Ⅰ 如何優化超高並發讀少寫多的場景
一個寫多讀少的場景:假設滴滴有，100w司機，信息保存在一個map<driver_id, driver_info> driver_info_map中。司機每5秒更新一下自己的經緯度信息，那麼寫這個map的qps為20w/s。日訂單量1000w，平均查詢訂單1000qps。即20w寫qps，1k讀qps。
一般情況下，對司機信息的讀寫操作如下：
這種實現方法遇到上面的寫多讀少的情景時，讀寫鎖會成為性譽灶能的瓶頸，因為鎖的粒度太大，所有的數據都依賴這把鎖。
優化思路：
1.給每個用戶信息配一把鎖，把用戶信息存在數組中，array[driver_id]=dirver_info。如果數據量不大，這種方案可行。如果數據量非常大，會非常耗內存。
2.水平切分，按照driver_id進行哈希，比如對10000進行取模，則把司機信息切分成1w組，用1w個map來存放司機信息。面對大數據時非常這種方法比較適合。
3.去掉鎖，存放的時候仍然以KV的map來存放，但是value不在是單獨的返首dirver_info，而是先給driver_info生成一個簽名，然後將簽名+driver_info分兩步寫到定長的內存中，作為value存放。取的時候，對value中的driver_info先生成簽名，然後跟取出來的簽名進行比較。慶世扮如果一樣，說明driver_info沒有發生競態寫。
Ⅱ 百萬並發下的 Nginx 性能優化之道
Nginx很火，因為它就像一個萬能葯，在任何存在性能需求的場合總能找見它的身影。它可以輕松在百萬並發連接下實現高吞吐量的Web服務，同時諸多應用場景下的問題都可以通過種種Nginx模塊得以解決。
Nginx天生就適合在linux伺服器上處理百萬、千萬級的並發連接，且優秀的架構使得它未來不需要重構，所以它的生態圈內的第三方模塊長期有效。而長年的發展下日益增多的第三方模塊進一步賦能Nginx，使Nginx適用於更多的場景，甚至滲透到LVS的領域與F5這樣的硬體產品競爭！同時，如OpenResty或者Tengine這樣的第三方模塊群，進一步發展出了新生態，使Nginx的應用進一步向應用防火牆、CDN等領域擴展。
所以，學好Nginx可以讓你在工作中獲得立游老竿見影的效果。
網路上關於Nginx的使用介紹非常多，但往往有兩個念段問題 ：
1、僅從如何使用層面介紹，沒有把離散的知識點串成線，這導致大家難以應對未出現過的、個性化的定製場景；
2、沒有成體系的性能優化知識介紹，在企業生產環境下我們需要從應用到系統的完整優化方案 。
最近看到極客時間上線的視頻課程《Nginx核心知識100講》，涉及到了Nginx的基本用法、http模塊、反向代理與負載均衡、OpenResty等各方面的綜合知識，很系統化。最值得一提，這個課程的作者--陶輝老師，應該算是Nginx領域的專才了。 有著近10年Nginx方面的研究經驗，曾出版過京東熱銷書籍《深入理解Nginx：模塊開發與架構解析》。
簡單介紹下這個課程的內容規劃，主要分為六個部分：
第1部分初識Nginx： 幫助對Nginx還不熟悉的同學快速了解Nginx的背景，熟悉Nginx的基本用法；
第2部分是Nginx的架構基礎： 在這里我們開始探討Nginx的進程模型以及數據結構，它為後續深入學習打下基礎；
第3部分我們開始詳解http模塊： 這一部分我們先講清楚Nginx是如何處理http請求的，再按照請求的處理流程來講解常用http模塊中指令、變數的用法，學完後可以幫助我們觸類旁通，理解所有http模塊的共同邏輯及用法。
第4部分是反向代理與負載均衡： 這一部分以七層負載均衡為主，兼顧四層負載均衡，學完這一部分，你可以搭建出多種不同上游協議的反向代理，並理解如何配置才能高效的處理上下游流量的交互。
第5部分是Nginx的系統層優化： 學完該部分可以有效的調節linux操作系統下cpu、內存、網路、磁碟等配置，與Nginx.conf中的指令相配合，使Nginx的性能最大化。
第6部分是從源碼視角深入使用Nginx與OpenResty： 這一部分我們會從Nginx的實現層面，打通前5部分中的知識，幫助大家深刻仔磨譽理解Nginx的機制與能力模型，並介紹OpenResty是如何與Nginx有效搭配使用的。
