基于互联网架构演进，构建秒杀系统

系统架构师思考

创新互联建站主营常山网站建设的网络公司,主营网站建设方案,重庆APP软件开发,常山h5成都小程序开发搭建,常山网站营销推广欢迎常山等地区企业咨询

秒杀活动是指网络商家为促销等目的组织会网上限时抢购活动，这种活动具有瞬时并发量大、库存量少和业务逻辑简单等特点。

设计一个秒杀系统需要考虑的因素很多，比如对现有业务的影响、网络带宽消耗以及超卖等因素。本文会讨论秒杀系统的各个环节可能存在的问题以及解决方案。

四大核心课题思考

一、JVM调优（调优原理，上线调优细节，掌握基本调优参数设置，调优一些经验），GC日志分析，进一步调优。

二、数据库调优（连接池调优，数据库常见设计调优，缓存）。

三、多级缓存优化（堆内缓存，分布式缓存，openresty内存字典， lua+redis实现接入层缓存）。

四、秒杀下单（高并发模式下实现下单操作—满足业务需求）-- Lock锁，AOP锁优化，分布式锁优化。

高性能架构

以用户为中心，提供快速的网页访问体验。主要参数有较短的响应时间、较大的并发处理能力、较高的吞吐量与稳定的性能参数。

可分为前端优化、应用层优化、代码层优化与存储层优化。

• 前端优化：网站业务逻辑之前的部分；--- vue ,react +nodejs – 工程化。
• 浏览器优化：减少HTTP请求数，使用浏览器缓存，启用压缩，CSS JS位置，JS异步，减少Cookie传输；CDN加速，反向代理。
• 应用层优化：处理网站业务的服务器。使用缓存，异步，集群，架构优化。
• 代码优化：多线程，资源复用（对象池，线程池等），良好的数据结构，JVM调优，单例，Cache等。
• 存储优化：缓存、固态硬盘、光纤传输、优化读写、磁盘冗余、分布式存储（HDFS）、NoSQL等。

总结：

①服务尽量进行拆分（微服务）---- 提高项目吞吐能力。

②尽量将请求拦截在上游服务（多级缓存）--- 90% ----> 数据库压力非常小，闲庭信步，数据库架构（主从架构）。

③代理层：做限速，限流。

④服务层：按照业务请求做队列的流量控制（流量削峰）。

可伸缩架构

伸缩性是指在不改变原有架构设计的基础上，通过添加/减少硬件（服务器）的方式，提高/降低系统的处理能力。

• 应用层：对应用进行垂直或水平切分。然后针对单一功能进行负载均衡（DNS、HTTP[反向代理]、IP、链路层）。
• 服务层：与应用层类似。
• 数据层：分库、分表、NoSQL等；常用算法Hash，一致性Hash。

云原生：项目运行云端，可以随时动态扩容—K8S。

8C+16G : 2000QPS +-。

 (此数字是估算结果，真实结果受到代码编写数据结构，业务逻辑，架构、rt,以现实测试结果)。

可扩展架构

SOA --- 微服务 --- 业务拆分模块 --- 新业务需求 --- 根据新业务需求创建新模块服务。

可以方便地进行功能模块的新增/移除，提供代码/模块级别良好的可扩展性。

• 模块化、组件化：高内聚，低耦合，提高复用性，扩展性。
• 稳定接口：定义稳定的接口，在接口不变的情况下，内部结构可以“随意”变化。
• 设计模式：应用面向对象思想，原则，使用设计模式，进行代码层面的设计。
• 消息队列：模块化的系统，通过消息队列进行交互，使模块之间的依赖解耦。
• 分布式服务：公用模块服务化，提供其他系统使用，提高可重用性，扩展性。

安全架构

对已知问题有有效的解决方案，对未知/潜在问题建立发现和防御机制。对于安全问题，首先要提高安全意识，建立一个安全的有效机制，从政策层面，组织层面进行保障，比如服务器密码不能泄露，密码每月更新，每周安全扫描等。

