高并发通常是指并发访问非常高，具体表现在 QPS、吞吐量、响应时间、PV、UV、带宽等方面。高并发、高性能也是市场上大流量应用最在乎的几个关键点，查阅了很多文章，结合自身项目实践，从多个方面、多层次来理解下高并发和解决措施。
名称解释
QPS：每秒钟请求或者查询的数量，在互联网领域，通常指每秒HTTP响应请求数。
吞吐量：单位时间内处理的请求数量(通常由QPS与并发数决定)
响应时间：从请求发出到收到响应花费的时间，例如系统处理一个HTTP请求需要100ms，这个100ms就是系统的响应时间。
PV：综合浏览量(Page View)，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，同一个人浏览你的网站同一页面，只记作一次PV。
UV：独立访问(UniQue Visitor)，即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。
带宽：计算带宽大小需关注两个指标，峰值流量和页面的平均大小。
日网站带宽=PV/统计时间(换算到秒)平均页面大小(单位KB)8
QPS各量级举例解决方案
QPS达到50：小型网站量级，一般的服务器就可以应付。
QPS达到100：假设关系型数据库的每次请求在0.01秒完成，且单页面只有一个SQL查询，那么100QPS意味这1秒钟完成100次请求，但是此时我们并不能保证数据库查询能完成100次。
方案：数据库缓存层、数据库的负载均衡
QPS达到800：假设我们使用百兆带宽，意味着网站出口的实际带宽是8M左右，且每个页面只有10k，在这个并发条件下，百兆带宽已经占满。
方案：CDN加速、负载均衡
QPS达到1000：假设使用Redis缓存数据库查询数据，每个页面对Redis的请求远大于直接对DB的请求，Redis的悲观并发数在3W左右，但有可能在之前内网带宽已经吃光，表现出不稳定。
方案：静态HTML缓存
QPS达到2000：这个级别下，文件系统访问锁都成为灾难。
方案：做业务分离，分布式存储
通用解决措施
动态资源和静态资源分离；
CDN；
负载均衡；
分布式缓存；
数据库读写分离或数据切分（垂直或水平）；
服务分布式部署。
按业务场景划分的解决措施
前端：异步请求、资源静态化、cdn
后端：请求队列、轮询分发、负载均衡、共享缓存
数据层：数据水平分割(分区分表分库)、读写分离、redis缓存、写队列
存储：raid阵列、热备
网络：dns轮询、DDOS攻击防护
前端工程化层面的解决方案
将应用和静态资源分离：静态资源主要包括图片、视频、js、css和一些资源文件，直接存放到响应的服务器使用专门的域名去访问就可以了。
页面缓存：将应用生成的页面缓存起来，可以节省大量的CPU资源，尽可能采用静态页面来实现功能。
CDN进行内容分发：CDN 服务器是分布在全国各地的，当接收到用户请求后会将请求分配到最合适的CDN服务器节点获取数据。
后端架构层面解决方案
当单机无法解决时，增加服务器数量(集群)，通过反向代理、负载均衡，将请求分发分流。
微服务化，将不同的业务放到不同的服务器中，分布式架构。一个请求可能需要用到多台服务器，这样就可以提高一个请求的处理速度，而且集群和分布式也可以同时使用。
选择有助于高并发的工具，如 Node.js、Nginx、Redis, NoSQL
公共数据缓存，共享缓存服务。
应用服务器配置优化，如连接数的优化，每个请求都是独立的连接线程，所以优化此配置可以提高服务器接收HTTP并发请求的能力。
逻辑代码优化、算法优化
优化架构，加强可伸缩性，流量增大的时候，可以通过增加硬件来分担压力。
关注代码本身，防止出现内存溢出的情况，优化查询语句，避免系统频繁请求数据库，合理使用索引，减少sql语句执行的时间。
镜像技术解决不同网络接入商和地域带来的用户访问速度差异。
数据库层面解决方案（大数据高并发的瓶颈一般在数据库层面）
建立缓存中间件降低对硬盘的读写次数，这是最基本和重要的优化策略。
建立数据库、缓存集群，将读写计算压力分摊到多台机器上。
建立主从备库，读写分离。
数据水平分割，分区、分表、索引优化，良好的查询算法，降低读的次数，解决插入更新缓慢。
分离数据库中活跃的数据、热点数据
使用NoSQL和Hadoop等技术