不多說了，直接附上陶輝出品的「Nginx核心知識框架圖」，非常系統地梳理了學好Nginx所需要的知識點。
福利一：限時優惠價¥68（原價¥129），接近半價優惠，11月17日恢復原價；最近兩天有啥福利？
福利二：每邀請一位好友購買，可獲得24元現金返現，多邀多得，上不封頂，隨時提現。
Ⅲ 如何優化網站高並發訪問
在進行網站優化的時候，提高網站高並發訪問採用的具體方法入沖消纖靈貓所示如下：
1、查看自己網站的關鍵字，是否符合標准，一般來說，關鍵詞密度在2-8%是一個較適當的范圍，有利於網散仿站在搜索引擎中的排名，也不易被搜索引擎判斷為關鍵詞填充。關鍵詞密橋首度也是搜索引擎作為排名演算法的考慮因素之一，合理的關鍵詞密度有助於提高排名，但是密度過大，則會起到反效果。
2、保證每天都更新文章內容，內容是原創。
3、網路站長平台，提交網站內容。
4、網站技術人員加代碼，生成為html結尾的靜態鏈接。
這個需要一整套的架構支持，haproxy，nigix，lvs等
Ⅳ 如何解決高並發問題
使用高性能的伺服器、高性能的資料庫、高效率的編程語言、還有高性能的Web容器，(對架構分層+負載均衡+集群)這幾個解決思路在一定程度上意味著更大的投入。
1、高並發：在同一個時間點，有大量的客戶來訪問我們的網站，如果訪問量過大，就可能造成網站癱瘓。
2、高流量：當網站大後，有大量的圖片，視頻，這樣就會對流量要求高，需要更多更大的帶寬。
3、大存儲：可能對數據保存和查詢出現問題。
解決方案：
1、提高硬體能力、增加系統伺服器。（當伺服器增加到某個程度的時候系統所能提供的並發訪問量幾乎不變，所以不能根本解決問題）
2、本地緩存：本地可以使用JDK自帶的Map、Guava Cache.分布式緩存：Redis、Memcache.本地緩存不適用於提高系統並發量，一般是用處用在程序中。
Spiring把已經初始過的變數放在一個Map中，下次再要使用這個變數的時候，先判斷Map中有沒有，這也就是系統中常見的單例模式的實現。
Ⅵ 華為技術架構師分享：高並發場景下緩存處理的一些思路
在實際的開發當中，我們經常需要進行磁碟數據的讀取和搜索，因此經常會有出現從資料庫讀取數據的場景出現。但是當數據訪問量次數增大的時候，過多的磁碟讀取可能會最終成為整個系統的性能瓶頸，甚至是壓垮整個資料庫，導致系統卡死等嚴重問題。
常規的應用系統中，我們通常會在需要的時候對資料庫進行查找，因此系統的大致結構如下所示：
1.緩存和資料庫之間數據一致性問題
常用於緩存處理的機制我總結為了以下幾種：
首先來簡單說說Cache aside的這種方式：
Cache Aside模式
這種模式處理緩存通常都是先從資料庫緩存查詢，如果緩存沒有命中則從資料庫中進行查找。
這裡面會發生的三種情況如下：
緩存命中：
當查詢的時候發現緩存存在，那麼直接從緩存中提取。
緩存失效：
當緩存沒有數據的時候，則從database裡面讀取源數據，再加入到cache裡面去。
緩存更新：
當有新的寫操作去修改database裡面的數據時，需要在寫操作完成之後，讓cache裡面對應的數據失效。
關於這種模式下依然會存在缺陷。比如，一個是讀操作，但是沒有命中緩存，然後就到資料庫中取數據，此時來了一個寫操作，寫完資料庫後，讓緩存失效，然後，之前的那個讀操作再把老的數據放進去，所以，會造成臟數據。
Facebook的大牛們也曾經就緩存處理這個問題發表過相關的論文，鏈接如下:
分布式環境中要想完全的保證數據一致性是一件極為困難的事情，我們只能夠盡可能的減低這種數據不一致性問題產生的情況。
Read Through模式
Read Through模式是指應用程序始終從緩存中請求數據。 如果緩存沒有數據，則它負責使用底層提供程序插件從資料庫中檢索數據。 檢索數據後，緩存會自行更新並將數據返回給調用應用程序。使用Read Through 有一個好處。
我們總是使用key從緩存中檢索數據, 調用的應用程序不知道資料庫， 由存儲方來負責自己的緩存處理，這使代碼更具可讀性， 代碼更清晰。但是這也有相應的缺陷，開發人員需要給編寫相關的程序插件，增加了開發的難度性。