以制度化的方式，加强安全体系的建设。同时，需要注意与安全有关的各个环节。安全问题不容忽视，包括基础设施安全，应用系统安全，数据保密安全等。

 基础设施安全：

硬件采购，操作系统，网络环境方面的安全。一般采用正规渠道购买高质量的产品，选择安全的操作系统，及时修补漏洞，安装杀毒软件防火墙。防范病毒，后门。设置防火墙策略，建立DDOS防御系统，使用攻击检测系统，进行子网隔离等手段。

应用系统安全：

在程序开发时，对已知常用问题，使用正确的方式，在代码层面解决掉。防止跨站脚本攻击（XSS），注入攻击，跨站请求伪造（CSRF），错误信息，HTML注释，文件上传，路径遍历等。还可以使用Web应用防火墙（比如：ModSecurity），进行安全漏洞扫描等措施，加强应用级别的安全。

数据保密安全：

存储安全（存储在可靠的设备，实时，定时备份），保存安全（重要的信息加密保存，选择合适的人员复杂保存和检测等），传输安全（防止数据窃取和数据篡改）。

常用的加解密算法（单项散列加密[MD5、SHA]，对称加密[DES、3DES、RC]），非对称加密[RSA]等。

一、互联网架构演进思考

1、架构演进

单体架构（all in one） à水平拆分/SOA架构à微服务架构 àkubernetes云原生架构（微服务迁移到云原生）à ServiceMesh （服务网格架构，下一代微服务架构，云原生架构：istio） à serverless 架构 （无服务架构）。

企业架构转型：数字化转型。

传统架构过渡到云原生架构（容器云）。

2、 单体架构

（1）单体架构——所有业务都在同一个应用中，没有进行任何拆分。

注意：集中式架构模式，所有的请求都集中在同一个服务上面，对服务压力较大；因此这样的架构适合并发较小的架构；同时 同一个服务器中，数据库，项目都会抢占服务内存，cpu资源，造成服务性能问题。

（2）单体架构优化。

• 应用程序 MYSQL分离部署。
• 服务集群– 提升性能。
• 动态分离（静态资源存储CDN,nginx服务器）。
• 隔离术（线程池隔离，进程隔离）。
• 队列术 （blockingQueue,disruptor队列，RocketMQ）。
• 接入层限流（openresty）, 接口限流。
• MySQL优化（索引，缓存，表结构，分表分库，数据归档，冷热，SQL语句优化）。
• 引入lvs （linux virtual server）。
• DNS 解决上层流量瓶颈问题。
• 多级缓存。

（3）单体架构流量预估（单体架构真的不能承受亿级流量？？）单体架构：中小型企业，创业公司。

①传统项目（并发量小，业务简单，需求固定），项目体量比较小

②小程序

③追求极致性能的项目（业务量少）

④互联网项目（中小型企业，创业公司）

需求：

某网站平均一天下单量100w单，根据100w 评估一下系统的流量！

用户行为：

①产生的时间段：11:00 – 2:00  5:00 – 12:00 ，订单产生时间段：12h。

②每下一单会发生多少个请求：50QPS x 3 = 150 QPS。

计算流量：

100w / day * 150 QPS = 1.5 亿 ----- 亿级流量。

计算平均每一秒QPS：

1.5亿/12 h = 1250 QPS / 60min = 20W / 60s = 3400 QPS。

（4）单点架构优缺点。

单体架构优点：

①部署简单

②开发简单

③测试简单

④集群简单

⑤RT响应时间非常快速 —— 适合一些特点的项目（极端苛刻响应时间）。

单体架构问题：

①流量比较集中，所有的请求都集中一个服务中，单体无法应对

②无法实现敏捷开发，业务增大，代码结构越来越臃肿，维护变得非常困难单体架构：war  > 1G  --- IBM unix 高性能服务器 64cpus, 128GB  --- 1GB

