对号入座，快看看你的应用系统用了哪些高并发技术？

一系统简介

百舸流量运营平台承接着京东金融APP核心资源位和京东APP部分重要资源位，大促单接口QPS达到10w+,压测单接口到20w+,典型的c端读链路高并发场景。接下来，聊聊我们的系统都有哪些应对高并发的“武功秘籍”。

二 “武功秘籍”

1 缓存（redis缓存，本地缓存）

缓存是提高系统的并发和提升系统的性能利器。redis分布式缓存用来解决缓存容量和性能问题，本地缓存用来解决redis的热key问题和提升性能。

详情可以查看之前的文章《服务端应用多级缓存架构方案》。

2 限流

限流是保护系统的一种策略，限流是控制接受请求的速率，通过压测提前预知系统可承载的并发量，是对系统资源的前置保护，保证系统容量范围内的请求能够正常返回，超过容量的请求丢弃。

可通过JSF配置限流或者sentinel实现限流。经典算法：令牌桶，漏桶，滑动时间窗口。

3 熔断降级

熔断也是保护系统的一种手段，分布式系统中系统之间通过微服务调用，偶尔会出现依赖的某个服务不可用或者耗时骤增，导致耗尽业务线程池，从而拖垮整个服务，可通过sentinel配置慢调用比例或者异常比例策略，达到熔断阈值后，接下来的熔断时长内请求会自动被熔断。经过熔断时长后熔断器会进入探测恢复状态（HALF-OPEN 状态），若接下来的一个请求成功通过后，则结束熔断，否则继续熔断。实际过程中，需要结合上下游链路，设置合理的超时时间以及兜底数据。

常见的降级类型有：日常降级；大促非核心接口降级；大促日志降级，只打印error级别日志。

4 异步(CompletableFuture,MQ)

系统解耦：完成一项业务指令通常需要多个微服务协作，核心业务完成后，可通过消息的方式进行异步解耦，让其他服务订阅消息，完成各自的业务逻辑，适用于无需用户等待感知的场景。

提升性能:在C端用户等待的感知的场景，需要多个微服务协作，如果串行RPC调用，耗时是每个服务耗时之和，可通过CompletableFuture实现RPC异步调用，当使用时汇总结果，提升系统的性能。

5 池化技术

池化技术思想：池化思想的解决的核心思想是通过预先创建数据库连接或者线程放入池中，以便在需要时可以重复使用，减少创建和销毁的开销，提高系统的性能和并发。

数据库连接池：如果是部署多台机器，注意多台机器连接数是否超过数据库最大连接数，避免出现连接不上问题。

业务线程池：自定义线程池，根据业务采用合适的拒绝策略，注意线程隔离，避免某个接口异常拖垮整个应用。

6 代码优化

减少调用链路，优化代码逻辑执行顺序，将阻断校验流程前置，优化数据结构和算法，优化查询逻辑，减少IO次数等。

7 JVM调优

使用G1垃圾回收器，应用系统根据自己的业务情况配置JVM参数，常规4C8G通用配置可参考：

  -Xms4096m -Xmx4096m -XX:MaxMetaspaceSize=256m -XX:MetaspaceSize=256m -XX:+UseG1GC -XX:MaxGCPauseMillis=80

核心参数：-Xms初始堆大小，-Xmx最大堆大小，MaxMetaspaceSize最大元空间大小，MetaspaceSize表示Metaspace首次使用不足时触发Full GC（全面垃圾回收）的阈值，垃圾回收机制使用G1回收器，MaxGCPauseMillis在jvm垃圾回收过程中允许停顿的最大毫秒时间。

8 分治思想，横向扩展，

应用服务应该设计为无状态的，可通过增加应用实例数量来应对突发流量，将流量分到每台机器上，同样可以将应用进行按照业务拆分，单独部署，提高系统并发。

合并批量请求，将多次调用改为一次批量调用，减少网络开销。

9 预热

通过定时任务或者初始化脚本提前将数据加载到内存，提高系统的性能，常见的有缓存数据预热，ES数据预热等。

针对应用升级或者重启抖动，可以通过JSF预热的方式，应用重启后，在预热时间内，流量逐渐增加的方式，减少抖动。

JSF预热可参考文章《后端服务之应用预热》

10 数据异构

业务数据通常存储在支持事务的关系型数据库中，当在面对复杂查询场景时捉襟见肘，可将数据通过binlog异构到ES中，ES支持复杂场景的查询并且有较高的性能，轻松突破数据库单表数据量大及多表关联查询瓶颈。

数据异构可参考文章《记一次生产慢sql索引优化及思考》中的目录五：长期优化方案。

11 分库分表，数据库优化

分库和分表各抗什么？