面试主题：高并发场景下，你一般从哪几个方向做优化？
一、先定位瓶颈：不盲目优化
高并发优化不是所有手段一起上，而是先诊断、再动手。
我会先通过压测、监控、链路追踪，明确瓶颈：
- 是 CPU 密集 / IO 密集？
- 是锁竞争、外部调用慢、还是数据库扛不住？
- 是流量突刺、还是长期高吞吐？
先找到瓶颈在哪一层，再针对性优化，优先级从外到内。
二、前端 & 接入层：能挡在外面的绝不进后端
目标：减少无效请求、降低源头流量。
- 静态资源走 CDN，就近访问，不回源
- 资源压缩、合并、懒加载，减少请求量
- 接口防抖、节流，避免重复点击刷屏
- 前端缓存：强缓存/协商缓存，降低重复请求
注意： 前端只能挡无效流量，挡不住真实业务洪峰。
三、网关层：流量总闸门，第一级防护
目标：控流、过滤、路由、兜底。
- 统一限流：令牌桶/漏桶，防止流量打穿
- 黑白名单、鉴权、风控，提前过滤非法流量
- 负载均衡，把流量打散到多台机器
- 熔断、降级：下游挂了不拖垮整条链路
这是高并发第一道硬防线，必须优先做。
四、应用服务层：提升单机吞吐 + 水平扩容
目标：让服务能横向扩展、单机更快。
- 服务无状态化，保证可以随便扩副本
- 本地缓存（Caffeine）+ 分布式缓存（Redis）
注意： 要解决缓存穿透、击穿、雪崩（布隆过滤器、互斥锁、过期时间打散）
- 异步化：线程池异步 / MQ 削峰解耦
IO 密集型：线程数可以设大一些
CPU 密集型：线程数不超过 CPU 核心数
- 池化技术：连接池、线程池复用，避免频繁创建销毁
先提升复用与异步，再去改代码算法。
五、数据存储层：高并发最大瓶颈就在这
目标：让数据库少干活、不干活。
- 能放缓存的不放数据库
- 读写分离：读多写少场景必上
- 分库分表：解决单表过大、写入瓶颈
注意： 要考虑分布式事务、跨库分页、join 问题
- 索引优化 + SQL 优化：避免慢查询拖垮整库
- 冷热数据分离：热数据放缓存/SSD，冷数据归档
数据库是最后一道关卡，能不让它扛就不让它扛。
六、中间件 & 基础设施：支撑高并发的底座
- 消息队列削峰填谷，把脉冲流量变成平滑流量
注意： 消息丢失、重复、顺序性要保证
- 分布式锁：防止超卖、重复提交、并发安全问题
- K8s / 容器化：自动扩缩容，应对突发流量
- 监控体系：CPU、内存、QPS、RT、错误率、队列堆积
没有监控，高并发就是在裸奔。
七、兜底策略：扛不住时，保证系统不死
这是加分亮点，高级工程师必答。
- 熔断：下游不行就直接断开，不无限等待
- 降级：非核心功能直接关掉，保核心链路
- 限流：超过阈值直接拒绝，快速失败
- 过载保护：机器负载高时自动限流，不被打崩
高并发的终极目的：不是扛无限流量，而是扛得住、不宕机。
答：
高并发优化是一套从外到内、先诊断后实施、有优先级、有兜底的全链路体系。
我一般会先通过监控和压测定位瓶颈，再按这个顺序优化：
1. 前端/CDN 挡无效流量
2. 网关做限流、熔断、负载均衡
3. 应用层做无状态扩容、缓存、异步、池化
4. 数据层做读写分离、分库分表、索引优化
5. 中间件做削峰、分布式锁、弹性伸缩
6. 最后用熔断、降级、限流、过载保护做兜底
每一步都有技术选型和风险权衡：缓存要防雪崩，异步要防消息丢失，分库分表要处理分布式问题。
最终目标是：在高并发下，系统依然稳定、可用、可扩展。
注意事项：本专辑作品为原创作品，如需合作请私信
