- 综合排序
- 最热优先
- 最新优先
- 来自专栏坚毅的PHP
mysql 高并发更新计数问题
问题：功能为链接的点击计数，其他两个计数更新 还有两个内容表的插入，只插入链接对应的id，分4个库，共128个表，mysql每天有5000万次插入和5000万次更新操作，压力负载过大，需要想方案，对计数更新做合并处理
2.6K80发布于 2018-03-20 - 来自专栏全栈程序员必看
利用Redis实现高并发计数器
业务需求中经常有需要用到计数器的场景：譬如一个手机号一天限制发送5条短信、一个接口一分钟限制多少请求、一个接口一天限制调用多少次等等。使用Redis的Incr自增命令可以轻松实现以上需求。 ReqJson.error(CarError.ONLY_5_TIMES_A_DAY_CAN_BE_FOUND)); return; } //没超过限制，业务逻辑…… } 每次调用接口之前，先获得下计数器自增后的值
2.3K20编辑于 2022-09-01 - 来自专栏平凡文摘
高可用高并发的 9 种技术架构！
所以虽然分层架构模式最初的目的是规划软件清晰的逻辑结构以便于开发维护，但在网站的发展过程中，分层结构对网站支持高并发向分布式方向的发展至关重要。 ? 2、冗余 网站需要7×24小时连续运行，那么就得有相应的冗余机制，以防某台机器宕掉时无法访问，而冗余则可以通过部署至少两台服务器构成一个集群实现服务高可用。数据库除了定期备份还需要实现冷热备份。 网站越大，功能越复杂，服务和数据处理的种类也越多，将这些不同的功能和服务分隔开来，包装成高内聚低耦合的模块单元，不仅有助于软件的开发维护也便于不同模块的分布式部署，提高网站的并发处理能力和功能扩展能力。 静态资源分布式部署可以减轻应用服务器的负载压力；通过使用独立域名加快浏览器并发加载的速度。 9、缓存 缓存目的就是减轻服务器的计算，使数据直接返回给用户。在现在的软件设计中，缓存已经无处不在。具体实现有CDN、反向代理、本地缓存、分布式缓存等。
77250发布于 2018-07-03 - 来自专栏Java技术栈
高可用高并发的 9 种技术架构！
所以虽然分层架构模式最初的目的是规划软件清晰的逻辑结构以便于开发维护，但在网站的发展过程中，分层结构对网站支持高并发向分布式方向的发展至关重要。 ? 2、冗余 网站需要7×24小时连续运行，那么就得有相应的冗余机制，以防某台机器宕掉时无法访问，而冗余则可以通过部署至少两台服务器构成一个集群实现服务高可用。数据库除了定期备份还需要实现冷热备份。 网站越大，功能越复杂，服务和数据处理的种类也越多，将这些不同的功能和服务分隔开来，包装成高内聚低耦合的模块单元，不仅有助于软件的开发维护也便于不同模块的分布式部署，提高网站的并发处理能力和功能扩展能力。 静态资源分布式部署可以减轻应用服务器的负载压力；通过使用独立域名加快浏览器并发加载的速度。 9、缓存 缓存目的就是减轻服务器的计算，使数据直接返回给用户。在现在的软件设计中，缓存已经无处不在。具体实现有CDN、反向代理、本地缓存、分布式缓存等。
66350发布于 2018-07-31 - 来自专栏搜云库技术团队
高并发文章浏览量计数系统设计
作者：荒野七叔 https://juejin.im/post/5c3aa3c86fb9a04a0e2d6c9f 最近因为个人网站的文章浏览量计数在Chrome浏览器下有BUG，所以打算重新实现这个功能 由于最近在学习高并发方面的知识，所以这里也考虑一下，如果一个高并发的文章浏览量计数系统，应该如何设计？ 先来理一下需求。 9、尽可能优化性能，满足多个用户的高并发需求。 设计思路 如果要满足高并发，那首先考虑用异步和缓存。所以考虑使用多线程加Redis的解决方案。 后记 虽然最后权衡了并发量和复杂性，我的个人网站的文章浏览逻辑并没有完全按照上述设计思路来做，但上述思路是我对一个高并发文章浏览量计数系统设计的思考，以后如果有机会可以写一个开源的版本。 Java并发编程75道面试题及答案 MQ消息队列应用场景比较介绍 动图+源码+总结：数据结构执行过程及原理 我们来谈下高并发和分布式中的幂等处理 大型分布式系统中的缓存架构 美团面试经历，贡献出来一起学习
