可思数据-人工智能媒体资讯平台！

作者： 探索互联网

如果一味追求实时设计，对于线上并发量大的业务来说，瓶颈点是很多的，一个是 IO 消耗时间、一个是存储消耗时间、一个是计算消耗时间。实际情况并不是一个方面的问题，而是三个方面交织在一起。

IO 消耗时间，包含数据读取，读取数据量大，量大 IO 就会消耗时间长。做了很多优化方式：1、多个 key 批量拉取，比单个循环要优化很多时间，合并了 IO，将多次 IO 减少为了 1 次。2、多线程读取，通过多线程方式增加并行性，原来一个线程读，变成多个来提升性能。

存储消耗，存储消耗包含多个方面。1、读取存储速度本身影响着线上性能，大的存储用的是 redis。2、读取 redis 本身消耗时间，采取部分数据提前拉取方式读取，缓存在内存减少读取消耗时间，本身也是存在一个问题，就是本地内存大小问题，缓存数据量局限于本地内存大小。3、存储量的影响，并且对于存储不是能够处理无限的 qps，当数据拉取过多，会导致存储性能下降。

计算消耗，计算本身消耗 cpu。1、将计算拆成新的服务，减少线上业务服务本身计算，但是增加了 IO。2、多线程计算，通过多线程并发计算，减少计算时间，提升性能。

尝试了很多优化方式，取得了一定效果，但是每一种也都会带来一定问题，1、比如多线程能提升并发，但是过多线程会导致性能下降，甚至影响服务稳定。2、服务拆分本身可以增加很多计算量以及解耦，但如果服务之间传输数据特别多，时间都消耗在 IO 传输上，这点如果时间太长，拆分的优势就没了。

分布式带来好处是计算分散，问题也是需要更多机器资源，系统之间也会变复杂。并且能带来一定扩展，但不一定是特别大。

要想获得更多架构设计可能，可能就要转换思路，采取异步方式进行推荐架构设计，握紧手里面什么都没有，张开手获得的是一切。架构设计也是同理，需要换个思路，获得更多可能。

做事情挺重要一点是不断有新的思路，新的思路难点在于推进，特别是在大公司，有好处都上去了，有困难都跑的远远的，也就更需要初心，初心是做一件事，将来才有可能有机会做成更多事，初心是 kpi 过一段时间人就废了。

对于备战双 11 这种事，就是多少艰苦，不可告人。在这个过程中更多是要自己有收获，对于每个技术问题有自己的思考。更多的得到，避免功劳当作苦劳自己有收获，一定要有思考对于遇到的事与问题，解决眼前的问题并想一些根本解决方案，希望对你有点启发。