互联网三高架构：高并发性、高性能、高可用性，简称三高(3H ) )。
在网络APP开发中，经常会看到高并发性和高性能这样的词汇。 经常听到的话，具体的意思和关系真的像你想的那样理解了吗？
让我们先来看一个例子：
一个水库，大小为1m*1m*1m=1立方米，有一个出水口，出水口每秒流出0.1立方米，该水库合并量为1立方米，出水速度为0.1立方米/秒。
如果增加一个出水口每秒流出0.1立方米，则该水库的合并量不变，但出水速度为0.2立方米/秒。
同样，增大了出水口，蓄水池的出水速度也加快了。
综上所述，并发量是容量的概念，性能是出水速度，可以得到以下结果。
增大蓄水池的纵横高度，可以提高同时性。 出水口扩大出口的大小可以提高出水的速度，也就是说提高了性能。 增加吐出口的数量是提高并行处理的能力，同样可以提高性能。 那么，与我们的计算机相比，在我们的系统中，结果如何呢？
通过增加服务器的内存大小，可以增加并发量。 随着内存的增加，可以运行更多的进程、更多的线程，还可以增加任务队列的大小。 可以通过提高cpu的时钟速度和优化程序来提高性能。 cpu速度加快，程序优化，处理单个任务的时间缩短。 通过增加多核或分布式服务器的数量，可以提高性能和并发性。 只是性能提高了，同时性也提高了吗？
如果静态地理解并发量，那就不会提高。
我想动态地理解并发量，即每单位时间可以进入的最大数量。
那么提高性能后，可以线性地提高同时量。 因为每单位时间，进来的同时也会出去。
让我们先假设一下：
单进程(php fast-cgi )内存占用10M
一个线程(java web )的内存消耗2M
一个协议(go )存储器占用20K
队列任务(nginx )的内存消耗2K
看看内存和并发量的关系吧。
内存量进程数线程数协作队列任务1g 10050050 k 2g 20010001000 k 4g 40020002000 k8g 80040004000 k从上述结果可以直观地看出不同运行模式下并发能力的巨大差异
多进程和多线程模式不仅内存开销大，而且在数量不断增加的情况下，对CPU的压力也非常大。
因此，当并发量大时，这种系统可能会变得不稳定，甚至出现故障。
假设上面计算的数据都是静态容量，如果不处理所有任务，内存一定会很快耗尽。
因此，要实现更高的并发性，需要更快的处理速度，也就是性能优化。
那么，再做一个假设吧。
目前有一台服务器，配备8核16G内存。
如果我们的APP应用程序是计算密集型、纯计算的系统，例如数据索引查询、排序等操作。
另外，假设该APP应用在多核并行运算时不存在锁定冲突。
QPS=1000ms/个请求需要时间*8
一个请求(任务)需要100ms时，可以计算为qps=(1000ms/100ms ) 8核=80个/秒
优化处理算法，将一个请求的时间缩短到10ms时，qps=(1000ms/10ms ) *8核=800个/秒
如果可以继续优化，将单个请求所需时间减少到1ms，则qps=(1000ms/1ms ) *8核心=8000个/秒
上述情况和优化的效果应该很容易理解。 对服务器资源的依赖是因为CPU的处理能力和数量很多。
在实际的网络APP应用中，系统往往依赖于mysql、redis、rest api或微服务，是IO密集型的。 根据以上的计算方式，由于cpu有富馀，所以可能不太准确。
如果IO被阻止，当然可以通过上述多进程、多线程、多协议和队列方法来打开更多任务。 它也是一种高效高效利用服务器资源的方法，可以增加并发量。
最终，我们将大部分的运算放入了APP外部的mysql、redis、rest api等服务中。
到目前为止，您已经了解了并发性、性能优化和服务器资源(服务器数量、cpu和内存)之间的关系，以及性能优化对并发性的影响。
答疑1内存越多，并发量越大可以吗？
a :大多数情况下，是的。 如上所述，在多进程、多线程模式下，如果线程过多，线程会断开时间片，CPU在上下文之间切换会变慢。 影响系统的性能。
关于协议、队列的执行模式，这个问题会好很多。 当然，协议调度、队列维护开销也一定会增加。 但是，增加的开销不会线性降低系统的性能。
2 CPU越快，APP应用性能一定越好吗？
答：绝对的。 但是，提高CPU和APP应用程序的性能可能与线性增长无关。 因为APP应用程序是IO密集型的，而APP应用程序的性能可能受IO块的影响。
3 CPU越多，应用的性能一定越好吗？
答：大部分情况是的。如果大量锁存在，性能提升可能会大打折扣，因为并行能力会被锁住，又变成单线程执行了，没有最大的发挥多CPU的作用。
4 服务器越多，并发量一定越大吗？
答：绝对的。服务器增加，CPU和内存资源相应也就越多，并发能力也就会增大，他们之间是线性相关。
5 服务器越多，性能一定越好吗？
答：大部分情况是的。但是单个服务器的效率可能会是下降的，数据一致性问题、同步问题、锁问题，这些都会导致单个服务器的效率(CPU利用率)下降，所以不是线性相关。
关于CPU利用率：
如果只是考虑应用对CPU利用效率的话：单核=多核=多服务器
单进程/单线程的系统对于服务器资源的利用率更高。
到多核的系统中，就会因为锁的问题，多任务同步的问题，操作系统调度的问题，造成一定的资源浪费。而分布式系统中，这些浪费也会更严重。
6 怎样更好的更有效的利用服务器资源呢？
答：避免因为IO阻塞让CPU闲置，导致CPU的浪费；
避免多线程间增加锁来保证同步，导致并行系统串行化；
避免创建、销毁、维护太多进程、线程，导致操作系统浪费资源在调度上；
避免分布式系统中多服务器的关联，比如：依赖同一个mysql，程序逻辑中使用分布式锁，导致瓶颈在mysql，分布式又变成串行化运算。
上面说了要避免的地方，要具体怎么来避免，到具体的业务场景就需要具体分析了。
而且有些时候，为了业务功能，或者其它方面的需求，比如：可用性、伸缩性、扩展性、安全性，不得不牺牲掉一部分性能。
最后，做一个总结：
并发量，是一个容量的概念，服务可以接受的最大任务数量，动态的看待它，还需要把性能考虑进去。
性能，是一个速度的概念，单位时间内可以处理的任务数量。
高并发和高性能是紧密相关的，提高应用的性能，是肯定可以提高系统的并发能力的。
应用性能优化的时候，对于计算密集型和IO密集型还是有很大差别，需要分开来考虑。
增加服务器资源（CPU、内存、服务器数量），绝大部分时候是可以提高应用的并发能力和性能
（前提是应用能够支持多任务并行计算，多服务器分布式计算才行），但也是要避免其中的一些问题，才可以更好的更有效率的利用服务器资源。