关于并发大数量的几个问题

nanguasansan101 2014-04-17 09:25:52
关于并发大数量的几个问题
1:解决高并发大数量 有一个方法是负载均衡 负载均衡在机器上面可以配置 。 但是需要用代码(比如java) 来做些什么呢?
2:数据库方面可以做分区分表分库来处理 有什么劣势 ?主要的开销是什么呢? 还有数据库方面的读写分离是什么意思?
3:还有一种叫异步批量处理 里面提到的" 异步请求”是什么意思 ?队列方式处理 是什么意思?
4:并发大数据量处理还有什么其他的解决方案?
在线坐等大牛解答 。!
...全文
157 1 打赏 收藏 举报
写回复
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
MiceRice 2014-04-18
  • 打赏
  • 举报
回复
1:解决高并发大数量 有一个方法是负载均衡 负载均衡在机器上面可以配置 。 但是需要用代码(比如java) 来做些什么呢? —— 设计上考虑共享资源竞争资源的同步机制及互斥访问机制;简单举例比如:页面访问量统计的采集。 —— 代码则是具体实现层面要怎么避免的问题了;细化点举例就是单JVM中 多个线程对某静态变量执行 i++ 的问题延伸到多个JVM甚至多个物理机器上了。 2:数据库方面可以做分区分表分库来处理 有什么劣势 ?主要的开销是什么呢? 还有数据库方面的读写分离是什么意思? —— 主要作用都是围绕两大类问题:降低数据访问规模(处理量),分散访问热点(竞争度), —— 分区的好处是代码逻辑透明性最强,属于高性价比解决方案,但有环境和能力局限性; —— 分表则已经需要在设计和代码上进行考虑,可以提供更高的效果,复杂度也随之上升; —— 分库所能提供的能力效果最高,甚至可以做到容错容灾,但复杂度也最高。 3:还有一种叫异步批量处理 里面提到的" 异步请求”是什么意思 ?队列方式处理 是什么意思? —— 综合起来 简单举例,比如:JMS 4:并发大数据量处理还有什么其他的解决方案? —— 比如:网格计算、分布式计算、云计算,具体方案则有很多,比如出名的:MapReduce
相关推荐
发帖
高性能WEB开发

2.5w+

社区成员

高性能WEB开发
社区管理员
  • 高性能WEB开发社区
加入社区
帖子事件
创建了帖子
2014-04-17 09:25
社区公告
暂无公告