大家在面试中是不是经常被问到一个问题：“如果你系统的流量增加 N 倍你要怎么重新设计你的系统？”
这个高并发的问题可以从各个层面去解，主要包括以下几点。
1、代码层面
- 锁优化（采用无锁数据结构），主要是 concurrent 包下面的关于 AQS 锁的一些内容
- 数据库缓存设计（降低数据库并发争抢压力），这里又会有缓存、DB 数据不一致的问题，在实际使用中，高并发系统和数据一致性系统采用的策略会截然相反。
- 数据更新时采用合并更新，可以在应用层去做更新合并，同一个 Container 在同一时间只会有一个 DB 更新请求。
- 其他的比如基于 BloomFilter 的空间换时间、通过异步化降低处理时间、通过多线程并发执行等等。
2、数据库层面
- 根据不同的存储诉求来进行不同的存储选型，从早期的 RDBMS，再到 NoSql（KV 存储、文档数据库、全文索引引擎等等），再到最新的 NewSql（TiDB、Google spanner/F1 DB）等等。表数据结构的设计，字段类型选择与区别。
- 索引设计，需要关注聚簇索引原理与覆盖索引消除排序等，至于最左匹配原则都是烂大街的常识了，高级一点索引消除排序的一些机制等等，B+树与 B 树的区别。
- 最后的常规手段：分库分表、读写分离、数据分片、热点数据拆分等等，高并发往往会做数据分桶，这里面往深了去说又有很多，比如分桶如何初始化、路由规则、最后阶段怎么把数据合并等等，比较经典的方式就是把桶分成一个主桶+N 个分桶。
3、架构设计层面
- 分布式系统为服务化
- 无状态化支持水平弹性扩缩容
- 业务逻辑层面 failfast 快速失败
- 调用链路热点数据前置
- 多级缓存设计
- 提前容量规划等等
总结
所谓高并发，常常意味着大流量，需要运用技术手段抵抗流量的冲击，这些手段好比操作流量，能让流量更平稳地被系统所处理，带给用户更好的体验。高并发确实是一个复杂且系统性的问题，由于篇幅有限，诸如分布式Trace、全链路压测、柔性事务都是要考虑的技术点。另外，如果业务场景不同，高并发的落地方案也会存在差异，但是总体的设计思路和可借鉴的方案基本类似。高并发设计同样要秉承架构设计的3个原则：简单、合适和严谨。不能脱离业务的实际情况，更不要过度设计，合适的方案就是最完美的。