3.3K22发布于 2019-10-17 - 来自专栏活动盒子
9种高性能高可用高并发的技术架构
所谓网站架构模式即为了解决大型网站面临的高并发访问、海量数据、高可靠运行等一系列问题与挑战。 但在网站的发展过程中，分层结构对网站支持高并发，向分布式方向的发展至关重要。 网站越大，功能越复杂，服务和数据处理的种类也越多，将这些不同的功能和服务分隔开来，包装成高内聚低耦合的模块单元，不仅有助于软件的开发维护也便于不同模块的分布式部署，提高网站的并发处理能力和功能扩展能力。 静态资源分布式部署可以减轻应用服务器的负载压力；通过使用独立域名加快浏览器并发加载的速度。 9、缓存 缓存目的就是减轻服务器的计算，使数据直接返回给用户。在现在的软件设计中，缓存已经无处不在。具体实现有CDN、反向代理、本地缓存、分布式缓存等。
2K30发布于 2019-04-18 - 来自专栏路人甲Java
java高并发系列 - 第32天：高并发中计数器的实现方式有哪些？
本文主要内容 4种方式实现计数器功能，对比其性能 介绍LongAdder 介绍LongAccumulator 需求：一个jvm中实现一个计数器功能，需保证多线程情况下数据正确性。 java高并发系列目录 1.java高并发系列-第1天:必须知道的几个概念 2.java高并发系列-第2天:并发级别 3.java高并发系列-第3天:有关并行的两个重要定律 4.java高并发系列 - 8.java高并发系列 - 第8天:线程组 9.java高并发系列 - 第9天:用户线程和守护线程 10.java高并发系列 - 第10天:线程安全和synchronized关键字 11.java高并发系列 19.java高并发系列 - 第19天：JUC中的Executor框架详解1 20.java高并发系列 - 第20天：JUC中的Executor框架详解2 21.java高并发系列 -第21天：java 27.java高并发系列 -第27天：实战篇，接口性能提升几倍原来这么简单 28.java高并发系列 -第28天：实战篇，微服务日志的伤痛，一并帮你解决掉 29.java高并发系列 -第29天：高并发中常见的限流方式
2K10发布于 2019-12-10 - 来自专栏猫头虎博客专区
高并发幂等计数器的设计与实现
高并发幂等计数器的设计与实现 摘要 本文探讨了如何实现一个高并发、幂等的计数器服务，该服务用于处理外部的 inc 请求以增加特定视频的播放计数。 这样的设计不仅确保了高并发处理能力，还实现了请求的幂等性。 引言 在分布式系统中，高并发和幂等性是两个非常关键的问题。本文将探讨如何实现一个高并发、幂等的计数器服务。 问题描述: 高并发幂等计数器题目 问题描述： 1．实现一个计数器服务 2．服务接收外部的 inc 请求，每个请求具有全局唯一 request id 和视频 id 3．因为网络和重试的原因，请求可能会重复的到达 这样，我们就得到了一个高并发、幂等的计数器服务。 总结 通过使用 Redis 进行幂等性检查，以及使用 MySQL 进行持久化存储，我们成功地实现了一个高并发、幂等的计数器服务。
56410编辑于 2024-04-09 - 来自专栏运维经验分享
ApacheTomcat 8 9 安全配置与高并发优化
