一文詳談高并發(fā)

高并發(fā)，幾乎是每個程序員都想擁有的經(jīng)驗(yàn)。原因很簡單：隨著流量變大，會遇到各種各樣的技術(shù)問題，比如接口響應(yīng)超時、CPU load升高、GC頻繁、死鎖、大數(shù)據(jù)量存儲等等，這些問題能推動我們在技術(shù)深度上不斷精進(jìn)。

在過往的面試中，如果候選人做過高并發(fā)的項(xiàng)目，我通常會讓對方談?wù)剬τ诟卟l(fā)的理解，但是能系統(tǒng)性地回答好此問題的人并不多，大概分成這樣幾類：

1、對數(shù)據(jù)化的指標(biāo)沒有概念：不清楚選擇什么樣的指標(biāo)來衡量高并發(fā)系統(tǒng)？分不清并發(fā)量和QPS，甚至不知道自己系統(tǒng)的總用戶量、活躍用戶量，平峰和高峰時的QPS和TPS等關(guān)鍵數(shù)據(jù)。

2、設(shè)計了一些方案，但是細(xì)節(jié)掌握不透徹：講不出該方案要關(guān)注的技術(shù)點(diǎn)和可能帶來的副作用。比如讀性能有瓶頸會引入緩存，但是忽視了緩存命中率、熱點(diǎn)key、數(shù)據(jù)一致性等問題。

3、理解片面，把高并發(fā)設(shè)計等同于性能優(yōu)化：大談并發(fā)編程、多級緩存、異步化、水平擴(kuò)容，卻忽視高可用設(shè)計、服務(wù)治理和運(yùn)維保障。

4、掌握大方案，卻忽視最基本的東西：能講清楚垂直分層、水平分區(qū)、緩存等大思路，卻沒意識去分析數(shù)據(jù)結(jié)構(gòu)是否合理，算法是否高效，沒想過從最根本的IO和計算兩個維度去做細(xì)節(jié)優(yōu)化。

這篇文章，我想結(jié)合自己的高并發(fā)項(xiàng)目經(jīng)驗(yàn)，系統(tǒng)性地總結(jié)下高并發(fā)需要掌握的知識和實(shí)踐思路，希望對你有所幫助。內(nèi)容分成以下3個部分：

如何理解高并發(fā)？

高并發(fā)系統(tǒng)設(shè)計的目標(biāo)是什么？

高并發(fā)的實(shí)踐方案有哪些？

如何理解高并發(fā)？

高并發(fā)意味著大流量，需要運(yùn)用技術(shù)手段抵抗流量的沖擊，這些手段好比操作流量，能讓流量更平穩(wěn)地被系統(tǒng)所處理，帶給用戶更好的體驗(yàn)。

我們常見的高并發(fā)場景有：淘寶的雙11、春運(yùn)時的搶票、微博大V的熱點(diǎn)新聞等。除了這些典型事情，每秒幾十萬請求的秒殺系統(tǒng)、每天千萬級的訂單系統(tǒng)、每天億級日活的信息流系統(tǒng)等，都可以歸為高并發(fā)。

很顯然，上面談到的高并發(fā)場景，并發(fā)量各不相同，那到底多大并發(fā)才算高并發(fā)呢？

1、不能只看數(shù)字，要看具體的業(yè)務(wù)場景。不能說10W QPS的秒殺是高并發(fā)，而1W QPS的信息流就不是高并發(fā)。信息流場景涉及復(fù)雜的推薦模型和各種人工策略，它的業(yè)務(wù)邏輯可能比秒殺場景復(fù)雜10倍不止。因此，不在同一個維度，沒有任何比較意義。

2、業(yè)務(wù)都是從0到1做起來的，并發(fā)量和QPS只是參考指標(biāo)，最重要的是：在業(yè)務(wù)量逐漸變成原來的10倍、100倍的過程中，你是否用到了高并發(fā)的處理方法去演進(jìn)你的系統(tǒng)，從架構(gòu)設(shè)計、編碼實(shí)現(xiàn)、甚至產(chǎn)品方案等維度去預(yù)防和解決高并發(fā)引起的問題？而不是一味的升級硬件、加機(jī)器做水平擴(kuò)展。

