摘要：高性能架构是大型架构的重中之重，也是大厂重点考察对象，下面我就全面来详解高性能架构@mikechen

高性能架构是大型架构的重中之重，也是大厂重点考察对象，下面我就全面来详解高性能架构@mikechen

本文作者：陈睿|mikechen

文章来源：mikechen.cc

分布式缓存

首当，第一优先就是考虑：使用缓存技术来解决性能问题。

比如：通过Redis集群、或Memcached集群...等等实现分布式缓存，提高系统可用性和扩展性。

这样，可以极大的减轻数据库压力，将频繁访问的数据缓存到内存中，减少数据库查询次数。

并且，提高响应速度，从内存中读取数据比从磁盘读取数据快得多。

但是，也需要考虑：缓存一致性问题、预热、穿透...等等解决方案。

分布式缓存系统中，缓存一致性是关键问题，可以采用不同的策略，如：定时失效、版本控制...等等方案，确保缓存与数据源的一致性。

以及，缓存预热，提前将热点数据加载到缓存中，减少首次访问的延迟。

缓存穿透，是指查询请求绕过缓存直接访问数据库，可以通过增加布隆过滤器来避免此类问题。

异步处理

异步处理是提升系统性能和响应速度的重要手段，尤其在高并发、大数据量和复杂业务场景中。

异步任务处理：将用户请求中的复杂、耗时操作（如：发送邮件、发送积分）异步处理，避免阻塞主流程。

如下图所示：

以及，订单支付后的异步处理，包括：库存扣减、支付通知、发货...等。

选择合适的异步处理方式，如消息队列、异步任务框架、异步编程等，可以有效提高系统的吞吐量和可扩展性。

微服务架构

小而独立的服务，每个服务负责一个特定的业务功能，并且可以独立部署、扩展和升级。

轻量级通信，服务之间通常通过RESTful API或消息队列进行通信。

自动化部署，使用容器化技术（如Docker）和编排工具（如Kubernetes）实现自动化部署和管理。

去中心化数据管理，每个服务管理自己的数据，可以采用不同的数据存储技术。

微服务的挑战，如：服务间通信、数据一致性、监控...等。

容器化与Kubernetes

如何利用容器技术（如Docker）、和Kubernetes，是提高应用的部署、和管理的关键技术。

Docker，是一个开源平台，能够将应用、及其依赖打包到容器中，使得应用在不同环境下都能够一致地运行。

容器是轻量级的、隔离的、可移植的，可以在任何支持Docker的环境中运行，无论是开发环境、测试环境还是生产环境。

Kubernetes ，是一个开源的容器编排平台，它能够自动化容器的部署、扩展、和管理。

Kubernetes能够有效地管理大规模的容器化应用，解决了容器调度、负载均衡、扩容、服务发现、存储管理等复杂问题。

Docker负责容器化应用的构建和打包，而Kubernetes负责容器的编排和管理。

Docker可以创建轻量级的容器镜像并推送到容器仓库（如Docker Hub、Harbor等），而Kubernetes则通过集群管理和调度功能自动部署这些容器应用。

无服务器架构

无服务器架构（Serverless Architecture）：是指开发者不需要管理和维护服务器的架构方式。

在这种架构中，计算资源由云服务提供商（如：AWS Lambda...等等）动态分配。

开发者只需编写和部署代码，服务商负责自动化地处理资源调度、扩展、负载均衡和基础设施管理。

特点：

数据库优化

关系型数据库的性能优化，如：索引设计、查询优化、以及数据拆分...等等。

常见的分库分表策略有水平分表、和垂直分表。

分库分表是一种数据库优化策略，通过将一个大的数据库、或表，拆分成多个小的数据库或表来提高系统的可扩展性、性能和可用性。

这里，需要重点关注：

削峰填谷

削峰填谷（Peak Shaving and Valley Filling）：是一种常用于分布式系统、和高并发场景的负载管理策略。

通过消息队列（如Kafka、RocketMQ...等），可以将突发流量请求缓冲，平滑处理请求，防止高并发直接对数据库或应用服务器造成压力。

削峰是指通过各种技术手段减小系统在负载高峰期的压力，避免系统过载。

高峰期通常是指流量暴增、请求数量剧增的时间段，系统可能因无法承受大量并发请求而导致响应变慢、崩溃或出现服务不可用的情况。

削峰的核心是平衡和限制高峰时段的负载，防止突发的流量冲击系统。

填谷是指在系统负载较低的时间段，利用空闲的资源处理一些积压的任务，填补系统的负载低谷，充分利用系统的计算和存储能力，提升资源利用率。

本文作者：陈睿|mikechen

文章来源：mikechen.cc

来源：voidEncounterIntYa