数据库是大型架构核心，下面我详解MySQL高性能@mikechen
MySQL QPS 到10000
随着业务规模增长，MySQL 每秒查询数（QPS）达到 10000 时，数据库系统常会遭遇多个性能瓶颈。
主要，包括：硬件资源、并发控制、存储与 IO、锁竞争、查询效率与架构设计等方面。
比如：
典型：QPS 上万时 CPU 利用率飙升到 90%+，但实际吞吐不增反降。
如果数据不全在内存（Buffer Pool 命中率低），随机 IO 成为瓶颈。
MySQL 的 max_connections 默认值较低，高并发下连接池耗尽，新请求被拒绝。
大量并发写入或复杂事务会导致行锁、表锁或间隙锁争用，降低并发能力。
如何来解决？
第一层：内部优化（压榨单机性能）
索引优化： 确保所有高频 SQL 都能命中覆盖索引（Covering Index），减少回表。
参数调优：
加大 innodb_buffer_pool_size（通常设为内存的 70%-80%），尽量将数据留在内存里。
调整 innodb_flush_log_at_trx_commit = 2（牺牲极小的一致性，换取巨大的写入性能提升）。
2. 第二层：缓存拦截（减少数据库访问）
原理： 遵循“二八法则”，80% 的请求往往集中在 20% 的热点数据上。
方案： 在 MySQL 前层加入 Redis 或 Memcached。
旁路缓存： 查询先读 Redis，不中再读 MySQL。
QPS 提升效果： Redis 单机可达 10w+ QPS，能抵挡 90% 的查询压力。
3. 第三层：读写分离（垂直拆分负载）
原理： 互联网应用通常“写少读多”，将读请求分散到多个从库（Slave）。
实现： 1. 部署主从复制（Master-Slave）。 2. 使用插件或中间件（如 ShardingSphere-Proxy 或 Atlas）实现读写分离。
收益： 通过增加从库，可以将读 QPS 理论上提升到数万甚至数十万。
4. 第四层：水平拆分（分库分表）
原理： 当单表数据量过大（如超过 2000 万行）或单机写入压力过大时，必须进行水平切分。
实现： 将数据按某个维度（如 user_id）分布到多个数据库实例中，分散 I/O 和 CPU 压力。
mikechen睿哥
10年+一线大厂架构实战经验，就职于阿里、淘宝等一线大厂，操盘多个亿级大厂核心项目。