此外，各個高并發(fā)場景的業(yè)務(wù)特點(diǎn)完全不同：有讀多寫少的信息流場景、有讀多寫多的交易場景，那是否有通用的技術(shù)方案解決不同場景的高并發(fā)問題呢？

我覺得大的思路可以借鑒，別人的方案也可以參考，但是真正落地過程中，細(xì)節(jié)上還會有無數(shù)的坑。另外，由于軟硬件環(huán)境、技術(shù)棧、以及產(chǎn)品邏輯都沒法做到完全一致，這些都會導(dǎo)致同樣的業(yè)務(wù)場景，就算用相同的技術(shù)方案也會面臨不同的問題，這些坑還得一個個趟。

因此，這篇文章我會將重點(diǎn)放在基礎(chǔ)知識、通用思路、和我曾經(jīng)實(shí)踐過的有效經(jīng)驗(yàn)上，希望讓你對高并發(fā)有更深的理解。

高并發(fā)系統(tǒng)設(shè)計的目標(biāo)是什么？

先搞清楚高并發(fā)系統(tǒng)設(shè)計的目標(biāo)，在此基礎(chǔ)上再討論設(shè)計方案和實(shí)踐經(jīng)驗(yàn)才有意義和針對性。

2.1 宏觀目標(biāo)

高并發(fā)絕不意味著只追求高性能，這是很多人片面的理解。從宏觀角度看，高并發(fā)系統(tǒng)設(shè)計的目標(biāo)有三個：高性能、高可用，以及高可擴(kuò)展。

1、高性能：性能體現(xiàn)了系統(tǒng)的并行處理能力，在有限的硬件投入下，提高性能意味著節(jié)省成本。同時，性能也反映了用戶體驗(yàn)，響應(yīng)時間分別是100毫秒和1秒，給用戶的感受是完全不同的。

2、高可用：表示系統(tǒng)可以正常服務(wù)的時間。一個全年不停機(jī)、無故障；另一個隔三差五出線上事故、宕機(jī)，用戶肯定選擇前者。另外，如果系統(tǒng)只能做到90%可用，也會大大拖累業(yè)務(wù)。

3、高擴(kuò)展：表示系統(tǒng)的擴(kuò)展能力，流量高峰時能否在短時間內(nèi)完成擴(kuò)容，更平穩(wěn)地承接峰值流量，比如雙11活動、明星離婚等熱點(diǎn)事件。

這3個目標(biāo)是需要通盤考慮的，因?yàn)樗鼈兓ハ嚓P(guān)聯(lián)、甚至也會相互影響。

比如說：考慮系統(tǒng)的擴(kuò)展能力，你會將服務(wù)設(shè)計成無狀態(tài)的，這種集群設(shè)計保證了高擴(kuò)展性，其實(shí)也間接提升了系統(tǒng)的性能和可用性。

再比如說：為了保證可用性，通常會對服務(wù)接口進(jìn)行超時設(shè)置，以防大量線程阻塞在慢請求上造成系統(tǒng)雪崩，那超時時間設(shè)置成多少合理呢？一般，我們會參考依賴服務(wù)的性能表現(xiàn)進(jìn)行設(shè)置。

2.2 微觀目標(biāo)

再從微觀角度來看，高性能、高可用和高擴(kuò)展又有哪些具體的指標(biāo)來衡量？為什么會選擇這些指標(biāo)呢？

性能指標(biāo)

通過性能指標(biāo)可以度量目前存在的性能問題，同時作為性能優(yōu)化的評估依據(jù)。一般來說，會采用一段時間內(nèi)的接口響應(yīng)時間作為指標(biāo)。

1、平均響應(yīng)時間：最常用，但是缺陷很明顯，對于慢請求不敏感。比如1萬次請求，其中9900次是1ms，100次是100ms，則平均響應(yīng)時間為1.99ms，雖然平均耗時僅增加了0.99ms，但是1%請求的響應(yīng)時間已經(jīng)增加了100倍。