③单体架构牵一发而动全身

④扩展性差

⑤稳定性差

3、架构拆分

随着业务流量增大，需求的增多，必须对架构进行改进，就需要对项目进行业务拆分；（水平拆分，垂直拆分）。

数据库水平拆分，垂直拆分模式：

（1）水平拆分模式。

（2）垂直拆分：SOA架构。

4、微服务架构

注意：微服务架构就是水平拆分和垂直拆分的架构结合，就是微服务架构。

5、ServiceMesh架构

ServiceMesh服务网格架构，CNCF把ServiceMesh定义为云原生架构，ServiceMesh落地级实现的成熟框架：Istio框架。

问题：为什么要是有ServiceMesh架构？

Spring Cloud alibaba微服务架构存在问题？

--ServiceMesh出现就是为了解决微服务架构中存在一些问题？

①服务性能监控(Zabbix,promutheus)2、服务限流(sentinel)

②服务降级(sentinel)

③服务熔断(sentinel)

④链路追踪(skywalking)

⑥日志监控(elk)

⑦服务告警

⑧负载均衡

以上一系列的问题，作为架构师，开发人员都需要全盘的考虑；开发微服务架构在服务治理，服务监控非常困难。

以上的工作和业务没有太多的关系，但是架构人员必须考虑，架构，设计，因此这些配套工作都会大大降低我们的开发效率，提升开发难度，增加开发成本。

6、Serverless

Serverless架构体系：无服务架构，面向未来的架构体系，从开发人员来说，不需要关心底层哪些和业务没有关系的代码，只需要开发业务即可。

例如：向CDN上传图片，视频文件。

①不需要上传到哪一个服务器

②不需要关心服务器是如何扩容的

这样的概念，思想就叫做Serverless。

总结：架构选型的时候，必须选择企业合适的架构，而不是采用最新架构。

二、性能调优思考-JVM

1、JVM的调优思考

思考题1

项目上线后，是什么原因促使必须进行jvm调优？

答案：调优的目的就是提升服务性能。

（1）jvm 堆内存空间对象太多（Java线程，垃圾对象），导致内存被占满，程序跑不动—性能严重下降。

调优：及时释放内存

（2）垃圾回收线程太多，频繁回收垃圾（垃圾回收线程也会占用内存资源，抢占cpu资源），必然会导致程序性能下降。

调优：防止频繁gc。

（3）垃圾回收导致stw(stop the world)。

调优：尽可能的减少gc次数。

思考题2

jvm调优本质是什么？

答案：jvm调优的本质就是（对内存的调优） 及时回收垃圾对象，释放内存空间；让程序性能得以提升，让其他业务线程可以获得更多内存空间；

思考题3

是否可以把JVM内存空设置的足够大（无限大），是不是就不需要垃圾回收呢？

前提条件：内存空间被装满了以后，才会触发垃圾回收器来回收垃圾。

答案：理论上是的，现实情况不行的！

寻址能力：

（是否有这么大的空间）。

32位操作系统 === 4GB 内存。

64位操作系统 === 16384 PB 内存空间。

Jvm堆内存空间大小的设置：必须设置一个合适的内存空间，不能太大，也不能太小。

问题1：考虑到寻址速度的问题，寻址一个对象消耗的时间比较长的。

问题2：一旦触发垃圾回收，将会是一个灾难；（只能重启服务器）。

2、JVM的调优原则

（1） gc的时间足够小（堆内存设置足够小）。

垃圾回收时间足够小，以为着jvm堆内存空间设置小一些，这样的话 垃圾对象寻址的时候消耗的时间就非常短，然后整个垃圾回收非常快速。

（2） gc的次数足够少 （jvm堆内存设置的足够大）。

Gc次数足够少，jvm堆内存空间必须设置的足够大；这样垃圾回收触发次数就会相应减少。

注意：原子1 ，原则2 相互冲突的，原则1&&原则2 。需要进行balance,内存空间既不能设置太大，也不能设置太小。

（3） 发生fullgc 周期足够长 （最好不发生full gc）。

 metaspace 永久代空间设置大小合理，metaspace一旦扩容，就会发生fullgc。

老年代空间设置一个合理的大小，防止full gc。

尽量让垃圾对象在年轻代被回收（90%）。

 尽量防止大对象的产生，一旦大对象多了以后，就可能发生full gc ,甚至oom。

3、JVM的调优原理

什么是垃圾?