maxIdleTime="60000" prestartminSpareThreads = "true" maxQueueSize = "100" /> 参数解释： maxThreads：最大并发数 如果使用Servlet 3.0异步处理,默认是使用大maxThreads和预期的并发请求的最大数量(同步和异步)。
1.4K20发布于 2019-03-15 - 来自专栏码农编程进阶笔记
高并发实战：海量数据的计数器要如何实现？
那么，面临着高并发、大数据量、数据强一致要求的挑战，微博的计数系统是如何设计和演进的呢？你又能从中借鉴什么经验呢？ 支撑高并发的计数系统要如何设计 刚开始设计计数系统的时候，微博的流量还没有现在这么夸张，我们本着 KISS（Keep It Simple and Stupid）原则，尽量将系统设计的简单易维护，所以，我们使用 而信息流的访问量巨大，仅仅靠数据库已经完全不能承担如此高的并发量了。 讲到这里，我其实已经告诉你一个支撑高并发查询请求的计数系统是如何实现的了。 在经过了上面这些优化之后，我们的计数服务就可以支撑高并发大数据量的考验，无论是在性能上、成本上和可用性上都能够达到业务的需求了。
35110编辑于 2025-03-17 - 来自专栏云社区全球资讯抢先看
9种高性能可用高并发的技术架构
所以虽然分层架构模式最初的目的是规划软件清晰的逻辑结构以便于开发维护，但在网站的发展过程中，分层结构对网站支持高并发向分布式方向的发展至关重要。 2、冗余 网站需要7×24小时连续运行，那么就得有相应的冗余机制，以防某台机器宕掉时无法访问，而冗余则可以通过部署至少两台服务器构成一个集群实现服务高可用。数据库除了定期备份还需要实现冷热备份。 网站越大，功能越复杂，服务和数据处理的种类也越多，将这些不同的功能和服务分隔开来，包装成高内聚低耦合的模块单元，不仅有助于软件的开发维护也便于不同模块的分布式部署，提高网站的并发处理能力和功能扩展能力。 静态资源分布式部署可以减轻应用服务器的负载压力;通过使用独立域名加快浏览器并发加载的速度。 9、缓存 缓存目的就是减轻服务器的计算，使数据直接返回给用户。在现在的软件设计中，缓存已经无处不在。具体实现有CDN、反向代理、本地缓存、分布式缓存等。
2.2K00发布于 2017-12-25 - 来自专栏企鹅号快讯
9种高性能可用高并发的技术架构
所以虽然分层架构模式最初的目的是规划软件清晰的逻辑结构以便于开发维护，但在网站的发展过程中，分层结构对网站支持高并发向分布式方向的发展至关重要。 2、冗余 网站需要7×24小时连续运行，那么就得有相应的冗余机制，以防某台机器宕掉时无法访问，而冗余则可以通过部署至少两台服务器构成一个集群实现服务高可用。数据库除了定期备份还需要实现冷热备份。 网站越大，功能越复杂，服务和数据处理的种类也越多，将这些不同的功能和服务分隔开来，包装成高内聚低耦合的模块单元，不仅有助于软件的开发维护也便于不同模块的分布式部署，提高网站的并发处理能力和功能扩展能力。 静态资源分布式部署可以减轻应用服务器的负载压力;通过使用独立域名加快浏览器并发加载的速度。 9、缓存 缓存目的就是减轻服务器的计算，使数据直接返回给用户。在现在的软件设计中，缓存已经无处不在。具体实现有CDN、反向代理、本地缓存、分布式缓存等。
67181发布于 2018-02-26 - 来自专栏JAVA高级架构
9种高性能可用高并发的技术架构
