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。
高并发相关的常见指标有哪些?
响应时间(Response Time)
吞吐量(Throughput)
每秒查询率QPS(Query Per Second)
并发用户数
什么是响应时间?
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。
什么是吞吐量?
单位时间内处理的请求数量。
什么是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。
什么是并发用户数?
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。
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)
水平扩展(Scale Out)
什么是垂直扩展?
垂直扩展是指，提升单机处理能力，垂直扩展的方式又有两种：
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;
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;
画外音：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。
垂直扩展有什么瓶颈?
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。
如何突破单机的极限?
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。
什么是水平扩展?
只要增加服务器数量，就能线性扩充系统性能。
常见的互联网分层架构如何?
各层该如何落地水平扩展?
常见互联网分布式架构如上，分为：
客户端层：典型调用方是浏览器browser或者手机应用APP;
反向代理层：系统入口，反向代理;
站点应用层：实现核心应用逻辑，返回html或者json;
服务层：如果实现了服务化，就有这一层;
数据-缓存层：缓存加速访问存储;
数据-数据库层：数据库固化数据存储;
要想真个系统支持水平扩展，就必须每一层都支持水平扩展。
反向代理层如何进行水平扩展?
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。
站点层如何进行水平扩展?
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。
画外音：nginx是个例子，有可能是LVS或者F5等反向代理。
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。
服务层如何进行水平扩展?
服务层的水平扩展，是通过“服务连接池”实现的。
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。
画外音：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。
数据层如何进行水平扩展?
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：
1. 按照范围水平拆分
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;
2. 按照哈希水平拆分
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;
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，有什么本质的不同?
画外音：这两个方案千万别搞混。
通过水平拆分扩展数据库性能：
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;
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;
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：
每个服务器上存储的数据量是和总量相同;
n个服务器上的数据都一样，都是全集;
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。
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法主要有两种：
垂直扩展(Scale Up)
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：
反向代理层可以通过“DNS轮询”的方式来进行水平扩展;
站点层可以通过nginx来进行水平扩展;
服务层可以通过服务连接池来进行水平扩展;
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。
思路比结论重要。
（文章来源：58深剑）