JVM调优的本质：回收垃圾，及时释放内存空间。

但是什么是垃圾？

在内存中间中，哪些没有被引用的对象就是垃圾（高并发模式下，大量的请求在内存空间中创建了大量的对象，这些对象并不会主动消失，因此必须进行垃圾回收，当然Java垃圾回收必须我们自己编写垃圾回收代码，Java提供各种垃圾回收器帮助回收垃圾，JVM垃圾回收是自动进行的）。

一个对象的引用消失了，这个对象就是垃圾，因此此对象就必须被垃圾回收器进行回收，及时释放内存空间。

怎么找垃圾?

Jvm提供了2种方式找到这个垃圾对象：

（1）引用计数算法 找垃圾。

（2）根可达算法   找垃圾  hotspot 垃圾回收器都是使用这个算法。

（1）引用计数算法

引用计数算法：对每一个对象的引用数量进行一个计数，当引用数为0时，那么此对象就变成了一个垃圾对象。

存在问题：不能解决循环引用的问题，如果存在循环引用的话，无法发现垃圾。

这三个对象处于循环引用的状态，引用计数都不为0，因此无法判断这个3个对象是垃圾。

（2）根可达算法

根据根对象向下进行遍历，如果遍历不到的对象就是垃圾。

如何清除垃圾?

JVM提供了3种方式清除垃圾，分别是：

①mark-sweep  标记清楚算法。

②copying 拷贝算法。

③mark-compact 标记整理（压缩）算法。

①第一种算法：mark-sweep 标记清楚算法。

①使用根可达算法找到垃圾对象，对垃圾对象进标记 （做一个标记）。

②对标记对象进行删除（清除）。

优点：简单，高效。

缺点：清除的对象都不是一个连续的空间，清除垃圾后，产生很多内存碎片；不利于后期对象内存分配，及寻址。

②第二种算法：copying拷贝算法。

一开始就把内存控制一份为2，分为2个大小相同的的内存空间，另一半空间展示空闲：

①选择（寻址）存活对象。

②把存活对象拷贝到另一半空闲空间中，且是连续的内存空间。

③把存储对象拷贝结束后，另一半空间中全是垃圾，直接清除另一半空间即可。

优点：简单，内存空间是连续的，不存在内存空间碎片。

缺点：内存空间浪费。

③第三种算法：mark-compact标记整理（压缩）算法。

①选择（寻址）存活对象。

②把存活对象拷贝到另一半空闲空间中，且是连续的内存空间。

③把存储对象拷贝结束后，另一半空间中全是垃圾，直接清除另一半空间即可。

垃圾回收器

Java提供很多的垃圾回收器：10种垃圾回收器。

特点：

1、Serial Serial Old , parNew CMS , Parallel Scavenge Parallel Old  都属于物理分代垃圾回收器；年轻代，老年代分别使用不同的垃圾回收器。

2、G1 在逻辑上进行分代的，进行在使用上非常方便，关于年轻代，老年代只需要使用一个垃圾回收器即可。

3、ZGC  ZGC是一款JDK 11中新加入的具有实验性质的低延迟垃圾收集器。

4、Shenandoah OpenJDK 垃圾回收器。

5、Epsilon 是Debug使用的，调试环境下：验证jvm内存参数设置的可行性。

6、Serial Serial Old：串行化的垃圾回收器。

7、parNew CMS ：并行，并发的垃圾回收器。

8、Parallel Scavenge Parallel Old ：并行的垃圾回收器。

常用的垃圾回收器组合：

1、Serial + Serial Old: 串行化的垃圾回收器，适合单核心的cpu的服务情况。

2、parNew + CMS：响应时间优先组合。

3、Parallel Scavenge + Parallel Old ：吞吐量优先组合。

4、g1 ：逻辑上分代的垃圾回收器组合。

4、垃圾回收器原理

Serial+Serial Old

Serial : 年轻代的垃圾回收器，单线程的垃圾回收器；Serial Old是老年代的垃圾回收器，也是一个单线程的垃圾回收器，合适单核心cpu。

注意特点：

1、stw : 当进行gc的时候，整个业务线程都会被停止，如果stw时间过长，或者stw发生次数过多，都会影响程序的性能。

2、垃圾回收器线程：多线程，单线程，并发，并行。

Parallel Scavenge + Parallel Old

Parallel Scavenge + Parallel Old : 

