PHP高并发和大流量解决方案整理
一、高并发的概念
在互联网时代，并发，高并发通常是指并发访问。也就是在某个时间点，有多少个访问同时到来。
二、高并发架构相关概念
1、QPS (每秒查询率) : 每秒钟请求或者查询的数量，在互联网领域，指每秒响应请求数(指HTTP请求)
2、PV（Page View）：综合浏览量，即页面浏览量或者点击量，一个访客在24小时内访问的页面数量
--注：同一个人浏览你的网站的同一页面，只记做一次pv
3、吞吐量（fetches/sec） ：单位时间内处理的请求数量 （通常由QPS和并发数决定）
4、响应时间：从请求发出到收到响应花费的时间
5、独立访客（UV）：一定时间范围内，相同访客多次访问网站，只计算为1个独立访客
6、带宽：计算带宽需关注两个指标，峰值流量和页面的平均大小
7、日网站带宽： PV/统计时间（换算到秒） * 平均页面大小（kb）* 8
三、需要注意点：
1、QPS不等于并发连接数（QPS是每秒HTTP请求数量，并发连接数是系统同时处理的请求数量）
2、峰值每秒请求数（QPS）= （总PV数*80%）/ （六小时秒数*20%）【代表80%的访问量都集中在20%的时间内】
3、压力测试： 测试能承受的最大并发数 以及测试最大承受的QPS值
4、常用的性能测试工具【ab，wrk，httpload，Web Bench，Siege，Apache JMeter】
四、优化
1、当QPS小于50时
优化方案:为一般小型网站,不用考虑优化
2、当QPS达到100时,遇到数据查询瓶颈
优化方案: 数据库缓存层,数据库的负载均衡
3、当QPS达到800时, 遇到带宽瓶颈
优化方案:CDN加速,负载均衡
4、当QPS达到1000时
优化方案: 做html静态缓存
5、当QPS达到2000时
优化方案: 做业务分离,分布式存储
五、高并发解决方案案例:
1、流量优化
防盗链处理(去除恶意请求)
2、前端优化
(1) 减少HTTP请求[将css,js等合并]
(2) 添加异步请求(先不将所有数据都展示给用户,用户触发某个事件,才会异步请求数据)
(3) 启用浏览器缓存和文件压缩
(4) CDN加速
(5) 建立独立的图片服务器(减少I/O)
3、服务端优化
(1) 页面静态化
(2) 并发处理
(3) 队列处理
4、数据库优化
(1) 数据库缓存
(2) 分库分表,分区
(3) 读写分离
(4) 负载均衡
5、web服务器优化
(1) nginx反向代理实现负载均衡
扩展内容大家可以参阅：PHP如何解决网站大流量与高并发的问题
以上就是本次介绍的全部相关知识点，更多补充内容可以联系小编。
-
主要内容：1.难题与方案,2.具体措施,3.九种技术架构1.难题与方案 1、亿级流量电商网站的商品详情页系统架构 面临难题：对于每天上亿流量，拥有上亿页面的大型电商网站来说，能够支撑高并发访问，同时能够秒级让最新模板生效的商品详情页系统的架构是如何设计的? 解决方案：异步多级缓存架构+nginx本地化缓存+动态模板渲染的架构 2、redis企业级集群架构 面临难题：如何让redis集群支撑几十万QPS高并发+99.99%高可用+TB级海量数据+企业级数
-
本文向大家介绍高并发系统数据幂等的解决方案，包括了高并发系统数据幂等的解决方案的使用技巧和注意事项，需要的朋友参考一下 前言 在系统开发过程中，经常遇到数据重复插入、重复更新、消息重发发送等等问题，因为应用系统的复杂逻辑以及网络交互存在的不确定性，会导致这一重复现象，但是有些逻辑是需要有幂等特性的，否则造成的后果会比较严重，例如订单重复创建，这时候带来的问题可是非同一般啊。 什么是系统的幂等性 幂
-
本文向大家介绍PHP利用Mysql锁解决高并发的方法，包括了PHP利用Mysql锁解决高并发的方法的使用技巧和注意事项，需要的朋友参考一下 前面写过利用文件锁来处理高并发的问题的，现在我们说另外一个处理方式，利用Mysql的锁来解决高并发的问题 先看没有利用事务的时候并发的后果 创建库存管理表 创建订单管理表 测试代码 我们预置库存是十个，然后执行ab测试查看结果 得到了订单共有12个，而库存表的
-
给定CodingBat中的任务sameEnds： 如果数组开头和结尾的数字组相同，则返回true。例如，对于，n=0和n=2的endpoint相同，n=1和n=3的endpoint相同。您可以假设n在0范围内。。nums。长度（含）。 我对这个问题的解决方案通过了绝大多数测试，但不是所有测试： 我的问题如下： 如何修复我的解决方案 是否可以使用流API解决此任务
-
给定来自CodingBat的任务sumNumbers sumNumbers： 给定一个字符串，返回字符串中出现的数字之和，忽略所有其他字符。数字是一行中一个或多个数字字符的序列。（注意：Character.isDigit（char）测试字符是否为字符“0”、“1”、…、'9'. 整数parseInt（string）将字符串转换为int.） 我对这个问题的解决方案如下： 是否可以使用流API解决此问
-
主要内容：1.负载均衡,2.分布式微服务,3.缓存机制,4.分布式关系型数据库,5.分布式消息队列,6.CDN 内容分发网络,7.其他,8.总结1.负载均衡 靠优化单台机器的内存、CPU、磁盘、网络带宽，使其发挥极致性能，已经不太现实。 负载均衡，它的职责是将网络请求 “均摊”到不同的机器上。避免集群中部分服务器压力过大，而另一些服务器比较空闲的情况 通过负载均衡，可以让每台服务器获取到适合自己处理能力的负载。在为高负载服务器分流的同时，还可以避免资源浪费，一举两得。 常见的负载算法： 随机算法