B/S 系统出现的问题都可以从网络、软件和硬件三个方面来进行分析和解决。海量数据和高并发也是这样。

内网一般不会成为瓶颈，因为外网和硬件会在它之前出现瓶颈。本文说道的网络特指外网。

海量数据的主要问题是硬件资源出现瓶颈，无法支撑海量数据的访问与存储。

高并发的主要问题不仅包括硬件资源瓶颈，还包括网络资源瓶颈。网络资源瓶颈主要指的是网络的带宽，在本文指的是外网的带宽。

下面分别对海量数据和高并发问题的三个方面进行分析，并提供一些解决方案。

一、海量数据

（一）网络问题

数据的访问一般是通过内网访问，所以可以忽略网络问题。

（二）软件问题

虽然海量数据的主要问题是硬件问题，但是，通过软件方面的优化，可以减少数据的访问次数，这也能从一定程度上解决部分问题。

软件优化可以从访问、代码、存储三个方面进行。

1、访问

访问优化是减少客户端对服务端的访问次数，具体方法有：

• 页面缓存；

• 页面静态化；

• 表单前端验证。

2、代码

代码优化是减少应用层对数据的访问次数。常用的方法有批量读取、延迟修改、SQL 优化和数据缓存等。

1）批量读取

批量读取是将多次查询合并到一次中进行，减少查询次数。

2）延迟修改

延迟修改主要针对需要频繁添加或修改的数据，如一些统计数据。这种情况可以先将需要修改的数据暂时保存到缓存中，然后定时将缓存中的数据保存到数据库中，程序在读取数据时可以同时读取数据库中和缓存中的数据。

3）SQL 优化

SQL 语句优化要根据具体的业务需求来进行。

4）数据缓存

数据缓存就是将一部分数据或对象暂时保存在内存中，以此来分担数据库的压力。可以使用 NoSQL 数据库来实现，比如 Memcache、Redis、MongoDB 等。

NoSQL 数据库去掉了数据结构，非常易于扩展，而且有非常高的读写性能，尤其在大数据量下，表现优秀。NoSQL 天生支持分布式。

3、存储

存储优化包括数据库优化和数据分离。

1）数据库优化

数据库优化主要指优化数据结构和索引。

2）数据分离

数据分离是指将数据拆分到多个表或者多个数据库，即分表和分库。（本节讲的是软件优化，所以拆分的数据库仍然在同一台服务器上）

常见的数据分离方法有：

• 分离数据库中活跃的数据；

• 读写分离；

• 分离到 NoSQL 数据库；

• 按业务的拆分；

（三）硬件问题

硬件问题可以从增加硬件配置、增加服务器数量两个方面来解决。

1、增加硬件配置

增加硬件配置能在一定程度上提升数据库的处理能力，但是根本解决海量数据的问题。

2、增加服务器数量

增加服务器数量有两种做法，一种是做分布式，另一种是做负载均衡。

1）分布式

分布式是将不同的应用放在不同的服务器上，让多台服务器协同来完成一个系统的运行。比如将数据库服务器独立出来。

2）负载均衡

负载均衡是把同一个应用放在不同的服务器上，。

海量数据一样存在高并发的问题

二、高并发

（一）网络

网络资源瓶颈就是带宽不够用，

要解决带宽资源不够用的问题，

第一步可以增加带宽；

第二步就是分流，比如将图片、视频等静态资源转移到CDN；

第三步就是减少带宽的使用，比如在客户端缓存数据，提交表单前在客户端做数据验证，避免无效的提交。

（二）软件

高并发在软件方面的优化主要是客户端缓存，主要有：

• 页面缓存；

• 页面静态化；

• 表单前端验证。

（三）硬件

硬件资源瓶颈就是服务器性能不够用。

要解决服务器性能的问题，要么增加硬件配置，要么增加服务器数量。

增加服务器数量有两种方法，一种是做分布式，将不同的应用放在不同的服务器；然后做负载均衡，把同一个应用放在不同的服务器上。