并行的垃圾回收器；吞吐量优先的垃圾回收器组合，是JDK8默认的垃圾回收器；问题 : 什么是并发，并行？

并发：

并行：

PS + PO 回收垃圾的时候，采用的多线程模式回收垃圾。

注意特点：

1、stw : 当进行gc的时候，整个业务线程都会被停止，如果stw时间过长，或者stw发生次数过多，都会影响程序的性能。

2、垃圾回收器线程：多线程，单线程，并发，并行。

parNew+CMS

parNew : 并行垃圾回收器，年轻代的垃圾回收器。

CMS : 并发垃圾回收器，回收老年代的垃圾。

年轻代垃圾回收器：parNew。

老年代垃圾回收器：CMS。

注意：任何的垃圾回收器都无法避免 STW ，因此jvm调优实际上就是调整stw的时间。

G1

使用G1收集器时，它将整个Java堆划分成约2048个大小相同的独立Region块，每个Region块大小根据堆空间的实际大小。

而定，整体被控制 在1MB到32MB之间，且为2的N次幂，即1MB，2MB，4MB，8MB，16MB，32MB。可以通过-XX:G1HeapRegionsize设定。

所有的Region大小相同，且在JVM生命周期内不会被改变。

5、 内存分代模型

通过内存分代模型结构：大多数对象都会在年轻代被回收掉（90%+），很多对象都在15次的垃圾回收中被回收掉了，只有超过15次还没被回收掉的才会进入到老年代区域。

垃圾回收触发时机：

1、ps+po : 当堆内存被装满了，才会触发垃圾回收（eden区域满了，触发了垃圾回收，old区域满了，触发垃圾回收）。

2、cms 垃圾回收器。

①JDK1.5：68% ，当eden区域装对象达到68%时候，就会触发垃圾回收。

②JDK1.6+ : 92%才会触发垃圾回收器。

一个新对象被创建了，但是这个对象是一个大对象（查询全表），eden区域已经放不下了，此时会发生什么？

6、JVM的实战调优

明确：jvm调优本质

1、JVM调优本质就是 gc , 垃圾回收，及时释放内存空间。

2、gc次数要少，gc时间少，防止fulllgc --- 内存参数设置。

典型参数设置

服务器硬件配置：4cpu，8GB内存 --- jvm调优内存，考虑内存。

1、-Xmx4000m  设置JVM最大堆内存（经验值：3500m – 4000m,内存设置大小，没有一个固定的值，根据业务实际情况来进行设置的，根据压力测试，根据性能反馈情况，去做参数调试）。

2、-Xms4000m  设置JVM堆内存初始化的值，一般情况下，初始化的值和最大堆内存值必须一致，防止内存抖动。

3、-Xmn2g 设置年轻代内存对象（eden,s1,s2）。

4、-Xss256k 设置线程栈大小，JDK1.5+版本线程栈默认是1MB, 相同的内存情况下，线程堆栈越小，操作系统创建的线程越多。

nohup java -Xmx4000m -Xms4000m -Xmn2g -Xss256k -jar jshop-web-1.0-SNAPSHOT.jar --spring.config.addition-location=application.yaml > jshop.log 2>&1 &

压力测试：查看在此内存设置模式下性能情况：

根据压力测试结果，发现JVM参数设置，和之前没有设置吞吐能力没有太大的变化，因为测试样本不足以造成 gc,fullgc时间上差异。

问题：根据什么标准判断参数设置是否合理呢？？根据什么指标进行调优呢？1、发生几次gc, 是否频繁的发送gc?2、是否发生fullgc ,full gc发生是否合理3、gc的时间是否合理4、oom。

