好記憶不如爛筆頭，能記下點東西，就記下點，有時間拿出來看看，也會發覺不一樣的感受。

這篇文章不錯，做系統的時候，很多地方都用到了！

在Web負載均衡（請戳我）中我們講完了Web系統的負載均衡策略，現在我們開始關注我們Web系統自身的效能問題。我們的Web站點隨著訪問量的上升，會遇到很多的挑戰，解決這些問題不僅僅是擴容機器這麼簡單，建立和使用合適的快取機制才是根本。

最開始，我們的Web系統架構可能是這樣的，每個環節，都可能只有1臺機器

我們從最根本的資料儲存開始看哈。

MySQL的快取機制，就從先從MySQL內部開始，下面的內容將以最常見的InnoDB儲存引擎

1. 建立恰當的索引

最簡單的是建立索引，索引在表資料比較大的時候，起到快速檢索資料的作用，但是也是有壞處的。首先，佔用了一定的磁碟空間，其中組合索引最突出，使用需要謹慎，它產生的索引甚至會比源資料更大。其次，建立索引之後的資料insert/update/delete等操作，因為需要更新原來的索引，耗時會增加。當然，實際上我們的系統從總體來說，是以select查詢操作居多，因此，索引的使用仍然對系統性能有大幅提升的作用。

2. 資料庫連線執行緒池快取

如果，每一個數據庫操作請求都需要建立和銷燬連線的話，對資料庫來說，無疑也是一種巨大的開銷。為了減少這型別的開銷，可以在MySQL中配置thread_cache_size

其實，還有更為激進一點的做法，使用pconnect（資料庫長連線），執行緒一旦建立在很長時間內都保持著。但是，在訪問量比較大，機器比較多的情況下，這種用法很可能會導致“資料庫連線數耗盡”，因為建立連線並不回收，最終達到資料庫的max_connections（最大連線數）。因此，長連線的用法通常需要在CGI和MySQL之間實現一個“連線池”服務，控制CGI機器“盲目”建立連線數。

建立資料庫連線池服務，有很多實現的方式，PHP的話，我推薦使用swoole（PHP的一個網路通訊拓展）來實現。

3. Innodb快取設定（innodb_buffer_pool_size）

innodb_buffer_pool_size這是個用來儲存索引和資料的記憶體快取區，如果機器是MySQL獨佔的機器，一般推薦為機器實體記憶體的80%。在取表資料的場景中，它可以減少磁碟IO。一般來說，這個值設定越大，cache命中率會越高。

4. 分庫/分表/分割槽。

MySQL資料庫表一般承受資料量在百萬級別，再往上增長，各項效能將會出現大幅度下降，因此，當我們預見資料量會超過這個量級的時候，建議進行分庫/分表/分割槽等操作。最好的做法，是服務在搭建之初就設計為分庫分表的儲存模式，從根本上杜絕中後期的風險。不過，會犧牲一些便利性，例如列表式的查詢，同時，也增加了維護的複雜度。不過，到了資料量千萬級別或者以上的時候，我們會發現，它們都是值得的。

1臺MySQL機器，實際上是高風險的單點，因為如果它掛了，我們Web服務就不可用了。而且，隨著Web系統訪問量繼續增加，終於有一天，我們發現1臺MySQL伺服器無法支撐下去，我們開始需要使用更多的MySQL機器。當引入多臺MySQL機器的時候，很多新的問題又將產生。

1. 建立MySQL主從，從庫作為備份

這種做法純粹為了解決“單點故障”的問題，在主庫出故障的時候，切換到從庫。不過，這種做法實際上有點浪費資源，因為從庫實際上被閒著了。

2. MySQL讀寫分離，主庫寫，從庫讀。

兩臺資料庫做讀寫分離，主庫負責寫入類的操作，從庫負責讀的操作。並且，如果主庫發生故障，仍然不影響讀的操作，同時也可以將全部讀寫都臨時切換到從庫中（需要注意流量，可能會因為流量過大，把從庫也拖垮）

