导读：关于并发大数量的几个问题1：解决高并发大数量有一个方法是负载均衡负载均衡在机器上面可以配置。但是需要用代码（比如java）来做些什么呢...
关于并发大数量的几个问题
1：解决高并发大数量 有一个方法是负载均衡 负载均衡在机器上面可以配置 。 但是需要用代码（比如java） 来做些什么呢？
2：数据库方面可以做分区分表分库来处理 有什么劣势 ？主要的开销是什么呢？ 还有数据库方面的读写分离是什么意思？
3：还有一种叫异步批量处理 里面提到的" 异步请求”是什么意思 ？队列方式处理 是什么意思？
4：并发大数据量处理还有什么其他的解决方案？
在线坐等大牛解答 。！
------解决方案--------------------
1：解决高并发大数量 有一个方法是负载均衡 负载均衡在机器上面可以配置 。 但是需要用代码（比如java） 来做些什么呢？
—— 设计上考虑共享资源竞争资源的同步机制及互斥访问机制；简单举例比如：页面访问量统计的采集。
—— 代码则是具体实现层面要怎么避免的问题了；细化点举例就是单JVM中 多个线程对某静态变量执行 i++ 的问题延伸到多个JVM甚至多个物理机器上了。
2：数据库方面可以做分区分表分库来处理 有什么劣势 ？主要的开销是什么呢？ 还有数据库方面的读写分离是什么意思？
—— 主要作用都是围绕两大类问题：降低数据访问规模（处理量），分散访问热点（竞争度），
—— 分区的好处是代码逻辑透明性最强，属于高性价比解决方案，但有环境和能力局限性；
—— 分表则已经需要在设计和代码上进行考虑，可以提供更高的效果，复杂度也随之上升；
—— 分库所能提供的能力效果最高，甚至可以做到容错容灾，但复杂度也最高。
3：还有一种叫异步批量处理 里面提到的" 异步请求”是什么意思 ？队列方式处理 是什么意思？
—— 综合起来 简单举例，比如：JMS
4：并发大数据量处理还有什么其他的解决方案？
—— 比如：网格计算、分布式计算、云计算，具体方案则有很多，比如出名的：MapReduce