7、GC的日志输出

输出日志启动指令如下所示：

nohup java -Xmx4000m -Xms4000m -Xmn2g -Xss256k -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -XX:+PrintGCDateStamps -XX:+PrintHeapAtGC -Xloggc:gc.log  -jar jshop-web-1.0-SNAPSHOT.jar --spring.config.addition-location=application.yaml > jshop.log 2>&1 &

输出日志指令：

-XX:+PrintGCDetails 打印GC详细信息
-XX:+PrintGCTimeStamps 打印GC时间信息
-XX:+PrintGCDateStamps 打印GC日期的信息
-XX:+PrintHeapAtGC 打印GC堆内存信息
-Xloggc:gc.log 把gc信息输出gc.log文件中

执行启动指令后，在本地产生gc.log文件：

GC日志分析： 使用https://gceasy.io/导入gc.log 进行在线分析即可。

Gc日志分析报告：

总结：可以发现 业务线程执行时间占比达到99%+，说明gc时间在整个业务执行期间所占用的时间非常少，几乎不会影响程序性能；导致业务线程执行时间占比高的原因是：

1、程序样本数不够。

2、程序运行的时间不够。

3、业务场景不符合要求（查询没有太多的对象数据）。

存在问题：发生full gc。

GC详细数据分析：

fullgc频繁发生：

查询gc内存模型：jstat -gcutil PID  查询此进程的内存模型。

Metaspace永久代空间：默认为20m（初始化大小）；当metaspace被占满后，就会发生扩容，一旦metaspace发生一次扩容，就会同时发送一次fullgc 。

Sun公司推荐设置：年轻代占整个堆内存 3/8。

发现full gc 已经没有发生了。

Yong &old比例

Sun公司推荐设置：整个堆的大小=年轻代 + 老年代 + 永久代（256m）年轻代占整个堆内存3/8 , -Xmx4000m ， 因此整个堆内存设置大小为4000m，也就是说年轻代大小应该设置为1.5G：

①定义年轻代：-Xmn1500m，剩下的空间就是老年代的空间。

②参数：-XX:NewRatio = 4  表示年轻代（eden ,s0,s1） 和老年代区域所占比值 1:4。

年轻代大小，老年代大小比值根据业务实际情况设置比例，（通过设置相应的比例：减少相应yonggc ,fullgc）。

JVM调优的原则中：要求尽量防止fullgc的发生；因此可以把fullgc设置的稍微大一些；以为old区域装载对象很长时间才能装满（或者永远都装不满），发生fullgc概率就非常小。

Eden&s0&s1

官方给定设置：可以设置eden,s区域大小：8:1:1 à  -XX:SurvivorRatio = 8。

此调优的原理：尽量让对象在年轻代被回收；调大了eden区域的空间，让更多对象进入到eden区域，触发gc时候，更多的对象被回收。

nohup java -Xmx4000m -Xms4000m -Xmn1500m -Xss256k -XX:MetaspaceSize=256m -XX:SurvivorRatio=8 -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -XX:+PrintGCDateStamps -XX:+PrintHeapAtGC -Xloggc:gc.log  -jar jshop-web-1.0-SNAPSHOT.jar --spring.config.addition-location=application.yaml > jshop.log 2>&1 &

可以发现业务占比时间发送提升，说明gc时间更少了。

总结：JVM调优（调整内存大小、比例） 降低 gc次数，减少gc时间，从而提升服务性能。

调优标准：项目上线后，遇到问题，调优。

1、gc消耗时间 –业务时间占比。

2、频繁发生fullgc – 调优 – stw—程序暂停时间比较长，阻塞，导致整个程序崩溃。

3、oom --- 调优。

8、GC组合

吞吐量优先

并行的垃圾回收器：parallel scavenge(年轻代) + parallel old（老年代） ---- 是JDK默认的垃圾回收器。

nohup java -Xmx4000m -Xms4000m -Xmn1500m -Xss256k -XX:MetaspaceSize=256m -XX:SurvivorRatio=8 -XX:+UseParallelGC -XX:+UseParallelOldGC -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -XX:+PrintGCDateStamps -XX:+PrintHeapAtGC -Xloggc:gc.log  -jar jshop-web-1.0-SNAPSHOT.jar --spring.config.addition-location=application.yaml > jshop.log 2>&1 &