3. 主主互備

兩臺MySQL之間互為彼此的從庫，同時又是主庫。這種方案，既做到了訪問量的壓力分流，同時也解決了“單點故障”問題。任何一臺故障，都還有另外一套可供使用的服務。

不過，這種方案，只能用在兩臺機器的場景。如果業務拓展還是很快的話，可以選擇將業務分離，建立多個主主互備。

每當我們解決一個問題，新的問題必然誕生在舊的解決方案上。當我們有多臺MySQL，在業務高峰期，很可能出現兩個庫之間的資料有延遲的場景。並且，網路和機器負載等，也會影響資料同步的延遲。我們曾經遇到過，在日訪問量接近1億的特殊場景下，出現，從庫資料需要很多天才能同步追上主庫的資料。這種場景下，從庫基本失去效用了。

於是，解決同步問題，就是我們下一步需要關注的點。

1. MySQL自帶多執行緒同步

MySQL5.6開始支援主庫和從庫資料同步，走多執行緒。但是，限制也是比較明顯的，只能以庫為單位。MySQL資料同步是通過binlog日誌，主庫寫入到binlog日誌的操作，是具有順序的，尤其當SQL操作中含有對於表結構的修改等操作，對於後續的SQL語句操作是有影響的。因此，從庫同步資料，必須走單程序。

2. 自己實現解析binlog，多執行緒寫入。

以資料庫的表為單位，解析binlog多張表同時做資料同步。這樣做的話，的確能夠加快資料同步的效率，但是，如果表和表之間存在結構關係或者資料依賴的話，則同樣存在寫入順序的問題。這種方式，可用於一些比較穩定並且相對獨立的資料表。

國內一線網際網路公司，大部分都是通過這種方式，來加快資料同步效率。還有更為激進的做法，是直接解析binlog，忽略以表為單位，直接寫入。但是這種做法，實現複雜，使用範圍就更受到限制，只能用於一些場景特殊的資料庫中（沒有表結構變更，表和表之間沒有資料依賴等特殊表）。

實際上，解決大訪問量的問題，不能僅僅著眼於資料庫層面。根據“二八定律”，80%的請求只關注在20%的熱點資料上。因此，我們應該建立Web伺服器和資料庫之間的快取機制。這種機制，可以用磁碟作為快取，也可以用記憶體快取的方式。通過它們，將大部分的熱點資料查詢，阻擋在資料庫之前。

1. 頁面靜態化

使用者訪問網站的某個頁面，頁面上的大部分內容在很長一段時間內，可能都是沒有變化的。例如一篇新聞報道，一旦釋出幾乎是不會修改內容的。這樣的話，通過CGI生成的靜態html頁面快取到Web伺服器的磁碟本地。除了第一次，是通過動態CGI查詢資料庫獲取之外，之後都直接將本地磁碟檔案返回給使用者。

在Web系統規模比較小的時候，這種做法看似完美。但是，一旦Web系統規模變大，例如當我有100臺的Web伺服器的時候。那樣這些磁碟檔案，將會有100份，這個是資源浪費，也不好維護。這個時候有人會想，可以集中一臺伺服器存起來，呵呵，不如看看下面一種快取方式吧，它就是這樣做的。

2. 單臺記憶體快取

通過頁面靜態化的例子中，我們可以知道將“快取”搭建在Web機器本機是不好維護的，會帶來更多問題（實際上，通過PHP的apc拓展，可通過Key/value操作Web伺服器的本機記憶體）。因此，我們選擇搭建的記憶體快取服務，也必須是一個獨立的服務。

記憶體快取的選擇，主要有redis/memcache。從效能上說，兩者差別不大，從功能豐富程度上說，Redis更勝一籌。

3. 記憶體快取叢集

當我們搭建單臺記憶體快取完畢，我們又會面臨單點故障的問題，因此，我們必須將它變成一個叢集。簡單的做法，是給他增加一個slave作為備份機器。但是，如果請求量真的很多，我們發現cache命中率不高，需要更多的機器記憶體呢？因此，我們更建議將它配置成一個叢集。例如，類似redis cluster。

Redis cluster叢集內的Redis互為多組主從，同時每個節點都可以接受請求，在拓展叢集的時候比較方便。客戶端可以向任意一個節點發送請求，如果是它的“負責”的內容，則直接返回內容。否則，查詢實際負責Redis節點，然後將地址告知客戶端，客戶端重新請求。

