分布式，A-B之间不能使用本地的进程间通信（如共享内存），而应使用TCP。
提高数据库的并发能力的手段：
1、加一个中间件DAL，让客户端请求排队：DAL队列+连接池
2、主要的业务逻辑应该放在应用服务上去处理，数据库只做辅助的业务处理。
3、增加缓存设计，将热点数据存至缓存（但缓存的更新、同步需要考虑。）
缓存同步：
1）缓存存在一定时间限制，若timeout，则缓存失效，需重新去数据库中查询，再更新缓存；【此方法实时性比较差】
2）一旦数据库中的数据更新，立即通知前端缓存更新【此法实时性较高，但实现起来麻烦一些】
缓存换页：内存不够，将不活跃的数据换出内存。
具体的策略有：FIFO
LRU(least recently used)（最近最少使用） 详细点击1、2面试题：LRU原理和Redis实现
LFU(least frequently used)（最不频繁使用）。
分布式缓存：
减轻服务器的负担
分布式缓存有哪些呢：
它们都是开源的。
nosql
redis
memcached
数据库读写分离：
写是独享的，会把整个程序阻塞。
对于大部分应用来说，读操作 > 写操作。
对数据库进行负载均衡：
- 现在主流数据库都具有 replication 机制。
- 数据库的主-从机制，分为主数据库和从数据库，分别提高写入和读出。
- 当主数据库被写入，发送改变时，需要更新从数据库，这时候是基于 replication机制，通过日志文件发送更新的数据。这就实现负载均衡。
应用服务器的负载均衡：
方案一：应用服务器被动接受任务
增加一个任务服务器来实现，任务服务器可以监视当前各个应用服务器的负载，看是CPU高、IO高、并发高、还是内存换页高。查询到这些信息后，选取负载最低的服务器分配任务。
方案二：应用服务器主动到任务服务器接收任务进行处理
根据自己的空闲程度，主动去选择。负载均衡更加公平一些。
1、应用服务器的负载均衡，就能接收更多的连接请求。
2、任务服务器不止一台，这样当一台发生故障可以用另外一台，即满足高可用。
数据分区（分库、分表）
分库：垂直分区。
如有三个表，用户表、业务表、基础表，则把每一个表都分成一个库。
水平分区（更常用）
每一个库里面都有用户表、业务表、基础表，三个表水平切分到各个库。
服务器高性能编程
服务器性能的四大杀手：
- 1、数据拷贝
缓存来解决
- 2、环境切换（理性创建线程）
该不该用多线程、
单线程还是多线程好、
单核服务器（采用状态机编程，效率最佳），若采用多线程，又不能并发处理，反而增加了线程间切换的开销。
多核服务器，多线程能充分发挥多核服务器的性能，但也要尽量减少线程间切换。
- 3、内存分配
增加内存池，减少向操作系统申请内存。
- 4、锁竞争
锁会降低性能，应尽量减低锁的使用。