高并发解决方案：缓存、MQ与数据库优化-优快云博客

本文链接：https://blog.youkuaiyun.com/fu18838928050/article/details/127532039

本文介绍了处理高并发的几种方法：通过系统拆分利用Dubbo进行微服务化，使用缓存如Redis提高读取速度，利用MQ（消息队列）如RabbitMQ或Kafka进行异步处理降低数据库压力，实施数据库的分库分表策略，以及采用读写分离技术以分散读操作。这些策略旨在有效应对高并发场景，确保系统的稳定性和性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1：系统拆分
将一个系统拆分为多个子系统，用dubbo来搞。然后每个系统连一个数据库，这样本来就一个库，现在多个数据库，这样就可以抗高并发。

2：缓存，必须得用缓存。
        大部分的高并发场景，都是读多写少，那你完全可以在数据库和缓存里都写一份，然后读的时候大量走缓存不就得了。毕竟人家redis轻轻松松单机几万的并发啊。没问题的。所以你可以考的虑考虑你的项目里，那些承载主要请求读场景，怎么用缓存来抗高并发。
3：MQ(消息队列)
        必须得用MQ。可能你还是会出现高并发写的场景，比如说一个业务操作里要频繁搞数据库几十次，增删改增删改，疯了。那高并发绝对搞挂你的系统，人家是缓存你要是用redis来承载写那肯定不行，数据随时就被LRU(淘汰掉最不经常使用的)了，数据格式还无比简单，没有事务支持。所以该用mysql还得用mysql啊。那你咋办？用MQ吧，大量的写请求灌入MQ里，排队慢慢玩儿，后边系统消费后慢慢写，控制在mysql承载范围之内。所以你得考虑考虑你的项目里，那些承载复杂写业务逻辑的场景里，如何用MQ来异步写，提升并发性。MQ单机抗几万并发也是ok的。
4：分库分表
        可能到了最后数据库层面还是免不了抗高并发的要求，