Write Through模式
Write Through模式和Read Through模式類似，當數據發生更新的時候，先去Cache裡面進行更新，如果命中了，則先更新緩存再由Cache方來更新database。如果沒有命中的話，就直接更新Cache裡面的數據。
2.緩存穿透問題
在高並發的場景中，緩存穿透是一個經常都會遇到的問題。
什麼是緩存穿透？
大量的請求在緩存中沒有查詢到指定的數據，因此需要從資料庫中進行查詢，造成緩存穿透。
會造成什麼後果？
大量的請求短時間內湧入到database中進行查詢會增加database的壓力，最終導致database無法承載客戶單請求的壓力，出現宕機卡死等現象。
常用的解決方案通常有以下幾類：
1.空值緩存
在某些特定的業務場景中，對於數據的查詢可能會是空的，沒有實際的存在，並且這類數據信息在短時間進行多次的反復查詢也不會有變化，那麼整個過程中，多次的請求資料庫操作會顯得有些多餘。
不妨可以將這些空值（沒有查詢結果的數據）對應的key存儲在緩存中，那麼第二次查找的時候就不需要再次請求到database那麼麻煩，只需要通過內存查詢即可。這樣的做法能夠大大減少對於database的訪問壓力。
2.布隆過濾器
通常對於database裡面的數據的key值可以預先存儲在布隆過濾器裡面去，然後先在布隆過濾器裡面進行過濾，如果發現布隆過濾器中沒有的話，就再去redis裡面進行查詢，如果redis中也沒有數據的話，再去database查詢。這樣可以避免不存在的數據信息也去往存儲庫中進行查詢情況。
什麼是緩存雪崩？
當緩存伺服器重啟或者大量緩存集中在某一個時間段失效，這樣在失效的時候，也會給後端系統(比如DB)帶來很大壓力。
如何避免緩存雪崩問題？
1.使用加鎖隊列來應付這種問題。當有多個請求湧入的時候，當緩存失效的時候加入一把分布式鎖，只允許搶鎖成功的請求去庫裡面讀取數據然後將其存入緩存中，再釋放鎖，讓後續的讀請求從緩存中取數據。但是這種做法有一定的弊端，過多的讀請求線程堵塞，將機器內存占滿，依然沒有能夠從根本上解決問題。
2.在並發場景發生前，先手動觸發請求，將緩存都存儲起來，以減少後期請求對database的第一次查詢的壓力。數據過期時間設置盡量分散開來，不要讓數據出現同一時間段出現緩存過期的情況。
3.從緩存可用性的角度來思考，避免緩存出現單點故障的問題，可以結合使用 主從+哨兵的模式來搭建緩存架構，但是這種模式搭建的緩存架構有個弊端，就是無法進行緩存分片，存儲緩存的數據量有限制，因此可以升級為Redis Cluster架構來進行優化處理。（需要結合企業實際的經濟實力，畢竟Redis Cluster的搭建需要更多的機器）
4.Ehcache本地緩存 + Hystrix限流&降級,避免Mysql被打死。
使用 Ehcache本地緩存的目的也是考慮在 Redis Cluster 完全不可用的時候，Ehcache本地緩存還能夠支撐一陣。
使用 Hystrix進行限流 & 降級 ，比如一秒來了5000個請求，我們可以設置假設只能有一秒 2000個請求能通過這個組件，那麼其他剩餘的 3000 請求就會走限流邏輯。
然後去調用我們自己開發的降級組件（降級），比如設置的一些默認值呀之類的。以此來保護最後的 MySQL 不會被大量的請求給打死。
Ⅶ 如何處理高並發
問題一：java程序員面試時被問到：如何在j2ee項目中處理高並發量訪問？ 該怎麼回答？ 請仔細看題干再回答 blog.csdn/y_h_t/article/details/6322823
你是一名java程序員，這些應該知道些吧
問題二：如何處理高並發帶來的系統性能問題 那必須了解linux中的基本使用，比如如何找到某個路徑，如何打開一個文件，如何編輯修改一個文件等等，那就是linux中命令的使用；還有就是必須知道linux伺服器中所用的什麼伺服器（有weblogic、websphere等等）；精通相關伺服器的重要屬性配置等等。
問題三：JAVA中高訪問量高並發的問題怎麼解決? 你指的高並發量大概有多少？
幾點需要注意：