所以虽然分层架构模式最初的目的是规划软件清晰的逻辑结构以便于开发维护，但在网站的发展过程中，分层结构对网站支持高并发向分布式方向的发展至关重要。 ? 2、冗余 网站需要7×24小时连续运行，那么就得有相应的冗余机制，以防某台机器宕掉时无法访问，而冗余则可以通过部署至少两台服务器构成一个集群实现服务高可用。数据库除了定期备份还需要实现冷热备份。 网站越大，功能越复杂，服务和数据处理的种类也越多，将这些不同的功能和服务分隔开来，包装成高内聚低耦合的模块单元，不仅有助于软件的开发维护也便于不同模块的分布式部署，提高网站的并发处理能力和功能扩展能力。 静态资源分布式部署可以减轻应用服务器的负载压力;通过使用独立域名加快浏览器并发加载的速度。 9、缓存 缓存目的就是减轻服务器的计算，使数据直接返回给用户。在现在的软件设计中，缓存已经无处不在。具体实现有CDN、反向代理、本地缓存、分布式缓存等。
722110发布于 2018-04-19 - 来自专栏nginx
高并发场景下Redis精确计数与时间窗口过期方案实战
高并发场景下Redis精确计数与时间窗口过期方案实战 引言 在实时数据处理系统中，我们经常需要统计某个事件在特定时间窗口内的发生次数，例如： 统计用户每小时访问次数 限制设备每分钟请求频率 广告曝光按小时去重计数 这类需求通常面临两个核心挑战： 高并发计数：多台服务器同时读写同一个计数器 精确时间窗口：数据到点自动过期，避免累积 本文将详细介绍如何基于 Redis 实现高性能、高可用的计数方案，并提供完整的Java 一、Redis计数方案选型 1.1 为什么选择Redis？ 方案 QPS 数据一致性 实现复杂度 数据库+事务 ~1K 强一致 高 本地缓存 ~100K 最终一致 中 Redis原子操作 50K+ 强一致 低 Redis的单线程模型天然适合计数场景，提供INCR 精确到小时的时间窗口控制 分布式环境下的强一致性 最佳实践建议： 生产环境优先选择Lua脚本方案 对于超高并发场景（如双11），可增加本地缓存层 定期检查Redis内存使用情况 完整代码示例已上传GitHub
30110编辑于 2025-11-15 - 来自专栏DevOps
高并发系统架构设计之实战篇34：计数系统设计之计数器设计
引言 在之前的课程中，我分别从数据库、缓存、消息队列和分布式服务化的角度，带你了解了面对高并发的时候要如何保证系统的高性能、高可用和高可扩展。 那么，面临着高并发、大数据量、数据强一致要求的挑战，微博的计数系统是如何设计和演进的呢？你又能从中借鉴什么经验呢？ 而信息流的访问量巨大，仅仅靠数据库已经完全不能承担如此高的并发量了。 讲到这里，我其实已经告诉你一个支撑高并发查询请求的计数系统是如何实现的了。 在经过了上面这些优化之后，我们的计数服务就可以支撑高并发大数据量的考验，无论是在性能上、成本上和可用性上都能够达到业务的需求了。
82211编辑于 2024-03-29 - 来自专栏架构专题
没有预热，不叫高并发，叫并发高
大家都知道，高并发系统有三把斧子：缓存、熔断和限流。但还有一把斧子，经常被遗忘在角落里，郁郁不得志，那就是预热。 ? 现象举例 先说两个现象。这些现象，只能在并发高的系统中出现。 一、DB重启后，瞬间死亡 一个高并发环境下的DB，进程死亡后进行重启。由于业务处在高峰期间，上游的负载均衡策略发生了重分配。刚刚启动的DB瞬间接受了1/3的流量，然后load疯狂飙升，直至再无响应。 当服务重新加入集群时，却发生了大量高耗时的请求，在请求量高的情况下，甚至大批大批的失败。 引起的原因大概可以归结于： 1、服务启动后，jvm并未完全准备完毕，JIT未编译等。 当系统长期处于低水位的情况下，流量突然增加时，直接把系统拉升到高水位可能瞬间把系统压垮。
3.2K21发布于 2019-07-10 - 来自专栏路人甲Java
java高并发系列 - 第9天：用户线程和守护线程
