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