
您好楼主希望对您有帮助高并发对后台开发同学来说,既熟悉又陌生。熟悉是因为面试和工作经常会提及它。陌生的原由是服务器因高并发导致出现各位问题的情况少之又少。同时,想收获这方面的经验也是摸着石头过河,需要大量学习理论知识,再去探索。
如果是客户端开发的同学,字典中是没有“高并发”这个名词。这验证一句老话,隔行如隔山。客户端开发,特别是手机应用开发,更多地是考虑如何优化应用的性能,降低App的卡顿率
在这个“云”的时代,提高分布式系统并发能力的方式,方法论上主要有两种:垂直扩展(ScaleUp)与水平扩展(ScaleOut)。
1)垂直扩展
提升单机处理能力。垂直扩展的方式又有两种:
增强单机硬件性能,例如:增加CPU核数如32核,升级更好的网卡如万兆,升级更好的硬盘如SSD,扩充硬盘容量如2T,扩充系统内存如128G;
提升单机架构性能,例如:使用Cache来减少I/O次数,使用异步来增加单服务吞吐量,使用无锁数据结构来减少响应时间;
2)水平扩展
只要增加服务器数量,就能线性扩充系统性能。虚拟化技术的出现,让水平扩展变得轻松且简单。现在的云主机几乎是虚拟主机,而不是物理主机。这样的话,线性扩充也就是分分钟的事,前提是要有足够的物理主机支撑。
Web框架层
Web框架层就是我们开发出来的DjangoWeb应用程序。它负责处理>
WSGI层
WSGI不是用于与程序交互的API,也不是真实的代码,WSGI只是一种接口。它只适用于Python语言,其全称为WebServerGatewayInterface。其定义了web服务器和web应用之间的接口规范。
Web服务器层
Web服务层作用是主要是接收>
特别是Nginx,它的出现是为了解决C10K问题。Nginx依靠异步事件驱动架构来帮助其处理大量的并发会话,由于其对资源的轻量利用和伸缩自如的特性,它成为了广受欢迎的web服务器。
Django框架注重的数据交互。所以考虑的问题是Django适不适合于高并发的场景。
它是一个经过大型网站规模验证的框架。Instagram支撑上亿日活,所以Django能适用于高并发场景。所以不是想着Django框架能支撑到多大的并发量,而是我们想要抗住很大的并发量,怎么优化现有框架。总之这个问题不是这么简单的活到老学到老多看看技术类书籍结合自己的能力在进行改进
一般是SAN和NAS两种体系。网络接入存储(Network-Attached Storage,简称NAS)和存储区域网络(Storage Area Network,简称SAN)
存储区域网络(Storage Area Network,简称SAN)采用光纤通道(Fibre Channel)技术,通过光纤通道交换机连接存储阵列和服务器主机,建立专用于数据存储的区域网络。SAN经过十多年历史的发展,已经相当成熟,成为业界的事实标准(但各个厂商的光纤交换技术不完全相同,其服务器和SAN存储有兼容性的要求)。SAN存储采用的带宽从100MB/s、200MB/s,发展到目前的1Gbps、2Gbps。
网络接入存储(Network-Attached Storage,简称NAS)采用网络(TCP/IP、ATM、FDDI)技术,通过网络交换机连接存储系统和服务器主机,建立专用于数据存储的存储私网。随着IP网络技术的发展,网络接入存储(NAS)技术发生质的飞跃。早期80年代末到90年代初的10Mbps带宽,网络接入存储作为文件服务器存储,性能受带宽影响;后来快速以太网(100Mbps)、VLAN虚网、Trunk(Ethernet Channel) 以太网通道的出现,网络接入存储的读写性能得到改善;1998年千兆以太网(1000Mbps)的出现和投入商用,为网络接入存储(NAS)带来质的变化和市场广泛认可。由于网络接入存储采用TCP/IP网络进行数据交换,
NAS:用户通过TCP/IP协议访问数据,采用业界标准文件共享协议如:NFS、>云服务器是基于规模化的物理服务器集群,每个集群节点被部署在骨干数据中心,可独立提供计算、存储、带宽等互联网基础设施服务。
小鸟云服务器配备纯SSD架构打造的高性能存储,提供优质、高效、d性伸缩的云计算服务。同时可d性扩展的资源用量,最大程度的节省IT运营成本,提高资源的有效利用率。
云服务器的物理架构,由存储服务器集群、计算服务器集群、基础架构管理服务器和网络交换机组成。其中,存储服务器集群构建虚拟资源池,具备超大容量,为节点内的云虚拟机提供逻辑磁盘存储、非结构数据存储以及整合备份服务;计算服务器集群,通过虚拟化技术整合,由控制平台按需生成、调配计算资源;管理服务器,采取双机热备的方式,对整个节点的所有计算服务器、共享存储、网络进行管理,同时对外提供管理整个节点的API;网络交换机,负责管理网段、公网交换网段、内部交换网段、存储网段等。
欢迎分享,转载请注明来源:内存溢出
微信扫一扫
支付宝扫一扫
评论列表(0条)