盡量使用緩存，包括用戶緩存，信息緩存等，多花點內存來做緩存，可以大量減少與資料庫的交互，提高性能。
用jprofiler等工具找出性能瓶頸，減少額外的開銷。
優化資料庫查詢語句，減少直接使用hibernate等工具的直接生成語句（僅耗時較長的查詢做優化）。
優化資料庫結構，多做索引，提高查詢效率。
統計的功能盡量做緩存，或按每天一統計或定時統計相關報表，避免需要時進行統計的功能。
能使用靜態頁面的地方盡量使用，減少容器的解析（盡量將動態內容生成靜態html來顯示）。
解決以上問題後，使用伺服器集群來解決單台的瓶頸問題。
基本上以上述問題解決後，達到系統最優。
至於樓上有人提到別用JAVA來做，除非是低層的連接數過大（如大量的埠佔用需求），這種情況下考慮直接C來寫，其他的可臘簡以用JAVA來做。
問題四：項目中怎麼控制多線程高並發訪問 synchronized關鍵字主要解決多線程共享數據同步問題。
ThreadLocal使用場合主要解決多線程中數據因並發產生不一致問題。
ThreadLocal和Synchonized都用於解決多線程並發訪問。但是ThreadLocal與synchronized有本質的區別:
synchronized是利用鎖的機制，使變數或代碼塊在某一時該只能被困返一個線程訪問。而ThreadLocal為每一個線程都提供汪局飢了變數的副本，使 得每個線程在某一時間訪問到的並不是同一個對象，這樣就隔離了多個線程對數據的數據共享。而Synchronized卻正好相反，它用於在多個線程間通信 時能夠獲得數據共享。
Synchronized用於線程間的數據共享，而ThreadLocal則用於線程間的數據隔離。當然ThreadLocal並不能替代synchronized,它們處理不同的問題域。Synchronized用於實現同步機制，比ThreadLocal更加復雜。
1、Java中synchronized用法
使用了synchronized關鍵字可以輕松地解決多線程共享數據同步問題。
synchronized關鍵字可以作為函數的修飾符，也可作為函數內的語句，也就是平時說的同步方法和同步語句塊。如果再細的分 類，synchronized可作用於instance變數、object reference（對象引用）、static函數和class literals(類名稱字面常量)身上。
synchronized取得的鎖都是對象；每個對象只有一個鎖（lock）與之相關聯；實現同步是要很大的系統開銷作為代價的，甚至可能造成死鎖，所以盡量避免無謂的同步控制。
問題五：如何處理高並發或列舉處理高並發的業務邏輯 1、提高系統的並發能力2、減輕資料庫的負擔這兩種用途其實非常容易理解。由於memcached高性能，所以可以同時服務於更多的連接，大大提高了系統的並發處理的能力。另外，memcached 通常部署在業務邏輯層（前台應用）和存儲層（主指資料庫）之間，作為資料庫和前台應用的數據緩沖，因此可以快速的響應前端的請求，減少對資料庫的訪問。
問題六：資料庫怎樣處理高並發 1.用一個標識，在選擇那張票的時候先用(Update 表 set 票flag=『佔用了！』 where 票flag=『未佔用』 and ........)這樣是保險的，不可能存在並發問題，這就牽扯到sql鎖機制問題了，你可以測試一下，其實sql中update是先查詢出然後刪除再添加，但由於使用了update，過程中就自動加鎖了，很方便吧2.加鎖。Microsoft® SQL Server™ 2000 使用鎖定確保事務完整性和資料庫一致性。鎖定可以防止用戶讀取正在由其他用戶更改的數據，並可以防止多個用戶同時更改相同數據。如果不使用鎖定，則資料庫中的數據可能在邏輯上不正確，並且對數據的查詢可能會產生意想不到的結果。雖然 SQL Server 自動強制鎖定，但可以通過了解鎖定並在應用程序中自定義鎖定來設計更有效的應用程序。
問題七：資料庫怎樣處理高並發 理論上不限制並發連接數的.就是伺服器受硬體的限制.過高的並發是會使伺服器無法完成並發任務,而造成伺服器死機或者假死機.不過資料庫軟體可以優化並發連接,使並發持續的時間更短,以減起伺服器的負擔,但是一台伺服器不能完成幾十萬的並發.
