继续答星球水友提问：盘口数据频繁变化，如何做缓存与推送，如何降低数据库压力?

并没有做过相关的业务，结合自己的架构经验，说说自己的思路和想法，希望对大家有启示。

一、业务抽象

有很多客户端关注盘口，假设百万级别;

数据量不一定很大，上市交易的股票个数，假设万级别;

写的量比较大，每秒钟有很多交易发生，假设每秒百级别;

计算比较复杂，有求和/分组/排序等操作;

二、潜在技术折衷

1. 客户端与服务端连接如何选型?

首先，盘口客户端与服务器建立TCP长连接，而不是每次请求都建立与销毁短连接，能极大提升性能，降低服务器压力。

2. 业务的实时性如何满足?

盘口业务，对数据实时性的要求较高，服务端可以通过TCP长连接推送，保证消息的实时性。

由于推送量级巨大，可以独立推送集群，专门实施推送。推送集群独立化之后，增加推送服务器数量，就可以线性提升推送能力。

如上图所示，假设有100W用户接收实时推送：

搭建专门的推送集群，维护与客户端的tcp长连接，实时推送

每台推送服务维护10W长连接，10台推送服务即可服务100W用户

推送集群与业务集群之间，通过MQ解耦，推送集群只单纯的推送消息，无任何业务逻辑计算，推送消息的内容，都是业务集群计算好的

3. 推送服务最大的瓶颈是，如何将一条消息，最快的推送给与之连接的10W个客户端?

如果消息量不大，例如几秒钟一个消息，可以开多线程，例如100个线程，并发推送

画外音：对应水友提到的，如果量不大，可以成交一笔推送一笔。

如果消息量过大，例如一秒钟几百个消息，可以将消息暂存一秒，批量推送

画外音：对应水友提到的，如果消息量巨大，批量推送是很好的方法。

4. 数据量，写入量，扩展性如何满足?

股票个数较少，数据量不是瓶颈。

流水数据写入量，每秒百级别，甚至千级别，数据库写性能也不是瓶颈，理论上一个库可以抗住。

假如每秒写入量达到万级别，可以在数据库层面实施水平切分，将不同股票的流水拆到不同水平切分的库里去，就能线性增加数据库的写入量。

画外音：水平拆分后，同一个股票，数据在同一个库里，不同股票，可能在不同的库里，理论上不会有跨库查询的需求。

如果每秒写入量达到十万，百万级别，还可以加入MQ缓冲请求，削峰填谷，保护数据库。

如论如何，根据本业务的数据量与写入量，单库应该是没有问题的。

5. 复杂的业务逻辑操作，如何满足?

本业务的写入量不大，但读取量很大，肯定不能每个读取请求都sum/group by/order by，这样数据库肯定扛不住。

水友已经想到了，可以用缓存来降低数据库的压力，但担心“随着时间的推移，这个偏差势必会慢慢放大”。

关于缓存的一致性的放大，可以这么搞：

做一个异步的线程，每秒钟访问一次数据库，将复杂的业务逻辑计算出来，放入高可用缓存

所有的读请求不再耦合业务逻辑计算，都直接从高可用缓存读结果

如此一来，复杂业务逻辑的计算，每秒钟只会有一次。

带来的问题是，一秒内可能有很多流水写入数据库，但不会实时的反应到缓存里，用户最差情况下，会读到一秒前的盘口数据。

无论如何，这是一个性能与一致性的设计折衷。

上面的所有方案，都是基于在线客户量级巨大，推送消息巨大的前提下，采用推送方案。很多时候，工程师都会妄加猜测，把问题想得很复杂，把方案搞得很复杂。

如果在线用户量很小，用户能够接受的盘口时延较长(例如5s)，完全可以采用轮询拉取方案：

取消整个推送集群与MQ集群;

盘口数据，异步线程每1s写入高可用缓存一次;

客户端每5s轮询拉取最新的盘口数据，都只从缓存中拉取;

搞定!

反正，肯定不能每个读请求都sum/group by/order by扫库计算，这个是最需要优化的。

三、总结

长连接比短连接性能好很多倍

推送量巨大时，推送集群需要与业务集群解耦

推送量巨大时，并发推送与批量推送是一个常见的优化手段

写入量巨大时，水平切分能够扩容，MQ缓冲可以保护数据库

业务复杂，读取量巨大时，加入缓存，定时计算，能够极大降低数据库压力

思路比结论重要，希望大家有收获。

【本文为51CTO专栏作者“58沈剑”原创稿件，转载请联系原作者】