究竟啥才是互聯網架構“高并發”
一、什么是高并發
高并發(High Concurrency)是互聯網分布式系統架構設計中必須考慮的因素之一，它通常是指，通過設計保證系統能夠同時并行處理很多請求。
高并發相關常用的一些指標有響應時間(Response Time)，吞吐量(Throughput)，每秒查詢率QPS(Query Per Second)，并發用戶數等。
- 響應時間：系統對請求做出響應的時間。例如系統處理一個HTTP請求需要200ms，這個200ms就是系統的響應時間。
- 吞吐量：單位時間內處理的請求數量。
- QPS：每秒響應請求數。在互聯網領域，這個指標和吞吐量區分的沒有這么明顯。
- 并發用戶數：同時承載正常使用系統功能的用戶數量。例如一個即時通訊系統，同時在線量一定程度上代表了系統的并發用戶數。
二、如何提升系統的并發能力
互聯網分布式架構設計，提高系統并發能力的方式，方法論上主要有兩種：垂直擴展(Scale Up)與水平擴展(Scale Out)。
垂直擴展：提升單機處理能力。垂直擴展的方式又有兩種：
(1)增強單機硬件性能，例如：增加CPU核數如32核，升級更好的網卡如萬兆，升級更好的硬盤如SSD，擴充硬盤容量如2T，擴充系統內存如128G;
(2)提升單機架構性能，例如：使用Cache來減少IO次數，使用異步來增加單服務吞吐量，使用無鎖數據結構來減少響應時間;
在互聯網業務發展非常迅猛的早期，如果預算不是問題，強烈建議使用“增強單機硬件性能”的方式提升系統并發能力，因為這個階段，公司的戰略往往是發展業務搶時間，而“增強單機硬件性能”往往是最快的方法。
不管是提升單機硬件性能，還是提升單機架構性能，都有一個致命的不足：單機性能總是有極限的。所以互聯網分布式架構設計高并發***解決方案還是水平擴展。
水平擴展：只要增加服務器數量，就能線性擴充系統性能。水平擴展對系統架構設計是有要求的，如何在架構各層進行可水平擴展的設計，以及互聯網公司架構各層常見的水平擴展實踐，是本文重點討論的內容。
三、常見的互聯網分層架構
常見互聯網分布式架構如上，分為：
(1)客戶端層：典型調用方是瀏覽器browser或者手機應用APP
(2)反向代理層：系統入口，反向代理
(3)站點應用層：實現核心應用邏輯，返回html或者json
(4)服務層：如果實現了服務化，就有這一層
(5)數據-緩存層：緩存加速訪問存儲
(6)數據-數據庫層：數據庫固化數據存儲
整個系統各層次的水平擴展，又分別是如何實施的呢?
四、分層水平擴展架構實踐
1. 反向代理層的水平擴展
反向代理層的水平擴展，是通過“DNS輪詢”實現的：dns-server對于一個域名配置了多個解析ip，每次DNS解析請求來訪問dns-server，會輪詢返回這些ip。
當nginx成為瓶頸的時候，只要增加服務器數量，新增nginx服務的部署，增加一個外網ip，就能擴展反向代理層的性能，做到理論上的***高并發。
2. 站點層的水平擴展
站點層的水平擴展，是通過“nginx”實現的。通過修改nginx.conf，可以設置多個web后端。
當web后端成為瓶頸的時候，只要增加服務器數量，新增web服務的部署，在nginx配置中配置上新的web后端，就能擴展站點層的性能，做到理論上的***高并發。
3. 服務層的水平擴展
服務層的水平擴展，是通過“服務連接池”實現的。
站點層通過RPC-client調用下游的服務層RPC-server時，RPC-client中的連接池會建立與下游服務多個連接，當服務成為瓶頸的時候，只要增加服務器數量，新增服務部署，在RPC-client處建立新的下游服務連接，就能擴展服務層性能，做到理論上的***高并發。如果需要優雅的進行服務層自動擴容，這里可能需要配置中心里服務自動發現功能的支持。
4. 數據層的水平擴展
在數據量很大的情況下，數據層(緩存，數據庫)涉及數據的水平擴展，將原本存儲在一臺服務器上的數據(緩存，數據庫)水平拆分到不同服務器上去，以達到擴充系統性能的目的。
互聯網數據層常見的水平拆分方式有這么幾種，以數據庫為例：
（1）按照范圍水平拆分
每一個數據服務，存儲一定范圍的數據，上圖為例：
- user0庫，存儲uid范圍1-1kw
- user1庫，存儲uid范圍1kw-2kw
這個方案的好處是：
- 規則簡單，service只需判斷一下uid范圍就能路由到對應的存儲服務;
- 數據均衡性較好;
- 比較容易擴展，可以隨時加一個uid[2kw,3kw]的數據服務;
不足是：
- 請求的負載不一定均衡，一般來說，新注冊的用戶會比老用戶更活躍，大range的服務請求壓力會更大;
（2）按照哈希水平拆分
每一個數據庫，存儲某個key值hash后的部分數據，上圖為例：
- user0庫，存儲偶數uid數據
- user1庫，存儲奇數uid數據
這個方案的好處是：
- 規則簡單，service只需對uid進行hash能路由到對應的存儲服務;
- 數據均衡性較好;
- 請求均勻性較好;
不足是：
- 不容易擴展，擴展一個數據服務，hash方法改變時候，可能需要進行數據遷移;
這里需要注意的是，通過水平拆分來擴充系統性能，與主從同步讀寫分離來擴充數據庫性能的方式有本質的不同。
通過水平拆分擴展數據庫性能：
- 每個服務器上存儲的數據量是總量的1/n，所以單機的性能也會有提升;
- n個服務器上的數據沒有交集，那個服務器上數據的并集是數據的全集;
- 數據水平拆分到了n個服務器上，理論上讀性能擴充了n倍，寫性能也擴充了n倍(其實遠不止n倍，因為單機的數據量變為了原來的1/n);
通過主從同步讀寫分離擴展數據庫性能：
- 每個服務器上存儲的數據量是和總量相同;
- n個服務器上的數據都一樣，都是全集;
- 理論上讀性能擴充了n倍，寫仍然是單點，寫性能不變;
緩存層的水平拆分和數據庫層的水平拆分類似，也是以范圍拆分和哈希拆分的方式居多，就不再展開。
五、總結
高并發(High Concurrency)是互聯網分布式系統架構設計中必須考慮的因素之一，它通常是指，通過設計保證系統能夠同時并行處理很多請求。
提高系統并發能力的方式，方法論上主要有兩種：垂直擴展(Scale Up)與水平擴展(Scale Out)。前者垂直擴展可以通過提升單機硬件性能，或者提升單機架構性能，來提高并發性，但單機性能總是有極限的，互聯網分布式架構設計高并發***解決方案還是后者：水平擴展。
互聯網分層架構中，各層次水平擴展的實踐又有所不同：
(1)反向代理層可以通過“DNS輪詢”的方式來進行水平擴展;
(2)站點層可以通過nginx來進行水平擴展;
(3)服務層可以通過服務連接池來進行水平擴展;
(4)數據庫可以按照數據范圍，或者數據哈希的方式來進行水平擴展;
各層實施水平擴展后，能夠通過增加服務器數量的方式來提升系統的性能，做到理論上的性能***。
【本文為51CTO專欄作者“58沈劍”原創稿件，轉載請聯系原作者】