java高并发系列第9篇文章 守护线程是一种特殊的线程，在后台默默地完成一些系统性的服务，比如垃圾回收线程、JIT线程都是守护线程。 java高并发系列目录： 1.java高并发系列-第1天:必须知道的几个概念 2.java高并发系列-第2天:并发级别 3.java高并发系列-第3天:有关并行的两个重要定律 4.java高并发系列 - 第4天:JMM相关的一些概念 5.java并发系列第5天-深入理解进程和线程 6.java高并发系列 - 第6天:线程的基本操作 7.java高并发系列 - 第7天:volatile与Java内存模型 8.java高并发系列 - 第8天:线程组
85620发布于 2019-12-10 - 来自专栏咖啡拿铁
Java并发计数器探秘
前言 一提到线程安全的并发计数器，AtomicLong 必然是第一个被联想到的工具。Atomic* 一系列的原子类以及它们背后的 CAS 无锁算法，常常是高性能，高并发的代名词。 本文将会阐释，在并发场景下，使用 AtomicLong 来充当并发计数器将会是一个糟糕的设计，实际上存在不少 AtomicLong 之外的计数器方案。 无论在 Jdk1.7 还是 Jdk1.8 中，Atomic* 的开销都是很大的，主要体现在： 高并发下，CAS 操作可能会频繁失败，真正更新成功的线程占少数。 底层指令的开销不见得很低，无论是 LOCK XADD 还是 LOCK CMPXCHG，想深究的朋友可以参考 instruction_tables ，（这一点可能有点钻牛角尖，但不失为一个角度去分析高并发下可行的优化 关注整体性能，CounterBenchmark.rw 是对一组场景的整合打分，可以发现，在我们模拟的高并发计数器场景下，1.8 的 LongAdder 获得整体最低的延迟 98 ns，相比性能最差的 Jdk1.7
1.3K20发布于 2019-10-13 - 来自专栏Kirito的技术分享
Java并发计数器探秘
前言 一提到线程安全的并发计数器，AtomicLong 必然是第一个被联想到的工具。Atomic* 一系列的原子类以及它们背后的 CAS 无锁算法，常常是高性能，高并发的代名词。 本文将会阐释，在并发场景下，使用 AtomicLong 来充当并发计数器将会是一个糟糕的设计，实际上存在不少 AtomicLong 之外的计数器方案。 相关面试题： 单机场景下，有比 AtomicLong 更高效的并发计数器方案吗？ 无论在 Jdk1.7 还是 Jdk1.8 中，Atomic* 的开销都是很大的，主要体现在： 高并发下，CAS 操作可能会频繁失败，真正更新成功的线程占少数。 关注整体性能，CounterBenchmark.rw 是对一组场景的整合打分，可以发现，在我们模拟的高并发计数器场景下，1.8 的 LongAdder 获得整体最低的延迟 98 ns，相比性能最差的 Jdk1.7
1.8K11发布于 2018-09-30 - 来自专栏后台技术底层理解
redis高并发高可用
redis 实现高并发主要依靠主从架构，一主多从. 对于性能来说，单主用来写入数据，单机几万QPS，多从用来查询数据，多个从实例可以提供每秒 10w 的 QPS。 如果想要在实现高并发的同时，容纳大量的数据，那么就需要 redis 集群， 使用 redis cluster 模式，可以提供每秒几十万的读写并发。 这样也可以很轻松实现水平扩容，支撑读高并发。 Redis虽然读取写入的速度都特别快，但是也会产生读压力特别大的情况，所以为了缓解读的压力，所以进行读写分类，并对读进行扩展。 哨兵用于实现 redis 集群的高可用，本身也是分布式的，作为一个哨兵集群去运行，互相协同工作。 ==怎么保证redis是高并发以及高可用的==？ sdown 和 odown 转换机制 sdown 是主观宕机，就一个哨兵如果自己觉得一个 master 宕机了，那么就是主观宕机。
3.2K10发布于 2020-08-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号