想要做到高并发和高性能，请先真正的理解它们，以及跟CPU，内存，分布式又有什么关系呢

互联网应用系统开发肯定经常会看到高并发和高性能这两个词，可谓是耳熟能详，而具体的含义和关系真的如你所想的，真正的理解了吗？

这次，我也结合自己的理解，来跟大家分享一下。

先来看一个例子：

一个蓄水池，是1m*1m*1m=1立方米大小，有一个出水口，出水口每秒钟流出0.1立方米，那么这个蓄水池的并发量是1立方米，出水速度是0.1立方米/秒。

如果增加一个出水口，都是每秒钟流出0.1立方米，那么这个蓄水池的并发量没变，但是出水速度变成了0.2立方米/秒。

同理，增大了出水口，蓄水池的出水速度也变快了。

上面我们很容易知道，并发量是一个容量的概念，性能就是出水速度，而且有下面这些结果。

1 增大蓄水池的长宽高，可以增加并发能力。

2 出水口如果扩大了出口大小，则可以提高出水的速度，也就是性能提高了。

3 增加出水口的数量，则是增加了并行处理的能力，同样可以提高性能。

那么对照我们计算机中，我们的系统中，是怎么样的结果呢？

1 增加服务器的内存大小，可以增加并发量。因为内存增加了，就可以开更多的进程，更多的线程，也可以扩大任务队列的大小。

2 提高cpu的主频速度，优化程序，可以提高性能。cpu更快了，程序优化的更好了，处理单个任务的时间也就更短了。

3 增加多核甚至分布式服务器数量，也可以提高性能，同时提高并发量。

如果只是性能提高了，并发量是否也能提高呢？

如果我们静态的理解并发量，那它是不会提高的。

而我更愿意动态的来理解并发量，即：单位时间内可以进来的最大数量。

那么提高性能，是可以线性提高并发量的，因为单位时间内，进来的同时也有出去。

接下来，再来具体的分析下，上面的几种结果，是不是真的可以实现呢？是不是完全正确呢？

我们先来做一个假设，单个进程内存占用10M，单个线程内存占用2M，单个协程内存占用20K，队列任务内存占用2K，我们下面来看看内存与并发量的关系。

（具体的内存占用大小在不同的应用场景中会有很大的不同，所以这里只是为了方便计算而做的一个假设）

内存量  进程数  线程数  协程    队列任务

1G      100     500     50K     500K

2G      200     1000    100K    1000K

4G      400     2000    200K    2000K

8G      800     4000    400K    4000K

对应的几种运行模式 

多进程： php fast-cgi

多线程： java web

协程：   go

队列：   nginx

从上面的结果中，我们可以很直观的看出来，并发能力在不同的运行模式中的巨大区别。

多进程和多线程的模式，不仅是内存开销巨大，而且在数量不断增加的情况下，对CPU的压力也是非常巨大，这也是为什么这类系统在并发量大的情况下会很不稳定，甚至宕机。

上面假设中计算出来的数据，都是静态的容量，如果所有任务都不处理，那么肯定都是会很快就被撑爆。

所以要达到更高的并发量，就需要有更快的处理速度，即做好性能优化。

下面，再来做一个假设。

我们现在有一台服务器，配置是8核16G内存。

如果我们的应用是计算密集型，纯运算的系统，如：数据索引查询、排序等操作。

而且还要假设，这个应用在多核并行运算时不存在锁竞争的情况（只读）。

qps=1000ms/单个请求耗时*8

如果单个请求（任务）耗时100ms，那么我们可以计算出来

qps=1000ms/100ms*8=80个/秒

如果我们优化处理的算法，单个请求耗时降低到10ms，那么

qps=1000ms/10ms*8=800个/秒

如果可以继续优化，将单个请求耗时降低到1ms，那么

qps就可以达到更高的8k。

上面的情况和优化的效果理解起来应该很容易，因为对服务器资源的依赖更多是CPU的运算能力和数量。

在实际的互联网应用中，系统更多是依赖mysql，redis，rest api或者微服务，属于IO密集型。

按照上面的计算方式，可能就不太准确了，因为cpu是有富余的。

在IO阻塞的时候，开启更多任务的方式当然有上面多进程、多线程、多协程和队列的方式来实现。

而且也是有效的更好的利用服务器资源的方法，可以达到更高的并发量，毕竟我们把大部分的运算放到了应用外部的mysql，redis，rest api等服务。

到此为止，我们已经知道并发量、性能优化跟服务器资源（服务器数量，cpu，内存）的关系，也知道性能优化对并发量的影响。

还有什么疑问呢？

1 内存越多，并发量一定可以越大吗？

大部分情况是的。

这个问题，上面有提到过，对于多进程、多线程的模式，线程太多的时候，线程抢占时间片，CPU切换上下文会越来越慢。

对于协程、队列的运行模式，这个问题会好很多，当然协程调度、队列维护的开销，肯定也是会增加，只是增加的开销不至于对系统性能造成直线下降。

2 CPU越快，应用的性能一定越好吗？

绝对的。

只不过CPU和应用性能提升可能不成线性增长的关系，因为应用可能是IO密集型，应用性能还会受到IO阻塞的影响。

3 CPU越多，应用的性能一定越好吗？

大部分情况是的。

如果大量锁存在，性能提升可能会大打折扣，因为并行能力会被锁住，又变成单线程执行了，没有最大的发挥多CPU的作用。

4 服务器越多，并发量一定越大吗？

绝对的。

服务器增加，CPU和内存资源相应也就越多，并发能力也就会增大，他们之间是线性相关。

5 服务器越多，性能一定越好吗？

大部分情况是的。

但是单个服务器的效率可能会是下降的，数据一致性问题、同步问题、锁问题，这些都会导致单个服务器的效率下降，所以不是线性相关。

如果只是考虑应用对CPU利用效率的话

单核>=多核>=多服务器

单进程单线程的系统对于服务器资源的利用率更高。

到多核的系统中，就会因为锁的问题，多任务同步的问题，操作系统调度的问题，造成一定的资源浪费。

而分布式系统中，这些浪费也会更严重。

6 怎样更好的更有效的利用服务器资源呢？

避免因为IO阻塞让CPU闲置，导致CPU的浪费；

避免多线程间增加锁来保证同步，导致并行系统串行化；

避免创建、销毁、维护太多进程、线程，导致操作系统浪费资源在调度上；

避免分布式系统中多服务器的关联，比如：依赖同一个mysql，程序逻辑中使用分布式锁，导致瓶颈在mysql，分布式又变成串行化运算。

上面说了要避免的地方，要具体怎么来避免，到具体的业务场景就需要具体分析了。

而且有些时候，为了业务功能，或者其它方面的需求，比如：可用性、伸缩性、扩展性、安全性，不得不牺牲掉一部分性能。

最后，做一个总结：

并发量，是一个容量的概念，服务可以接受的最大任务数量，动态的看待它，还需要把性能考虑进去。

性能，是一个速度的概念，单位时间内可以处理的任务数量。

高并发和高性能是紧密相关的，提高应用的性能，是肯定可以提高系统的并发能力的。

应用性能优化的时候，对于计算密集型和IO密集型还是有很大差别，需要分开来考虑。

增加服务器资源（CPU、内存、服务器数量），绝大部分时候是可以提高应用的并发能力和性能（前提是应用能够支持多任务并行计算，多服务器分布式计算才行），但也是要避免其中的一些问题，才可以更好的更有效率的利用服务器资源。

在实战课程 《PHP秒杀系统 高并发高性能的极致挑战》中，也是针对这类高并发的业务场景做了特定的性能优化以及分布式方案，大家可以参考学习。