1.原因

由于系统都是连接数据库的，但是一般最多数据库每秒只能支撑几千的并非，如果业务量激增，会导致系统宕机；因此需要从一下几点入手设计

· 系统拆分

· 缓存

· MQ

· 分库分表

· 读写分离

· 搜索

2.系统拆分

将一个系统进行功能拆分，如现在流行的微服务，每个服务连接的数据库分开，分开部署。这样可以将压力进行拆分，缓解因为网络和数据库导致的高并发

大部分场景下，都是查询多余插入更新，也就是读多写少。因此设计时对常用的查询内容必须进行缓存，查询时先查缓存，再查数据库；更新时也要更新缓存；

redis 单机支持几万的并发。项目设计时针对那些承载主要请求的读场景，怎么用缓存来抗高并发。

再考虑高并发写的场景，比如一个业务操作要数据库操作几十次，增删改增删改，在普通环境下不会有问题，但是如果高并发绝对会出现问题；

如通讯分析项目，话单导入时多线程同时导入。如果多个用户都同时导入，会有多个导入任务，几十几百甚至启动上千的线程跑。也会导致系统出现问题；

可以将大量的写请求灌入 MQ 里，进行排队，后边系统慢慢写，控制在数据库承载范围之内。MQ 单机支持几万并发，所以设计系统时，对应承载复杂写业务逻辑的场景里，如何用 MQ 来异步写，提升并发性。

缺点：

· 系统可用性降低-外部依赖越多，越容易出现问题

· 系统复杂度提高-需要处理重复消费和丢失的问题

· 一致性问题-由于是异步需要保证数据的完整

Kafka、ActiveMQ、RabbitMQ、RocketMQ 优缺点

单个数据库无法支持，可以考虑多个数据库；如果单个表内容太多可以考虑把表分开存储；单表数据量太大也可以表拆分或者类似分区表的形式处理，每个表的数据量保持少一点，提高 sql 跑的性能

读写分离，就是大部分时候数据库可能是读多写少，没必要所有请求都集中在一个库上，可以搞个主从架构，主库写入，从库读取，读写分离。读流量太多的时候，还可以加更多的从库

如Elasticsearch，简称 es。es 是分布式的，可以随便扩容，分布式天然就可以支撑高并发，因为可以扩容加机器来扛更高的并发。一些比较简单的查询、统计类的操作，可以考虑用 es 来承载，还有一些全文搜索类的操作，也可以用 es 来承载

在实际设计项目中，做高并发要远比上面提到的点要复杂的多。需要考虑：

哪些需要分库分表，哪些不需要分库分表，单库单表跟分库分表如何 join，哪些数据要放到缓存里去，放哪些数据才可以扛住高并发的请求

需要完成对一个复杂业务系统的分析之后，然后逐步逐步的加入高并发的系统架构的改造