存储高性能
关系数据库
读写分离，基本原理是将数据库读写操作分散的不同的节点，基本的实现方式:
1) 数据库服务器搭建主从集群，一主一从，或一主多从.
2) 数据库主机负责读写操作，从机只负责读操作。
3）数据库主机通过复制将数据同步到从机，每台数据库服务器都存储了所有的业务数据。（困难，同步需要时间）
4）业务服务器将写操作发给数据库主机，将读操作发给数据库从机。
分表分库
既然DB 有了划分, 那访问时，程序如何能够正确的访问到对应划分的区域, 这时就需要封装中间件, 业务将标准的 SQL 提交给 （数据访问层）,
比如读写分离的DB, 由这个中间的数据访问层来实现, 如果是写的 SQL 就访问主数据库，而select 就访问从数据库。
NoSQL （key-value）
关系型数据库在以下方面有劣势:
关系数据库无法存储数据结构, 只能按照 table 格式存储， Redis 可以。
关系数据库的 schema 扩展不方便。NoSQL key-value, MongoDB
关系数据库在大数据场景下 I/O 较高, 列式数据库, 解决I/O问题，比如 HBase
关系数据库全文搜索功能比较弱, Elasticsearch 代表.
NoSQL 牺牲了 ACID, 而弥补了以上的不足. 文档数据库(存储数据格式如 JSON)
缓存
绝大部分在线业务都是读多写少, 比如发一条微博，可能一条insert语句，但是成千上万个人看select. 缓存的基本原理是将可能重复使用的数据放到内存中，一次生成，多次使用， 避免每次都访问存储系统(DB + IO)
缓存穿透: 缓存没有发挥作用，业务不能从缓存获得信息: 原因:
1) 存储数据不存在。这种情况发生概率不大. 一般根据业务的需要情况，肯定有一些是比较被业务依赖的数据。
2）缓存数据生成耗费大量时间和资源。
缓存雪崩: 缓存失败后, 导致系统性能急剧下降, 这时我们需要有缓存的监控，或者是定时的维护缓存（将重要信息放到缓存里）。
计算高性能
1) 尽量提升单服务器的性能， 将单服务器的性能发挥到极致。
服务器采取网络编程模型. (主要考虑 I/O, 进程内存) JVM 等.
2）如果单服务器无法支撑性能，设计服务器集群方案。
高性能集群的复杂度主要体现在任务分配这部分, 需要设计合理的任务分配策略，将计算任务分配到多台服务器上。任务分配器现在比较流行的叫法是" 负载均衡器", 常见的负载均衡器分为:
DNS负载均衡: 地理级别的均衡，比如北方的用户访问北京的机房, 南方的用户访问深圳的机房. (DNS 会告诉访问者服务器的IP， 控制权在DNS域名商手里)
硬件负载均衡: 比如 F5, 性能强大，价格贵，只有“土豪”公司才用的起。稳定性高。
软件负载均衡:比如 Nginx, 部署简单, 便宜, 灵活， 性能一般。
一般, DNS 负责地区之间负载均衡， 硬件负责集群之间负载均衡，软件负责机器之间负载均衡。
Nginx, 实际上软负载均衡有很多种方式来分配任务, 比如平均分的轮询，加权，性能最优, 负载最低优先，实际上我还是喜欢负载最低，你可以根据当前系统的“瓶颈”，比如是web系统，可以看http的连接数找到最低使用server.