2、TP90、TP99等分位值：將響應(yīng)時間按照從小到大排序，TP90表示排在第90分位的響應(yīng)時間， 分位值越大，對慢請求越敏感。

3、吞吐量：和響應(yīng)時間呈反比，比如響應(yīng)時間是1ms，則吞吐量為每秒1000次。

通常，設(shè)定性能目標(biāo)時會兼顧吞吐量和響應(yīng)時間，比如這樣表述：在每秒1萬次請求下，AVG控制在50ms以下，TP99控制在100ms以下。對于高并發(fā)系統(tǒng)，AVG和TP分位值必須同時要考慮。

另外，從用戶體驗(yàn)角度來看，200毫秒被認(rèn)為是第一個分界點(diǎn)，用戶感覺不到延遲，1秒是第二個分界點(diǎn)，用戶能感受到延遲，但是可以接受。

因此，對于一個健康的高并發(fā)系統(tǒng)，TP99應(yīng)該控制在200毫秒以內(nèi)，TP999或者TP9999應(yīng)該控制在1秒以內(nèi)。

可用性指標(biāo)

高可用性是指系統(tǒng)具有較高的無故障運(yùn)行能力，可用性 = 平均故障時間 / 系統(tǒng)總運(yùn)行時間，一般使用幾個9來描述系統(tǒng)的可用性。

對于高并發(fā)系統(tǒng)來說，最基本的要求是：保證3個9或者4個9。原因很簡單，如果你只能做到2個9，意味著有1%的故障時間，像一些大公司每年動輒千億以上的GMV或者收入，1%就是10億級別的業(yè)務(wù)影響。

可擴(kuò)展性指標(biāo)

面對突發(fā)流量，不可能臨時改造架構(gòu)，最快的方式就是增加機(jī)器來線性提高系統(tǒng)的處理能力。

對于業(yè)務(wù)集群或者基礎(chǔ)組件來說，擴(kuò)展性 = 性能提升比例 / 機(jī)器增加比例，理想的擴(kuò)展能力是：資源增加幾倍，性能提升幾倍。通常來說，擴(kuò)展能力要維持在70%以上。

但是從高并發(fā)系統(tǒng)的整體架構(gòu)角度來看，擴(kuò)展的目標(biāo)不僅僅是把服務(wù)設(shè)計成無狀態(tài)就行了，因?yàn)楫?dāng)流量增加10倍，業(yè)務(wù)服務(wù)可以快速擴(kuò)容10倍，但是數(shù)據(jù)庫可能就成為了新的瓶頸。

像MySQL這種有狀態(tài)的存儲服務(wù)通常是擴(kuò)展的技術(shù)難點(diǎn)，如果架構(gòu)上沒提前做好規(guī)劃（垂直和水平拆分），就會涉及到大量數(shù)據(jù)的遷移。

因此，高擴(kuò)展性需要考慮：服務(wù)集群、數(shù)據(jù)庫、緩存和消息隊列等中間件、負(fù)載均衡、帶寬、依賴的第三方等，當(dāng)并發(fā)達(dá)到某一個量級后，上述每個因素都可能成為擴(kuò)展的瓶頸點(diǎn)。

高并發(fā)的實(shí)踐方案有哪些？

了解了高并發(fā)設(shè)計的3大目標(biāo)后，再系統(tǒng)性總結(jié)下高并發(fā)的設(shè)計方案，會從以下兩部分展開：先總結(jié)下通用的設(shè)計方法，然后再圍繞高性能、高可用、高擴(kuò)展分別給出具體的實(shí)踐方案。

3.1 通用的設(shè)計方法

通用的設(shè)計方法主要是從「縱向」和「橫向」兩個維度出發(fā)，俗稱高并發(fā)處理的兩板斧：縱向擴(kuò)展和橫向擴(kuò)展。

縱向擴(kuò)展（scale-up）

它的目標(biāo)是提升單機(jī)的處理能力，方案又包括：

1、提升單機(jī)的硬件性能：通過增加內(nèi)存、CPU核數(shù)、存儲容量、或者將磁盤升級成SSD等堆硬件的方式來提升。

2、提升單機(jī)的軟件性能：使用緩存減少IO次數(shù)，使用并發(fā)或者異步的方式增加吞吐量。

橫向擴(kuò)展（scale-out）

因?yàn)閱螜C(jī)性能總會存在極限，所以最終還需要引入橫向擴(kuò)展，通過集群部署以進(jìn)一步提高并發(fā)處理能力，又包括以下2個方向：

1、做好分層架構(gòu)：這是橫向擴(kuò)展的提前，因?yàn)楦卟l(fā)系統(tǒng)往往業(yè)務(wù)復(fù)雜，通過分層處理可以簡化復(fù)雜問題，更容易做到橫向擴(kuò)展。