對於使用快取服務的客戶端來說，這一切是透明的。

記憶體快取服務在切換的時候，是有一定風險的。從A叢集切換到B叢集的過程中，必須保證B叢集提前做好“預熱”（B叢集的記憶體中的熱點資料，應該儘量與A叢集相同，否則，切換的一瞬間大量請求內容，在B叢集的記憶體快取中查詢不到，流量直接衝擊後端的資料庫服務，很可能導致資料庫宕機）。

4. 減少資料庫“寫”

上面的機制，都實現減少資料庫的“讀”的操作，但是，寫的操作也是一個大的壓力。寫的操作，雖然無法減少，但是可以通過合併請求，來起到減輕壓力的效果。這個時候，我們就需要在記憶體快取叢集和資料庫叢集之間，建立一個修改同步機制。

先將修改請求生效在cache中，讓外界查詢顯示正常，然後將這些sql修改放入到一個佇列中儲存起來，佇列滿或者每隔一段時間，合併為一個請求到資料庫中更新資料庫。

除了上述通過改變系統架構的方式提升寫的效能外，MySQL本身也可以通過配置引數innodb_flush_log_at_trx_commit來調整寫入磁碟的策略。如果機器成本允許，從硬體層面解決問題，可以選擇老一點的RAID（Redundant Arrays of independent Disks，磁碟列陣）或者比較新的SSD（Solid State Drives，固態硬碟）。

5. NoSQL儲存

不管資料庫的讀還是寫，當流量再進一步上漲，終會達到“人力有窮時”的場景。繼續加機器的成本比較高，並且不一定可以真正解決問題的時候。這個時候，部分核心資料，就可以考慮使用NoSQL的資料庫。NoSQL儲存，大部分都是採用key-value的方式，這裡比較推薦使用上面介紹過Redis，Redis本身是一個記憶體cache，同時也可以當做一個儲存來使用，讓它直接將資料落地到磁碟。

這樣的話，我們就將資料庫中某些被頻繁讀寫的資料，分離出來，放在我們新搭建的Redis儲存叢集中，又進一步減輕原來MySQL資料庫的壓力，同時因為Redis本身是個記憶體級別的Cache，讀寫的效能都會大幅度提升。

國內一線網際網路公司，架構上採用的解決方案很多是類似於上述方案，不過，使用的cache服務卻不一定是Redis，他們會有更豐富的其他選擇，甚至根據自身業務特點開發出自己的NoSQL服務。

6. 空節點查詢問題

當我們搭建完前面所說的全部服務，認為Web系統已經很強的時候。我們還是那句話，新的問題還是會來的。空節點查詢，是指那些資料庫中根本不存在的資料請求。例如，我請求查詢一個不存在人員資訊，系統會從各級快取逐級查詢，最後查到到資料庫本身，然後才得出查詢不到的結論，返回給前端。因為各級cache對它無效，這個請求是非常消耗系統資源的，而如果大量的空節點查詢，是可以衝擊到系統服務的。

在我曾經的工作經歷中，曾深受其害。因此，為了維護Web系統的穩定性，設計適當的空節點過濾機制，非常有必要。我們當時採用的方式，就是設計一張簡單的記錄對映表。將存在的記錄儲存起來，放入到一臺記憶體cache中，這樣的話，如果還有空節點查詢，則在快取這一層就被阻擋了。

Web系統會隨著訪問規模的增長，漸漸地從1臺伺服器可以滿足需求，一直成長為“龐然大物”的大叢集。而這個Web系統變大的過程，實際上就是我們解決問題的過程。在不同的階段，解決不同的問題，而新的問題又誕生在舊的解決方案之上。系統的優化是沒有極限的，軟體和系統架構也一直在快速發展，新的方案解決了老的問題，同時也帶來新的挑戰。

from : https://mp.weixin.qq.com/s?__biz=MzIwNTc4NTEwOQ==&mid=2247484263&idx=1&sn=a77a68dd0d89de44eb936769456ba547&chksm=972ad21da05d5b0b59966d33238566a2166bf96b5e55334488b31bf212156a91935f9c84b323&mpshare=1&scene=23&srcid=1225o88YMZFMjwxT4cyTIgQq#rd