問題八：如何處理大量數據並發操作 如何處理大量數據並發操作
文件緩存，資料庫緩存，優化sql,數據分流,資料庫表的橫向和縱向劃分，優化代碼結構！
鎖述的概
一. 為什麼要引入鎖
多個用戶同時對資料庫的並發操作時會帶來以下數據不一致的問題:
丟失更新
A,B兩個用戶讀同一數據並進行修改,其中一個用戶的修改結果破壞了另一個修改的結果,比如訂票系統
臟讀
A用戶修改了數據,隨後B用戶又讀出該數據,但A用戶因為某些原因取消了對數據的修改,數據恢復原值,此時B得到的數據就與資料庫內的數據產生了不一致
不可重復讀
A用戶讀取數據,隨後B用戶讀出該數據並修改,此時A用戶再讀取數據時發現前後兩次的值不一致
並發控制的主要方法是封鎖,鎖就是在一段時間內禁止用戶做某些操作以避免產生數據不一致
二 鎖的分類
鎖的類別有兩種分法：
1. 從資料庫系統的角度來看：分為獨占鎖（即排它鎖），共享鎖和更新鎖
MS-SQL Server 使用以下資源鎖模式。
鎖模式 描述
共享 (S) 用於不更改或不更新數據的操作（只讀操作），如 SELECT 語句。
更新 (U) 用於可更新的資源中。防止當多個會話在讀取、鎖定以及隨後可能進行的資源更新時發生常見形式的死鎖。
排它 (X) 用於數據修改操作，例如 INSERT、UPDATE 或 DELETE。確保不會同時同一資源進行多重更新。
意向鎖 用於建立鎖的層次結構。意向鎖的類型為：意向共享 (IS)、意向排它 (IX) 以及與意向排它共享 (SIX)。
架構鎖 在執行依賴於表架構的操作時使用。架構鎖的類型為：架構修改 (Sch-M) 和架構穩定性 (Sch-S)。
大容量更新 (BU) 向表中大容量復制數據並指定了 TABLOCK 提示時使用。
共享鎖
共享 (S) 鎖允許並發事務讀取 (SELECT) 一個資源。資源上存在共享 (S) 鎖時，任何其它事務都不能修改數據。一旦已經讀取數據，便立即釋放資源上的共享 (S) 鎖，除非將事務隔離級別設置為可重復讀或更高級別，或者在事務生存周期內用鎖定提示保留共享 (S) 鎖。
更新鎖
更新 (U) 鎖可以防止通常形式的死鎖。一般更新模式由一個事務組成，此事務讀取記錄，獲取資源（頁或行）的共享 (S) 鎖，然後修改行，此操作要求鎖轉換為排它 (X) 鎖。如果兩個事務獲得了資源上的共享模式鎖，然後試圖同時更新數據，則一個事務嘗試將鎖轉換為排它 (X) 鎖。共享模式到排它鎖的轉換必須等待一段時間，因為一個事務的排它鎖與其它事務的共享模式鎖不兼容；發生鎖等待。第二個事務試圖獲取排它 (X) 鎖以進行更新。由於兩個事務都要轉換為排它 (X) 鎖，並且每個事務都等待另一個事務釋放共享模式鎖，因此發生死鎖。
若要避免這種潛在的死鎖問題，請使用更新 (U) 鎖。一次只有一個事務可以獲得資源的更新 (U) 鎖。如果事務修改資源，則更新 (U) 鎖轉換為排它 (X) 鎖。否則，鎖轉換為共享鎖。
排它鎖
排它 (X) 鎖可以防止並發事務對資源進行訪問。其它事務不能讀取或修改排它 (X) 鎖鎖定的數據。
意向鎖
意向鎖表示 SQL Server 需要在層次結構中的某些底層資源上獲取共享 (S) 鎖或排它 (X) 鎖。例如，放置在表級的共享意向鎖表示事務打算在表中的頁或行上放置共享 (S) 鎖。在表級設置意向鎖可防止另一個事務隨後在包含那一頁的表上獲取排它 (X) 鎖。意向鎖可以提高性能，因為 SQL Server 僅在表級檢查意向鎖來確定事務是否可以安全地獲取該表上的鎖。而無須檢查表中的每行或每頁上的鎖......>>
問題九：高並發是什麼和如何解決 資料庫建立多表關聯，關鍵業務數據欄位和查詢欄位建立索引，對唯一性建立好，同時多任務並發時程序設計時注意數據的合理性檢驗和用戶處理數據有問題時的友好提示見面，建立好的結構文檔說明，同時對關鍵欄位的關系型作好記錄，有效地設計多表的結構安排，盡量減少數據的冗餘，同時又要避免對歷史數據的影響，保持良好的數據管理