上面這種圖是互聯(lián)網(wǎng)最常見的分層架構(gòu)，當(dāng)然真實(shí)的高并發(fā)系統(tǒng)架構(gòu)會在此基礎(chǔ)上進(jìn)一步完善。比如會做動靜分離并引入CDN，反向代理層可以是LVS+Nginx，Web層可以是統(tǒng)一的API網(wǎng)關(guān)，業(yè)務(wù)服務(wù)層可進(jìn)一步按垂直業(yè)務(wù)做微服務(wù)化，存儲層可以是各種異構(gòu)數(shù)據(jù)庫。

2、各層進(jìn)行水平擴(kuò)展：無狀態(tài)水平擴(kuò)容，有狀態(tài)做分片路由。業(yè)務(wù)集群通常能設(shè)計成無狀態(tài)的，而數(shù)據(jù)庫和緩存往往是有狀態(tài)的，因此需要設(shè)計分區(qū)鍵做好存儲分片，當(dāng)然也可以通過主從同步、讀寫分離的方案提升讀性能。

3.2 具體的實(shí)踐方案

下面再結(jié)合我的個人經(jīng)驗(yàn)，針對高性能、高可用、高擴(kuò)展3個方面，總結(jié)下可落地的實(shí)踐方案。

高性能的實(shí)踐方案

1、集群部署，通過負(fù)載均衡減輕單機(jī)壓力。

2、多級緩存，包括靜態(tài)數(shù)據(jù)使用CDN、本地緩存、分布式緩存等，以及對緩存場景中的熱點(diǎn)key、緩存穿透、緩存并發(fā)、數(shù)據(jù)一致性等問題的處理。

3、分庫分表和索引優(yōu)化，以及借助搜索引擎解決復(fù)雜查詢問題。

4、考慮NoSQL數(shù)據(jù)庫的使用，比如HBase、TiDB等，但是團(tuán)隊必須熟悉這些組件，且有較強(qiáng)的運(yùn)維能力。

5、異步化，將次要流程通過多線程、MQ、甚至延時任務(wù)進(jìn)行異步處理。

6、限流，需要先考慮業(yè)務(wù)是否允許限流（比如秒殺場景是允許的），包括前端限流、Nginx接入層的限流、服務(wù)端的限流。

7、對流量進(jìn)行削峰填谷，通過MQ承接流量。

8、并發(fā)處理，通過多線程將串行邏輯并行化。

9、預(yù)計算，比如搶紅包場景，可以提前計算好紅包金額緩存起來，發(fā)紅包時直接使用即可。

10、緩存預(yù)熱，通過異步任務(wù)提前預(yù)熱數(shù)據(jù)到本地緩存或者分布式緩存中。

11、減少IO次數(shù)，比如數(shù)據(jù)庫和緩存的批量讀寫、RPC的批量接口支持、或者通過冗余數(shù)據(jù)的方式干掉RPC調(diào)用。

12、減少IO時的數(shù)據(jù)包大小，包括采用輕量級的通信協(xié)議、合適的數(shù)據(jù)結(jié)構(gòu)、去掉接口中的多余字段、減少緩存key的大小、壓縮緩存value等。

13、程序邏輯優(yōu)化，比如將大概率阻斷執(zhí)行流程的判斷邏輯前置、For循環(huán)的計算邏輯優(yōu)化，或者采用更高效的算法。

14、各種池化技術(shù)的使用和池大小的設(shè)置，包括HTTP請求池、線程池（考慮CPU密集型還是IO密集型設(shè)置核心參數(shù)）、數(shù)據(jù)庫和Redis連接池等。

