互联网高并发架构技术实践

左手的ㄟ右手 2022-04-15 06:26 332阅读 0赞

### 一、什么是高并发 ###

高并发（High Concurrency）是互联网分布式系统架构设计中必须考虑的因素之一，它通常是指，**通过设计保证系统能够同时并行处理很多请求**。

高并发相关常用的一些指标有响应时间（Response Time），吞吐量（Throughput），每秒查询率QPS（Query Per Second），并发用户数等。

*  **响应时间**：系统对请求做出响应的时间。例如系统处理一个HTTP请求需要200ms，这个200ms就是系统的响应时间。
 *  **吞吐量**：单位时间内处理的请求数量。
 *  **QPS**：每秒响应请求数。在互联网领域，这个指标和吞吐量区分的没有这么明显。 并发用户数：同时承载正常使用系统功能的用户数量。例如一个即时通讯系统，同时在线量一定程度上代表了系统的并发用户数。

### 二、如何提升系统的并发能力 ###

互联网分布式架构设计，**提高系统并发能力的方式，方法论上主要有两种：垂直扩展（Scale Up）与水平扩展（Scale Out）**。

垂直扩展：提升单机处理能力。垂直扩展的方式又有两种：

1.  增强单机硬件性能，例如：增加CPU核数如32核，升级更好的网卡如万兆，升级更好的硬盘如SSD，扩充硬盘容量如2T，扩充系统内存如128G；
2.  提升单机架构性能，例如：使用Cache来减少IO次数，使用异步来增加单服务吞吐量，使用无锁数据结构来减少响应时间。

在互联网业务发展非常迅猛的早期，如果预算不是问题，强烈建议使用“增强单机硬件性能”的方式提升系统并发能力，因为这个阶段，公司的战略往往是发展业务抢时间，而“增强单机硬件性能”往往是最快的方法。

不管是提升单机硬件性能，还是提升单机架构性能，都有一个致命的不足：单机性能总是有极限的。所以**互联网分布式架构设计高并发终极解决方案还是水平扩展**。

水平扩展：只要增加服务器数量，就能线性扩充系统性能。水平扩展对系统架构设计是有要求的，如何在架构各层进行可水平扩展的设计，以及互联网公司架构各层常见的水平扩展实践，是本文重点讨论的内容。

### 三、常见的互联网分层架构 ###

![1151134-20170601181003133-657426538.png][]

常见互联网分布式架构如上，分为：

1.  客户端层：典型调用方是浏览器browser或者手机应用APP
2.  反向代理层：系统入口，反向代理
3.  站点应用层：实现核心应用逻辑，返回html或者json
4.  服务层：如果实现了服务化，就有这一层
5.  数据-缓存层：缓存加速访问存储
6.  数据-数据库层：数据库固化数据存储

整个系统各层次的水平扩展，又分别是如何实施的呢？

### 四、分层水平扩展架构实践 ###

**反向代理层的水平扩展**

![1151134-20170601181220727-1373004690.png][]

反向代理层的水平扩展，是通过“DNS轮询”实现的：dns-server对于一个域名配置了多个解析ip，每次DNS解析请求来访问dns-server，会轮询返回这些ip。

当nginx成为瓶颈的时候，只要增加服务器数量，新增nginx服务的部署，增加一个外网ip，就能扩展反向代理层的性能，做到理论上的无限高并发。

**站点层的水平扩展**

![1151134-20170601181423883-757482818.png][]

站点层的水平扩展，是通过“nginx”实现的。通过修改nginx.conf，可以设置多个web后端。

当web后端成为瓶颈的时候，只要增加服务器数量，新增web服务的部署，在nginx配置中配置上新的web后端，就能扩展站点层的性能，做到理论上的无限高并发。

**服务层的水平扩展**

![1151134-20170601181540727-1420144971.png][]

站点层通过RPC-client调用下游的服务层RPC-server时，RPC-client中的连接池会建立与下游服务多个连接，当服务成为瓶颈的时候，只要增加服务器数量，新增服务部署，在RPC-client处建立新的下游服务连接，就能扩展服务层性能，做到理论上的无限高并发。如果需要优雅的进行服务层自动扩容，这里可能需要配置中心里服务自动发现功能的支持。

**数据层的水平扩展**

在数据量很大的情况下，数据层（缓存，数据库）涉及数据的水平扩展，将原本存储在一台服务器上的数据（缓存，数据库）水平拆分到不同服务器上去，以达到扩充系统性能的目的。