問題十：如何處理高並發量的HTTP請求 盡量減少頁面的HTTP請求，可以提高頁面載入速度。減少頁面中的元素網頁中的的圖片、form、flash等等元素都會發出HTTP請求，盡可能的減少頁面中非必要的元素，可以減少HTTP請求的次數。
Ⅷ 如何處理大量數據並發操作
處理大量數據並發操作可以採用如下幾種方法:
1.使用緩存：使用程序直接保存到內存中。或者使用緩存框架: 用一個特定的類型值來保存，以區別空數據和未緩存的兩種狀態。
2.資料庫優化：表結構優化;SQL語句優化，語法優化和處理邏輯優化;分區;分表;索引優化;使用存儲過程代替直接操作。
3.分離活躍數據:可以分為活躍用戶和不活躍用戶。
4.批量讀取和延遲修改: 高並發情況可以將多個查詢請求合並到一個。高並發且頻繁修改的可以暫存緩存中。
5.讀寫分離: 資料庫伺服器配置多個，配置主從資料庫。寫用主資料庫，讀用從資料庫。
6.分布式資料庫: 將不同的表存放到不同的資料庫中，然後再放到不同的伺服器中。
7.NoSql和Hadoop: NoSql，not only SQL。沒有關系型資料庫那麼多限制，比較靈活高效。Hadoop，將一個表中的數據分層多塊，保存到多個節點（分布式）。每一塊數據都有多個節點保存（集群）。集群可以並行處理相同的數據，還可以保證數據的完整性。
拓展資料:
大數據（big data），指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中大數據指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有數據進行分析處理。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。
Ⅸ 如何處理大量數據高並發大流量並發操作方案
大數據並發處理解決方案：
1、HTML靜態化
效率最高、消耗最小的就是純靜態化的html頁面，所以盡可能使網站上的頁面採用靜態頁面來實現，這個最簡單的方法其實也是最有效的方法。但是對於大量內容並且頻繁更新的網站，無法全部手動去挨個實現，於是出現了常見的信息發布系統CMS，像常訪問的各個門戶站點的新聞頻道，甚至他們的其他頻道，都是通過信息發布系統來管理和實現的，信息發布系統可以實現最簡單的信息錄入自動生成靜態頁面，還能具備頻道管理、許可權管理、自動抓取等功能，對於一個大型網站來說，擁有一套高效、可管理的CMS是必不可少的。
2、圖片伺服器分離
對於Web伺服器來說，不管是Apache、IIS還是其他容器，圖片是最消耗資源的，於是有必要將圖片與頁面進行分離，這是基本上大型網站都會採用的策略，他們都有獨立的圖片伺服器，甚至很多台圖片伺服器。這樣的架構可以降低提供頁面訪問請求的伺服器系統壓力，並且可以保證系統不會因為圖片問題而崩潰，在應用伺服器和圖片伺服器上，可以進行不同的配置優化，比如apache在配置ContentType的時候可以盡量少支持，盡可能少的LoadMole，保證更高的系統消耗和執行效率。 這一實現起來是比較容易的一現，如果伺服器集群操作起來更方便，如果是獨立的伺服器，新手可能出現上傳圖片只能在伺服器本地的情況下，可以在令一台伺服器設置的IIS採用網路路徑來實現圖片伺服器，即不用改變程序，又能提高性能，但對於伺服器本身的IO處理性能是沒有任何的改變。
3、資料庫集群和庫表散列
大型網站都有復雜的應用，這些應用必須使用資料庫，那麼在面對大量訪問的時候，資料庫的瓶頸很快就能顯現出來，這時一台資料庫將很快無法滿足應用，於是需要使用資料庫集群或者庫表散列。
4、緩存
緩存一詞搞技術的都接觸過，很多地方用到緩存。網站架構和網站開發中的緩存也是非常重要。架構方面的緩存，對Apache比較熟悉的人都能知道Apache提供了自己的緩存模塊，也可以使用外加的Squid模塊進行緩存，這兩種方式均可以有效的提高Apache的訪問響應能力。
