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

（1）有很多客户端关注盘口，假设百万级别；

（2）数据量不一定很大，上市交易的股票个数，假设万级别；

（3）写的量比较大，每秒钟有很多交易发生，假设每秒百级别；

（4）计算比较复杂，有求和/分组/排序等操作；

二、潜在技术折衷

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。

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：

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？

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。

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。

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。

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：

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：

（1）取消整个推送集群与MQ集群；

（2）盘口数据，异步线程每1s写入高可用缓存一次；

（3）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

思路比结论重要，希望大家有收获。

ITPub博客

盘口数据频繁变化，100W用户如何实时通知？