关注△mikechen△，十余年BAT架构经验倾囊相授！
大家好，我是mikechen。
TPS是高并发非常重要的指标，是大型架构的必备技能，下面我就全面来详解TPS和高并发@mikechen
最新mikechen原创超30万字《阿里架构师进阶专题合集》和《大厂最全面试题及答案合集》，请关注本公众号【mikechen的架构笔记】，后台回复：合集，即可领取。
高并发
高并发，就是短时间内处理大量请求，比如：阿里的“双11”，每秒几十万的订单，这就是典型的高并发。
多少TPS算高并发
一般我们会用：数据来衡量“并发量”，这里非常重要的一个数据，就是“TPS”。
TPS，
TPS 是评价高并发系统的重要指标之一，通常在：支付、订单处理、实时交易系统...等等中使用。
TPS，开源帮助开发人员、和运维人员，快速了解系统在高负载下的稳定性、和处理能力。
通常在行业中，大致可以将 TPS 标准粗略划分如下：
1,000 TPS 以下：低并发，一般系统都能应对；
1,000 - 5,000 TPS：中等并发，适用于小型电商、一般中型业务应用...等等；
5,000 - 10,000 TPS：高并发，适用于大型电商、金融交易系统...等对实时响应有较高要求的场景；
10,000 TPS 以上：超高并发，一般为互联网巨头、和高峰流量应用场景。
比如：刚才我谈到的阿里双11等场景，就是大型电商促销、秒杀活动...等，这类的并发量就是非常高。
为支持“10,000 TPS ”，或者更高的 TPS，系统通常会采用一些技术、和架构优化，比如：
数据优化
通过简化查询逻辑、减少 JOIN、避免不必要的排序、和分组操作，提升 SQL 执行效率。
分库分表
以及，大家经常熟知的“分库分表”，这些都是典型的数据优化方案。
分库分表，是应对数据库高并发、和大数据量的有效手段，特别适合在请求量、和数据规模增长时缓解数据库压力。
比如：将数据按一定规则，（如：用户 ID、订单 ID...等等）分散到多个数据库中。
再比如：用户表按照用户 ID 的范围...等等，拆分到不同数据库中。
事务拆分
对于需要较长时间处理的事务，拆分成多个小事务分批执行，减轻单个事务的负载。
这种拆分可减少锁的持有时间，降低死锁风险，提升并发能力。
例如：将批量处理拆成小批次操作，逐步提交，避免单次事务消耗过多资源。
缓存优化
引入缓存机制，（如: Redis、Memcached...等等），来减少对数据库的访问频率，加速数据响应。
缓存优化，这也是提升“TPS”的一大利器。
负载均衡
使用负载均衡器，比如：Nginx、HAProxy、LVS...等等，将请求分发至多台服务器，以降低单台服务器的压力。
这里的负载，就会涉及到具体的：负载均衡策略。
常见的，包含：
轮询（Round Robin）
按顺序分发请求，适合轻量应用；
最小连接数
将请求发往当前连接数最少的服务器，适合长连接场景；
权重轮询
根据服务器的性能设置权重，高性能服务器承担更多请求。
通过负载均衡，分散请求负载，减少系统瓶颈，从而，提升整体的 TPS。
流量削峰
将一些耗时任务，比如：订单处理、日志记录、邮件发送。。。等等，放入消息队列。
比如：：Kafka、RocketMQ...等等中异步处理，实现“削峰填谷”。
削峰填谷，就是通过队列缓冲高峰期的请求，平滑系统负载。
结合这些技术手段可以有效地提升系统的 TPS，满足高并发场景下的需求。
以上
最后送大家一个福利：
送我原创超30万字阿里架构师进阶专题合集。
以及给大家整理最全大厂Java面试题及答案详解，包含：Java、多线程、JVM、Spring、MySQL、Redis、中间件...等必考题答案详解。
需要以上架构专题&面试答案的同学，加我微信即可领取！
添加时备注：资料
