亿级流量网站架构核心技术-高并发

9. 应用级缓存

NULL Cache Object， 防止对象不存在，穿透访问db

缓存与db更新策略：

      Cache Aside：同一个数据写竞争比较激烈，对数据一致性要求很高时适合，（写db成功后删除cache）

      其他方式：根据业务场景灵活处理，比如可以先写缓存，再异步写db；也可以先写db 再写缓存，要考虑业务对数据一致性的容忍情况

 

10. Http缓存

Cache-Control：max-age=2 浏览器缓存多久，单位秒

Last-Modified: 上次修改时间，浏览器请求会将这个放到下次request的If-Modified-Since

ETag：是发送到服务端用于验证的（本身也是服务端下发的），nginx默认使用 Last-Modified 和 content-length 计算 ETag

Gzip：Nginx开启可以显著降低带宽

 

以上参数nginx都可以配置，对于静态资源以上参数还是非常有必要的，有业务也会根据需要在web工程内部设置

 

11. 多级缓存

分布式缓存Redis要避免大Value存储，热点数据考虑能否本地缓存

 

13. 异步并发实战

研究下CompletableFuture的实现原理

 

14. 扩容和拆分

接入CDN，接入层做一定限流，业务拆分（业务隔离带来更高的稳定性），多机房多活

 

数据库shard实现： 客户端方案（需要封装到client）和中间件方案（多一层proxy）

如何动态扩容分库分表： 360开源的Atlas，阿里的MyCat

 

作必要的数据异构：比如订单系统，需要根据orderId shard存储订单，还需要根据userId shard 存储用户的订单（方便查询用户的所有订单）

 

15. 队列

队列通常可以解耦、削峰、异步化次要流程等

基于Canal实现数据异构（消费bin log）

消费Mysql Bin Log的场景

1） 同步缓存，保证写缓存的顺序性（缺点是有延迟），还可以通过修改消费offset进行重放保证缓存正确性

2）下发任务，可以通过单一消费bin log，转发到kafka, 其他各依赖系统消费kafka，这样减轻其他业务对db的依赖。对于订单场景，如果同时写订单表和用户订单表难以保证两个操作的一致性，通过消费订单表的bin log来写用户订单表可以很好的保证两者的一致性（消费bin log失败可以加各种重试和补偿策略），业务逻辑也更清晰

 

对于消费Bin log的情况，mysql bin log 要配置成 row 模式？只有一个进程消费bin log，其他都是冷备，通过这样来保证消费的顺序性？