一、并发量预估
作为后端的程序开发人员，经常听到高并发，但是高并发到底有多高？其实是没有数值定义的
但是如果在面试的过程中，或者跟别人沟通的过程中，有人提到百万级并发那么可能三种情况
- 他在吹牛皮
- 他没有用对并发这个词
- 他真的很NB（例如：天猫双11关联项目组的）
截至2019/11/11，支付宝双11订单峰值是 54.4W笔/秒，单个服务的集群的QPS破百万的应该也很少
要应对多少并发，我们要看一天有多少访问量/请求量，假如是一个每天有1亿请求的网站/服务
那么：
- 平均QPS=100000000 / (24 60 60)≈1158
- 峰值QPS=10,000,000 0.8/(24 60 60 0.2)≈4630
峰值的计算逻辑是根据二八原则，80%的请求集中在20%的时间段内。
这只是通用的计算方式，如果涉及到秒杀或者其他特殊的场景就要用其他的方式来预估了。
所以，高并发的程序，一定是要看自己要实际的用户数跟访问需求
二、服务器预估
1、应用服务器
如果接口响应耗时的99线在100ms以内，单次返回内容<=1KB，那么4C8G的通用虚拟机，通常可以承受300QPS，4630/300≈16，16台应用服务器做负载均衡，分摊请求压力
2、数据库服务器
数据库服务器阿里云8核32GB，扛个1.5W+IOPS都是没问题的，只要没有长事务，easy
根据数据量以及索引的情况，预估好磁盘空间即可
3、负载均衡服务器&带宽
负载均衡服务器通常就NGINX，按照NGINX官方的介绍，志强CPU，18核36线程，请求<=1KB静态资源,只用1个核心，就可以支撑7W+连接
那么2台计算型4C8G云服务器搭建两个NGINX服务器基本上也OK了，服务器带宽的话，46301KB8≈37MB，考虑到冗余，50M带宽也基本够用了
3、其他服务器
缓存服务器，阿里云、腾讯云有成熟服务，根据用量购买即可
CDN服务器，七牛、又拍云有成熟服务，根据用量购买即可
服务器都是钱，所以，有多少的量估多少，估多了，老板也不愿意出这个钱的。
三、缓存方案和场景
1、工具
1、外部缓存：浏览器缓存、NGINX缓存、CDN缓存
2、本地缓存：MemoryCache（.NET）、Caffeine（Java)
3、分布式缓存：Redis、Memcached、MongoDB
2、场景
查询类页面，例如商品介绍，博客文章，都可以用浏览器缓存、CDN
对数据一致性要求不高的，可以用本地缓存，比如站点访问量信息（需要NGINX配合做iphash负载均衡）
对于重要的信息，查询两大，且需要更新的，建议放在Redis，最好要做缓存预热
3、注意事项
一定要做好缓存容量的预估，不要把缓存服务器搞崩了
如果是Redis，要控制好单Key存储的值大小，因为Redis6.0之前都还是单线程设计，但Key值太大会影响性能，通常但Key值控制在1M以内
四、数据库拆分
如果是百万级的数据，单库单表就扛得住，前提是不能有过多的字段，或者是varchar>1000的这种大字段建议做垂直拆分，大字段拆分到扩展表里面。如果数据超千万，会有一定的读写压力，建议做水平拆分
1000W<数据量<10*1000W，2库8表，平均每张表1250W数据
101000W<数据量<1001000W，4库64张表，平均每张表1500W数据
无论拆几个库几张表，表名都应该是连续的且不重复的，例如2库8表，那么:
db0中包含表t0-t3，db1中包含表t4-t7
1、拆分之后的好处
- 单个数据库承受的连接数都是有限的，分开后可以分摊查询压力，读写是在太频繁还可以拆分服务器升配置
- 拆表之后可以提升查询效率，单表数据少了扫描磁盘的次数减少了，压力减少性能提升
2、拆分的纬度
- 按照用户ID取模，比如 uid%4=0/1/2/3，数据分别放在 user_0、user_1、user_2、user_3这4个表
- 按照时间切分，每三个月1个数据库
3、分片(Sharding)工具
分库后，CRUD需要指定库名表名，部分查询场景还需要从多个表查询后聚合查询结果，需要有工具支持，可以自己写，也可以用现成的：
Sharding-JDBC（Java），EFCore.Sharding（.NET Core）
4、全局唯一ID
分库分表之后，以订单数据为例，就不能用各个表的自增列作为订单ID了，会重复，就算把自增的种子分段设置，也是有个明显缺陷的方案，所以还是需要有办法可以生成全局唯一ID，通常有
- 基于Redis生成全局唯一ID
- 使用雪花算法生成全局唯一ID
- 利用数据库即时单个/批量/预先生成