互联网数据层常见的水平拆分方式有这么几种，以数据库为例：

**按照范围水平拆分**

![1151134-20170601181656196-718003791.png][]

每一个数据服务，存储一定范围的数据，上图为例：

*  user0库，存储uid范围1-1kw
 *  user1库，存储uid范围1kw-2kw

这个方案的好处是：

*  规则简单，service只需判断一下uid范围就能路由到对应的存储服务；
 *  数据均衡性较好；
 *  比较容易扩展，可以随时加一个uid\[2kw,3kw\]的数据服务。

不足是：

*  请求的负载不一定均衡，一般来说，新注册的用户会比老用户更活跃，大range的服务请求压力会更大。

**按照哈希水平拆分**

![1151134-20170601181748821-5092464.png][]

每一个数据库，存储某个key值hash后的部分数据，上图为例：

*  user0库，存储偶数uid数据
 *  user1库，存储奇数uid数据

这个方案的好处是：

*  规则简单，service只需对uid进行hash能路由到对应的存储服务；
 *  数据均衡性较好；
 *  请求均匀性较好。

不足是：

*  不容易扩展，扩展一个数据服务，hash方法改变时候，可能需要进行数据迁移。

这里需要注意的是，通过水平拆分来扩充系统性能，与主从同步读写分离来扩充数据库性能的方式有本质的不同。

通过水平拆分扩展数据库性能：

1.  每个服务器上存储的数据量是总量的1/n，所以单机的性能也会有提升；
2.  n个服务器上的数据没有交集，那个服务器上数据的并集是数据的全集；
3.  数据水平拆分到了n个服务器上，理论上读性能扩充了n倍，写性能也扩充了n倍（其实远不止n倍，因为单机的数据量变为了原来的1/n）。

通过主从同步读写分离扩展数据库性能：

1.  每个服务器上存储的数据量是和总量相同；
2.  n个服务器上的数据都一样，都是全集；
3.  理论上读性能扩充了n倍，写仍然是单点，写性能不变。

缓存层的水平拆分和数据库层的水平拆分类似，也是以范围拆分和哈希拆分的方式居多，就不再展开。

### 五、总结 ###

高并发（High Concurrency）是互联网分布式系统架构设计中必须考虑的因素之一，它通常是指，**通过设计保证系统能够同时并行处理很多请求**。

**提高系统并发能力的方式，方法论上主要有两种：垂直扩展（Scale Up）与水平扩展（Scale Out）**。前者垂直扩展可以通过提升单机硬件性能，或者提升单机架构性能，来提高并发性，但单机性能总是有极限的，**互联网分布式架构设计高并发终极解决方案还是后者：水平扩展**。

互联网分层架构中，各层次水平扩展的实践又有所不同：

1.  反向代理层可以通过“DNS轮询”的方式来进行水平扩展；
2.  站点层可以通过nginx来进行水平扩展；
3.  服务层可以通过服务连接池来进行水平扩展；
4.  数据库可以按照数据范围，或者数据哈希的方式来进行水平扩展。

各层实施水平扩展后，能够通过增加服务器数量的方式来提升系统的性能，做到理论上的性能无限。

末了，希望文章的思路是清晰的，希望大家对高并发的概念和实践有个系统的认识。结合上一篇[《互联网高可用架构技术实践》][Link 1]的分享，慢慢的互联网分布式架构是不是逐步的不再神秘啦？

转载地址：[https://www.cnblogs.com/afee666/p/6930181.html][https_www.cnblogs.com_afee666_p_6930181.html]

[1151134-20170601181003133-657426538.png]: /images/20220415/cc12f950df194b678dd009be9c8a2187.png
[1151134-20170601181220727-1373004690.png]: /images/20220415/c887cb7e8bdc4a9cb06a6471fabfea64.png
[1151134-20170601181423883-757482818.png]: /images/20220415/2f5dad900d9744108528360294d543ff.png
[1151134-20170601181540727-1420144971.png]: /images/20220415/783e7feb21654406bc5ff89db6677126.png
[1151134-20170601181656196-718003791.png]: /images/20220415/0a1e9054520d4693af0955bbde841e04.png
[1151134-20170601181748821-5092464.png]: /images/20220415/ec129e6441cf45bf8d9220fca56d7a28.png
[Link 1]: http://www.cnblogs.com/afee666/p/6930029.html
[https_www.cnblogs.com_afee666_p_6930181.html]: https://www.cnblogs.com/afee666/p/6930181.html