显式的配置PS+PO垃圾回收器：-XX:+UseParallelGC -XX:+UseParallelOldGC。

响应时间优先

并行垃圾回收器（年轻代），并发垃圾回收器(老年代) ：ParNew + CMS (响应时间优先垃圾回收器)。

nohup java -Xmx4000m -Xms4000m -Xmn1500m -Xss256k -XX:MetaspaceSize=256m -XX:SurvivorRatio=8 -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -XX:+PrintGCDateStamps -XX:+PrintHeapAtGC -Xloggc:gc.log  -jar jshop-web-1.0-SNAPSHOT.jar --spring.config.addition-location=application.yaml > jshop.log 2>&1 &

显式配置：parNew+CMS垃圾回收器组合：-XX:+UseParNewGC。

-XX:+UseConcMarkSweepGC。

说明：CMS只有再发生fullgc的时候才起到作用，CMS一般情况下不会发生；因此在jvm调优原则中表示尽量防止发生fullgc; 因此CMS在JDK14被已经被废弃。

G1垃圾回收器是逻辑上分代模型，使用配置简单。

nohup java -Xmx4000m -Xms4000m -Xmn1500m -Xss256k -XX:MetaspaceSize=256m -XX:SurvivorRatio=8 -XX:+UseG1GC -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -XX:+PrintGCDateStamps -XX:+PrintHeapAtGC -Xloggc:gc.log -jar jshop-web-1.0-SNAPSHOT.jar --spring.config.addition-location=application.yaml > jshop.log 2>&1 &

经过测试，发现g1 gc次数减少，由原来的28次减少为21次，但是gc总时长增加很多；时间增加，以为着服务性能就没有提升上去。

三、数据库连接池调优思考

1、数据库调优动机何在

（1）避免网页出现错误。

• Timeout 5xx 错误。
• 慢查询导致页面无法加载。
• 阻塞导致数据无法提交。

（2）增加数据库稳定性。

• 很多的数据库问题，都是由于低效的SQL语句造成的（写SQL语句）。

（3）优化用户体验。

• 流畅的业务访问体验。
• 良好的网站功能体验。

2、 影响数据库性能的因素

1、低效的SQL语句。

2、并发cpu问题（SQL语句不支持多核心的cpu并发计算，也就是说一个SQL只能在一个cpu执行结束）3、连接数：max_connections。

4、超高cpu使用率。

5、磁盘io性能问题6、大表（字段多，数据多）。

7、大事务。

数据库数据处理（困难）：数据库扩容非常困难—想要通过扩容提升数据库性能Web服务器扩容是非常简单的。

web服务器是无状态服务，可以随时进行扩容；但是数据库不能随意进行扩容，一旦扩容就会影响数据完整性，数据一致性；项目架构中提升性能：

1、对项目架构、业务，缓存各方面进行优化，真正数据库请求比较少—减少数据库压力。

2、数据库设计，架构，优化。

大多数企业：数据库采用主从架构解决问题；数据分表，分库，数据归档数据，能热分离。

3、连接池对性能样例分析（详细IP隐藏）

datasource:
#url: jdbc:mysql://127.0.0.1:3306/shop?useUnicode=true&characterEncoding=utf8&autoReconnect=true&allowMultiQueries=true
  url: jdbc:mysql://XX.XX.XX.XX:3306/shop?useUnicode=true&characterEncoding=utf8&autoReconnect=true&allowMultiQueries=true&connectionTimeout=3000&socketTimeout=1200
            

                网页题目：基于互联网架构演进，构建秒杀系统
                

                文章源于：http://www.mswzjz.cn/qtweb/news27/117177.html
            
            

                攀枝花网站建设、攀枝花网站运维推广公司-贝锐智能，是专注品牌与效果的网络营销公司；服务项目有等
                                
            

                广告
                
            
            

                声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：
                贝锐智能