现在，软件架构变得越来越复杂了，好多技术层出不穷，令人眼花缭乱，解决这个问题呢，就是要把复杂问题简单化，核心就是要把握本质。
软件刚开始的时候是为了实现功能，随着信息量和用户的增多，【大数据和高并发和高可用】 成了软件设计必须考虑的问题，那么大数据和高并发本质是什么呢？
本质很简单，【一个是慢，一个是等】 。两者是相互关联的，因为慢，所以要等，因为等，所以慢，解决了慢，也就解决了等，解决了等，也就解决了慢。
关键是如何解决慢和等，【核心一个是短，一个是少，一个是分流，一个是确保机器不是单机有可替代性，主备服务】。
短是指路径要短。典型的mvc结构是请求->controller->model->dao->view，然后把页面返回给用户。要想短的话，
1，页面静态化- 用户可以直接获取页面，不用走那么多流程，比较适用于页面不频繁更新。
2，使用缓存- 第一次获取数据从数据库准提取，然后保存在缓存中，以后就可以直接从缓存提取数据。不过需要有机制维持缓存和数据库的一致性。
3，使用储存过程-那些处理一次请求需要多次访问数据库的操作，可以把操作整合到储存过程，这样只要一次数据库访问就可以了。
4，批量读取 - 高并发情况下，可以把多个请求的查询合并到一次进行，以减少数据库的访问次数
5，延迟修改 - 高并发情况下，可以把多次修改请求，先保存在缓存中，然后定时将缓存中的数据保存到数据库中，风险是可能会断电丢失缓存中的数据，
6, 使用索引 - 索引可以看作是特殊的缓存，尽量使用索引就要求where字句中精确的给出索引列的值。
少是指查询的数据要少。
1，分表 - 把本来同一张表的内容，可以按照地区，类别等分成多张表，很简单的一个思路，但是要尽量避免分出来的多表关联查询。
2，分离活跃数据 - 例如登录用户业务，注册用户很多，但是活跃的登录用户很少，可以把活跃用户专门保存一张表，查询是先查询活跃表，没有的话再查总表，这也类似与缓存啦。
3，分块 - 数据库层面的优化，对程序是透明的，查询大数据只用找到相应块就行。
分流三种。
1，集群 - 将并发请求分配到不同的服务器上，可以是业务服务器，也可以是数据库服务器。
2，分布式 - 分布式是把单次请求的多项业务逻辑分配到多个服务器上，这样可以同步处理很多逻辑，一般使用与特别复杂的业务请求。
3，CDN - 在域名解析层面的分流，例如将华南地区的用户请求分配到华南的服务器，华中地区的用户请求分配到华中的服务器。
主备配置 至少两台或是集群配置
1.对服务器集群和主备配置 一台挂机 另外一台（多台）随时待命补上去
随着用户量提升 需要考虑方面还是比较多的 偏Java
对之前的[单体架构]—->进行[垂直架构]—->改造进而[升级SOA]—>使用到[分布式服务管理(rpc)框架]（dubbo/springcloud）
—->[MSOA] —–> 数据管理—->数据合理使用 —–> 大数据实时计算/离线计算—-> 人工智能基础数据训练使用
在演进的过程中需要考虑的问题主要有：
1.接口的幂等性 如何设计接口？
2.分布式事务 （想想单节点事务ACID/事务隔离级别） CAP/BASE/POCSX 如何保证数据一致性？
3.分布式锁 （想想单节点中的锁/JUC） 如何考虑多个跨节点的线程对共享资源的合理访问？
4.前后端分离 Vue/AngualJs/nodeJs 如何开发提升效率？
5.持续集成 Jenkins/gitlab-ci devops k8s docker 如何搭建CICD工具 ？
6.对于某些消息需要用到中间件框架（MQ —-> kafka ativeMq rabbitMq rocketMq….） 解耦/异步/最终一致性 如何根据业务场景选型和使用合理的MQ技术 ？
7.对于数据流持续计算（实时计算） spark/hodoop/strom/jstrom (大数据) 离线计算 kafka+redis+hbase+jstrom 如何考虑时间滑动窗口和数据丢失问题？
8.了解Netty mybatis spring jvm/GC linux shell springcloud springboot？
9.了解常用集合/juc 线程池 web应用服务器 tomcat jetty jboss Nginx hapoxy？
10.如何优雅写代码 effective java 如何在代码设计中合理使用23中设计模式？
11.了解计算机结构 运行机制 网络协议 Tcp/Ip协议簇？
12.合理使用nosql数据库容器 关系型数据库容器？
13.如何合理运用大量数据 将大量数据转变为 tensflow 用户训练数据 进一步深度学习 做出有意义的人工智能产品 语言无限制（java/pyhton/go/c）？
