1.垂直分層：dns分層、跨機房部署lvs+nginx負載均衡，vanish+共享儲存實現動靜分離，nginx後掛載n態伺服器集群，伺服器集群後掛載服務化，微服務後掛載資料庫分庫分表+訊息佇列+任務排程，最後端掛載資料集群負責資料的統一歸檔+流計算+非同步批量處理
2.水平分割槽：根據業務劃分業務線，每個業務線中設計分割槽鍵，根據userno設計使用者隔離，根據ip位址設計地區隔離，根據使用者級別設計隔離級別，根據操作日期設計時間隔離，然後充分考慮擴容，監控，災備等
3.資料同步，跨機房跨集群的困難點在於資料同步，有三種做法
3.1不同步，任由各自集群在自己的業務範圍內執行
3.2彙總集群，建立乙個統一的資料彙總集群，如hadoop等，將資料彙總到統一的大資料集群中，在進行統計，運算等，缺點：會存在時間差
3.3遠端資料同步，通過開源框架，實現多個資料庫的同步，比如阿里的otter，模擬mysql的主從，實現日誌解析並資料庫入庫，時間差較短，網路沒有問題，可實現秒級資料同步
4.業務層面的redis快取，http快取，讀寫分離，在tcp層面做操作（斷路由，限流自動降級等等）
Go語言（Golang）高併發處理思路
go語言作為新興的語言，最近發展勢頭很是迅猛，其最大的特點就是原生支援併發。它使用的是 協程 goroutine 模型 和傳統基於 os 執行緒和程序實現不同，go語言的併發是基於使用者態的併發，這種併發方式就變得非常輕量，能夠輕鬆執行幾萬併發邏輯。go 的併發屬於 csp 併發模型的一種實現，cs...
高併發解決思路
今日看到一位大佬所寫的文章，感覺思路很清晰，所以記錄下來，以作後看。一 秒殺帶來了什麼？秒殺或搶購活動一般會經過 預約 搶訂單 支付 這3個大環節，而其中 搶訂單 這個環節是最考驗業務提供方的抗壓能力的。搶訂單環節一般會帶來2個問題 2 超賣 任何商品都會有數量上限，如何避免成功下訂單買到商品的人數...
高併發場景下快取處理思路總結
在實際的開發當中，我們經常需要進行磁碟資料的讀取和搜尋，因此經常會有出現從資料庫讀取資料的場景出現。但是當資料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效能瓶頸，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詢，因此系統的大致結...