某个功能不能使用导致业务整体瘫痪的现象。

　　分布式也是通过增加硬件的方式，所以也会在一定程度上增加了硬件的成本。

4.队列

　　队列也可以看作是一种策略，通过将所有的请求保存到消息队列中，后台服务器逐一读取请求并处理的方式进行缓解服务器的压力。

　　队列会导致用户的请求响应有延迟，实时性降低，从一定程度上牺牲了用户的体验感。

5.缓存

　　缓存毋庸置疑也是一种策略，通过将用户同样的访问请求保存起来，当用户第二次访问的时候，之前从保存的地方取出，直接响应，减少与数据服务器之间的交互。

　　缓存如果在缓存内容没有及时更新的情况下响应给用户，会导致数据的准确性有偏差。

 

　　这段时间一直听到这些名词，在之前的面试中也被频繁的问到这些概念，刚好目前也在学习这部分内容，就将自己的见解记录下来。希望有不对的地方，博友可以严厉指正，有遗漏的地方，可以补充说明。

　　谢谢！