- 前言
- 一、K8S配置选型
- 二、应用JVM调优
- 三、数据库弹性伸缩
- 四、EDAS弹性伸缩
- 五、数据库优化
- 1、 PolarDB采用高性能参数模板
- 2、 PolarDB开启并行计算
- 3、 PoalrDB开启热点行优化
- 4、 PolarDB开启线程池模式
- 六、热点数据缓存改造
前言
最近主导完成了一个社区团购系统的开发上线,并成功完成厦门一家知名的社区团购公司系统的切换。切换将近2个月,总体运行良好。社区团购在开团的前半小时并发量是非常大的,特别是秒杀场景。系统开发过程中特别针对大并发的场景进行了设计和优化。本文主要对相关的一些经验进行总结,以供参考。
一、K8S配置选型K8S主要采用阿里云的容器服务K8S
二、应用JVM调优内容待续…
三、数据库弹性伸缩内容待续…
四、EDAS弹性伸缩内容待续…
五、数据库优化 1、 PolarDB采用高性能参数模板内容待续…
2、 PolarDB开启并行计算内容待续…
3、 PoalrDB开启热点行优化内容待续…
4、 PolarDB开启线程池模式内容待续…
六、热点数据缓存改造内容待续…