15、JVM優(yōu)化，包括新生代和老年代的大小、GC算法的選擇等，盡可能減少GC頻率和耗時。

16、鎖選擇，讀多寫少的場景用樂觀鎖，或者考慮通過分段鎖的方式減少鎖沖突。

上述方案無外乎從計算和 IO 兩個維度考慮所有可能的優(yōu)化點(diǎn)，需要有配套的監(jiān)控系統(tǒng)實(shí)時了解當(dāng)前的性能表現(xiàn)，并支撐你進(jìn)行性能瓶頸分析，然后再遵循二八原則，抓主要矛盾進(jìn)行優(yōu)化。

高可用的實(shí)踐方案

1、對等節(jié)點(diǎn)的故障轉(zhuǎn)移，Nginx和服務(wù)治理框架均支持一個節(jié)點(diǎn)失敗后訪問另一個節(jié)點(diǎn)。

2、非對等節(jié)點(diǎn)的故障轉(zhuǎn)移，通過心跳檢測并實(shí)施主備切換（比如redis的哨兵模式或者集群模式、MySQL的主從切換等）。

3、接口層面的超時設(shè)置、重試策略和冪等設(shè)計。

4、降級處理：保證核心服務(wù)，犧牲非核心服務(wù)，必要時進(jìn)行熔斷；或者核心鏈路出問題時，有備選鏈路。

5、限流處理：對超過系統(tǒng)處理能力的請求直接拒絕或者返回錯誤碼。

6、MQ場景的消息可靠性保證，包括producer端的重試機(jī)制、broker側(cè)的持久化、consumer端的ack機(jī)制等。

7、灰度發(fā)布，能支持按機(jī)器維度進(jìn)行小流量部署，觀察系統(tǒng)日志和業(yè)務(wù)指標(biāo)，等運(yùn)行平穩(wěn)后再推全量。

8、監(jiān)控報警：全方位的監(jiān)控體系，包括最基礎(chǔ)的CPU、內(nèi)存、磁盤、網(wǎng)絡(luò)的監(jiān)控，以及Web服務(wù)器、JVM、數(shù)據(jù)庫、各類中間件的監(jiān)控和業(yè)務(wù)指標(biāo)的監(jiān)控。

9、災(zāi)備演練：類似當(dāng)前的“混沌工程”，對系統(tǒng)進(jìn)行一些破壞性手段，觀察局部故障是否會引起可用性問題。

高可用的方案主要從冗余、取舍、系統(tǒng)運(yùn)維3個方向考慮，同時需要有配套的值班機(jī)制和故障處理流程，當(dāng)出現(xiàn)線上問題時，可及時跟進(jìn)處理。

高擴(kuò)展的實(shí)踐方案

1、合理的分層架構(gòu)：比如上面談到的互聯(lián)網(wǎng)最常見的分層架構(gòu)，另外還能進(jìn)一步按照數(shù)據(jù)訪問層、業(yè)務(wù)邏輯層對微服務(wù)做更細(xì)粒度的分層（但是需要評估性能，會存在網(wǎng)絡(luò)多一跳的情況）。

2、存儲層的拆分：按照業(yè)務(wù)維度做垂直拆分、按照數(shù)據(jù)特征維度進(jìn)一步做水平拆分（分庫分表）。

3、業(yè)務(wù)層的拆分：最常見的是按照業(yè)務(wù)維度拆（比如電商場景的商品服務(wù)、訂單服務(wù)等），也可以按照核心接口和非核心接口拆，還可以按照請求源拆（比如To C和To B，APP和H5）。

最后的話

高并發(fā)確實(shí)是一個復(fù)雜且系統(tǒng)性的問題，由于篇幅有限，諸如分布式Trace、全鏈路壓測、柔性事務(wù)都是要考慮的技術(shù)點(diǎn)。另外，如果業(yè)務(wù)場景不同，高并發(fā)的落地方案也會存在差異，但是總體的設(shè)計思路和可借鑒的方案基本類似。

高并發(fā)設(shè)計同樣要秉承架構(gòu)設(shè)計的3個原則：簡單、合適和演進(jìn)。“過早的優(yōu)化是萬惡之源”，不能脫離業(yè)務(wù)的實(shí)際情況，更不要過度設(shè)計，合適的方案就是最完美的。