因为肺炎疫情的影响，从今天开始，很多公司就要开始在家办公了。 作为第一天上班，从早上起，到处都传来系统崩掉的消息。钉钉的日程，沟通都出了故障。我们自己公司的一些业务也出现了一段时间的不可用。 我们总结一下，一般的情况有以下情况：
- 流量激增，宽带不足
- 用户增多，队列消费延迟
- 数据增多，数据库装不下，查得慢
- 访问多，服务器资源(cpu,memory)紧张。
我们在设计一个系统的时候，一般讲究先实现，再优化，等量大了再堆机器。但是实际上，很多人低估了堆机器的难度。诚然，很多系统在整个生命周期内都难以到达所谓"量大"的阶段。而真正到了量大的时候，才发现根本就不可能堆机器，只能重构。堆机器对系统架构，数据库模型设计要求挺高，并不是想做就能做的。所以也建议技术人员一定要有一段大公司的经历，虽然大公司也不保证一定有大数据高增量，但是起码有机会获得相关经验。没经历过永远是想当然。
下面，说说主要的一些优化手段
拆分
任何的机器都是物理极限的，当负载达到极限的时候，我们的服务不是蹦，就是慢。所以处理的策略也很简单，就是一个字"分"。拆分的场景主要分两块:
- 机器的拆分，包括机房拆分，服务器拆分，进程的拆分。
- 数据的拆分，包括冷热数据拆分，新旧数据拆分，功能拆分，水平拆分。
缓存
很多情况下，数据库是最容易成为瓶颈的地方，虽然随着硬件的发展，现在利用SSD硬盘可以极大的提高文件的随机读取性能，但是数据库依然是最薄弱的环节。所以为了减少数据库的压力，提高数据查询速度，我们需要缓存，缓存按照数据分，有进程内缓存，公共内存缓存，文件缓存。
备份
随着数据的增多，场景的复杂，服务的可用性其实是递减的，为了保证服务的高可用，我们往往还需要进行服务的备份。当一个进程挂了，另一个进程可以继续提供服务；一台服务器挂了，有其他服务器支撑