前言：
高并发，几乎是每个程序员都想拥有的经验。原因很简单：随着流量变大，会遇到各种各样的技术问题，比如接口响应超时、CPU load升高、GC频繁、死锁、大数据量存储等等，这些问题能推动我们在技术深度上不断精进。
我们知道，高并发代表着大流量，高并发系统设计的魅力就在于我们能够凭借自己的聪明才智设计巧妙的方案，从而抵抗巨大流量的冲击，带给用户更好的使用体验。这些方案好似能操纵流量，让流量更加平稳得被系统中的服务和组件处理。
究竟什么样的系统算是高并发系统？今天，我们就一起看看阿里P9技术大佬的高并发业务场景下典型的秒杀系统的架构吧
1.1 高并发系统：它的通用设计方法是什么
1.2 架构分层：我们为什么一定要这么做？
1.3 系统设计目标（一）：如何提升系统性能？
1.4 系统设计目标（二）：系统怎样做到高可用？
1.5 系统设计目标（三）：如何让系统易于扩展？
1.6 面试现场第一期：当问到组件实现原理时，面试官是在刁难你吗？
数据库
2.1 池化技术：如何减少频繁创建数据库连接的性能损耗？
2.2 数据库优化方案（一）：查询请求增加时，如何做主从分离？
2.3 数据库优化方案（二）：写入数据量增加时，如何实现分库分表？
2.4 发号器：如何保证分库分表后ID的全局唯一性？
2.5 NoSQL：在高并发场景下，数据库和NoSQL如何做到互补？
缓存
3.1 缓存：数据库成为瓶颈后，动态数据的查询要如何加速？
3.2 缓存的使用姿势（一）：如何选择缓存的读写策略？
3.3 缓存的使用姿势（二）：缓存如何做到高可用？
3.4 缓存的使用姿势（三）：缓存穿透了怎么办？
3.5 CDN：静态资源如何加速？
消息队列
4.1 消息队列：秒杀时如何处理每秒上万次的下单请求？
4.2 消息投递：如何保证消息仅仅被消费一次？
4.3 消息队列：如何降低消息队列系统中消息的延迟？
4.4 面试现场第二期：当问到项目经 历时，面试官究竟想要了解什么？
分布式服务
5.1 系统架构：每秒1万次请求的系统要做服务化拆分吗？
5.2 微服务架构：微服务化后，系统架构要如何改造？
5.3 RPC框架：10万QPS下如何实现毫秒级的服务调用？
5.4 注册中心：分布式系统如何寻址？
5.5 分布式Trace：横跨几十个分布式组件的慢请求要如何排查？
5.6 负载均衡：怎样提升系统的横向扩展能力？
5.7 API网关：系统的门面要如何做呢？
5.8 多机房部署：跨地域的分布式系统如何做？
5.9 Service Mesh：如何屏蔽服务化系统的服务治理细节？
维护
6.1 给系统加上眼睛：服务端监控要怎么做？
6.2 应用性能管理：用户的使用体验应该如何监控？
6.3 压力测试：怎样设计全链路压力测试平台？
6.4 配置管理：成千上万的配置项要如何管理？
6.5 降级熔断：如何屏蔽非核心系统故障的影响？
6.6 流量控制：高并发系统中我们如何操纵流量？
6.7 面试现场第三期：你要如何准备一场技术面试呢？
实战
7.1 计数系统设计（一）：面对海量数据的计数器要如何做？
7.2 计数系统设计（二）：50万QPS下如何设计未读数系统？
7.3 信息流设计（一）：通用信息流系统的推模式要如何做？
7.4 信息流设计（二）：通用信息流系统的拉模式要如何做？
高并发（High Concurrency）是互联网分布式系统架构设计中必须考虑的因素之一，它通常是指，通过设计保证系统能够同时并行处理很多请求。
其实高并发经验是考验一个程序员或者说是考验架构师功底和能力的时刻
所以要搞好高并发，在条件允许下，对技术要有很大的热度，从下到上涉及到的方方面面，从业务逻辑，从各个组件，从系统方面去做各种优化，各种突破，迫使你去了解更多底层的知识，不退缩中前进。
相应的文章已经整理形成文档，需要的朋友，git扫码获取资料看这里