網站程序開發方面的緩存，Linux上提供的Memory Cache是常用的緩存介面，可以在web開發中使用，比如用Java開發的時候就可以調用MemoryCache對一些數據進行緩存和通訊共享，一些大型社區使用了這樣的架構。另外，在使用web語言開發的時候，各種語言基本都有自己的緩存模塊和方法，PHP有Pear的Cache模塊，Java就更多了，.net不是很熟悉，相信也肯定有。
5、鏡像
鏡像是大型網站常採用的提高性能和數據安全性的方式，鏡像的技術可以解決不同網路接入商和地域帶來的用戶訪問速度差異，比如ChinaNet和ENet之間的差異就促使了很多網站在教育網內搭建鏡像站點，數據進行定時更新或者實時更新。在鏡像的細節技術方面，這里不闡述太深，有很多專業的現成的解決架構和產品可選。也有廉價的通過軟體實現的思路，比如Linux上的rsync等工具。
6、負載均衡
負載均衡將是大型網站解決高負荷訪問和大量並發請求採用的終極解決辦法。 負載均衡技術發展了多年，有很多專業的服務提供商和產品可以選擇。
硬體四層交換
第四層交換使用第三層和第四層信息包的報頭信息，根據應用區間識別業務流，將整個區間段的業務流分配到合適的應用伺服器進行處理。第四層交換功能就象是虛IP，指向物理伺服器。它傳輸的業務服從的協議多種多樣，有HTTP、FTP、NFS、Telnet或其他協議。這些業務在物理伺服器基礎上，需要復雜的載量平衡演算法。在IP世界，業務類型由終端TCP或UDP埠地址來決定，在第四層交換中的應用區間則由源端和終端IP地址、TCP和UDP埠共同決定。
在硬體四層交換產品領域，有一些知名的產品可以選擇，比如Alteon、F5等，這些產品很昂貴，但是物有所值，能夠提供非常優秀的性能和很靈活的管理能力。Yahoo中國當初接近2000台伺服器使用了三四台Alteon就搞定了。
Ⅹ 如何處理高並發
處理高並發的六種方法
1：系統拆分，將一個系統拆分為多個子系統，用bbo來搞。然後每個系統連一個資料庫，這樣本來就一個庫，現在多個資料庫，這樣就可以抗高並發。
2：緩存，必須得用緩存。大部分的高並發場景，都是讀多寫少，那你完全可以在資料庫和緩存里都寫一份，然後讀的時候大量走緩存不就得了。畢竟人家redis輕輕鬆鬆單機幾萬的並發啊。沒問題的。所以你可以考的慮考慮你的項目里，那些承載主要請求讀場景，怎麼用緩存來抗高並發。
3：MQ(消息隊列)，必須得用MQ。可能你還是會出現高並發寫的場景，比如說一個業務操作里要頻繁搞資料庫幾十次，增刪改增刪改，瘋了。那高並發絕對搞掛你的系統，人家是緩存你要是用redis來承載寫那肯定不行，數據隨時就被LRU(淘汰掉最不經常使用的)了，數據格式還無比簡單，沒有事務支持。所以該用mysql還得用mysql啊。那你咋辦？用MQ吧，大量的寫請求灌入MQ里，排隊慢慢玩兒，後邊系統消費後慢慢寫，控制在mysql承載范圍之內。所以你得考慮考慮你的項目里，那些承載復雜寫業務邏輯的場景里，如何用MQ來非同步寫，提升並發性。MQ單機抗幾萬並發也是ok的。
4：分庫分表，可能到了最後資料庫層面還是免不了抗高並發的要求，好吧，那麼就將一個資料庫拆分為多個庫，多個庫來抗更高的並發；然後將一個表拆分為多個表，每個表的數據量保持少一點，提高sql跑的性能。
5：讀寫分離，這個就是說大部分時候資料庫可能也是讀多寫少，沒必要所有請求都集中在一個庫上吧，可以搞個主從架構，主庫寫入，從庫讀取，搞一個讀寫分離。讀流量太多的時候，還可以加更多的從庫。
6：solrCloud:
SolrCloud(solr 雲)是Solr提供的分布式搜索方案，可以解決海量數據的 分布式全文檢索，因為搭建了集群，因此具備高可用的特性，同時對數據進行主從備份，避免了單點故障問題。可以做到數據的快速恢復。並且可以動態的添加新的節點，再對數據進行平衡,可以做到負載均衡：