高并发场景下的服务器部署方案
- 什么是并发量？什么是吞吐量？
- 高并发场景下的服务器部署方案
- 实战环境中负载均衡策略
- 如何对项目应用进行拆分与划分
- 大型企业级项目容器化改造
响应时间RT：应用执行一个操作所需要的时间，包括从发出请求开始到最后收到响应所需要的的时间
并发量：同一时刻系统能同时处理的数量，服务器同时处理的请求数（查询类请求数，事务类请求数）
吞吐量：系统在单位时间内处理的请求的数量
TPS:每秒事务的处理数
QPS：每秒查询量
RPS：每秒请求数
QPS（TPS）=并发数/平均响应时间RT
分布式：系统中的多个模块在不同的服务器上部署
高可用：系统中部分节点失效，其他节点能够接替他继续提供服务
集群：一个特定领域的条件部署在多台服务器上，并且作为一个整体提供服务
负载均衡：请求发送到系统时，通过某些方式把请求均匀分布到多个节点，使得系统中的每个节点都能均匀的处理请求负载。
正向代理：代理服务器代替系统内部来访问外部的过程
反向代理：外部请求访问系统时通过代理服务器转发到内部服务器的过程
Spring:基于JavaEE的分布式开放平台
Redis：主从副用；即两个节点，一个节点挂了另一个节点可以备用。类似功能rabbitMQ\zookeeper
——>高可用
微服：所有服务拆分，部署到不同的服务器上。
——>集群
Tomcat架构中：Nginx实现负载均衡，同样实现正向代理。
正向代理：FQ（即知道目标但是拿不到）。举例来讲：我想买新疆羊腿但是不想自己过去，此时我可以在淘宝网上进行购买，淘宝就实现了正向代理，加强服务的功能。
反向代理：（即具体在什么位置不知道）比如想买一件衣服，这件衣服在国内无法购买，但我可以描述他的大概，具体的操作由海外代购进行购买，至于海外代购怎么去，去哪个专柜我们都不得而知。
发展初期——单服时代
输入域名——>DNS解析域名（店家购买域名——>绑定店家的IP地址）
Tomcat和DB数据库在同一个服务器终端中
第二时期——双服务器时代
大大提高了效率。
第三时期——增加缓存
矛盾的出现
随着数据库的体量越来越大，于是导致了数据库后台等待被执行的线程越来越多，可是数据库的读写的吞吐量是一定的，缓存数据库具有读写速度快的优点，为解决这一问题，memcached登场了
Memcached：是一套分布式的快取系统，与redis相似，通过缓存数据库查询结果减少数据库的访问次数，以提高动态Web应用的速度，提高可扩展性。是一种基于内存的服务，可承担几十万的并发量，tomcat负责负载均衡。
进一步
如果memcache仍无法满足如此之大的读写需要，此时缓存型数据库redis可用于辅助。Redis是一种缓存形势的数据库拥有读写速度快、内存小的特点。内存小就是仍然需要DB的原因。
再进一步
Tomcat可承载的访问需求进一步提升此时，tomcat无法承受如此大的访问量了，一般的解决方案是多加几个tomcat就可以顺利解决了
此时又存在一个问题，我们都知道线程是抢占式的执行方式，我们放三个tomcat，会不会有一个时刻的巧合是所有的任务都被一个tomcat抢占，而另外两个tomcat却没事可做呢？为了避免这种情况的出现于是就有了Nginx的出现来实现不同Tomcat的负载均衡。
此时仍然具有一个问题，Redis在存储达到阈值时会自动删除一些数据，
即大家听说过的Redis的缓存击穿、缓存雪崩、缓存穿透。
特别是例如秒杀活动等访问量过大的时候极易容易发生。
下一时期——读写分离
第五时期——分表
此时，数据库的体量进一步增大，导致每次查询的运行时间较长。解决的方式是将最近的数据拿出来，以时间维度重新排列数据表，如此检索的数据量将大大减小。Mycat可以实现数据库的读写分离，分表等
这么做的目的正是拆分流量。例如百度的网页每次只显示一页的内容，如果需要更多内容则需要点击下一页。
第六阶段--——LVS\F5
这一阶段产生的原因在于数据量的进一步加大。众所周知Nginx只能承载接近五万的并发量。此时将会从源头对于流量进行一定程度上的限制。如此我们便需要对Nginx进行负载均衡。在网络的第四层做负载均衡，从而部署多台Nginx。
此时LVS/F5出现了LVS是负责软件层面，F5则负责硬件层面。
到此，这就是一个完整机房的部署，同时我们需要注意到如果是单个机房，通常若服务挂掉了，则整个体系就会全部瘫痪，称之为宕机，为应对这种情况，通常会采取一台备用。
第七阶段——机房的负载均衡
按照上一阶段的部署，我们已经拥有不同的机房了，此时利用KEEPALIVED的技术可以帮助生成虚拟的IP地址。
第八节段——后台地址任不够用
基于上一步，用户需要进行多元化的数据存储（声音、视频等），这时就有可能出现后台地址不够用的情况，此时我们需要非关系型数据库（NOSQL）例如mongdb，来搭建分布式数据库。
进入这一阶段，无论是文件存储还是检索数据都受到极大的挑战。
提供搜索引擎全文检索功能的elasticsearch、分布式文件存储系统
Hdfs（用以存储GB级别的数据）、fastdfs（用于存储MB级别的数据）、七千云阿里云应运而生。
第九阶段——微服的时代
当今为大家所熟知的Spring全家桶正是微服时代的应用，通过对于应用或者业务的拆分来提升工作效率，例如我们所看到的聚划算、百亿补贴、物流查询、天猫都是基于此项微服的技术来实现的。