Python
Python解决高并发的几种方式
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
-
By - C灵C
-
2021年7月10日 16:42
一、什么是高并发
高并发相关常用的一些指标有：
响应时间（Response Time）
吞吐量（Throughput）
QPS每秒查询率（Query Per Second）
并发用户数等。
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。
吞吐量：单位时间内处理的请求数量。
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。
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。
二、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）。
垂直扩展：提升单机处理能力，垂直扩展的方式又有两种：
（1）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；
（2）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；
增强单机硬件性能往往是最快的方法，但单机性能总是有极限的。所以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。
水平扩展：只要增加服务器数量，就能线性扩充系统性能。
Python解决高并发的几种方式：
1.HTML页面静态化
2.图片服务器分离（例如fastdfs轻量级的分布式文件存储系统）
3.使用缓存（redis作为缓存的数据库）
4.数据库集群、库表散列
5.使用负载均衡的方法，简单的配置可以用nginx来配置，例：
upstream djangoserver {
server192.168.72.49:8080;
server192.168.72.49:8081;
}
6.镜像
7.CDN加速技术
三、常见的互联网分层架构
1、客户端层：典型调用方是浏览器或手机APP
2、反向代理层：系统入口，反向代理
3、站点应用层：实现核心应用逻辑，返回html或者json
4、服务层：如果实现了服务化，就有这一层
5、数据-缓存层：缓存加速访问存储
6、数据-数据库层：数据库固化数据存储
四、分层水平扩展架构实践
1、反向代理层的水平扩展
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。
2、站点层的水平扩展
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。
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。
3、服务层的水平扩展
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。
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。
4、数据层的水平扩展
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，例：
user0库，存储uid范围1-1kw
user1库，存储uid范围1kw-2kw
好处：
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：
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，例：
user0库，存储偶数uid数据
user1库，存储奇数uid数据
好处：
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：
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。
文章评论