1、扩容： 垂直扩容：提高服务器性能 水平扩容：增加服务器数量，线性扩充系统性能 2、消息队列：Kafka、RabitMQ、RocketMQ等。对高并发请求进行消峰、异步、解耦 3、缓存：redis、Memcache。部分请求通过缓存获取 4、微服务：springcloud或者dubbo 5、数据库：采用分库分表，主库用于写数据，从库用于读取数据，技术：MYCAT、Sharding-Sphere 6、限流：Guava RateLimiter 7、全文搜索和分析引擎：elasticserach

部分请求可以走redis，搭建一个集群的redis框架，redis数据存在内存中，redis的并发量要比数据库高很多，支持几万个并发没问题

消息队列的主要作用是消峰、解耦、异步。如果吞吐量需求特别高的话可以采用kafka作为消息队列技术方案，kafka的吞吐量可以高达10万级别，延迟在ms级别内，它是分布式的可用性非常高，消息几乎0丢失。如果吞吐量要求没那么高，可以考虑常用的RabbitMq，RabbitMq的吞吐量可以高达万级别，延迟在微妙级别，延迟非常的低，基本不丢包，中小型项目基本满足需求。

将数据库进行分库分表，提高并发率，减少请求响应时间，主库用来写数据，从库用来读数据，一般写数据远远少于读数据的请求，多个从库可以减少读数据库的压力，读写分离，互不干扰。

guava的RateLimiter使用的是令牌桶算法，也就是以固定的频率向桶中放入令牌，实际业务每次请求之前再从桶中获取令牌，拿到令牌的就能够有资格请求业务。可以设置限定的QPS，限制QPS之内的请求可以请求业务，多余的请求会被限制。

使用springcloud或者dubbo将整个系统拆分为多个微服务系统，每个系统搭建个服务器，对部分请求频繁的微服务搭建集群系统，这样不同的请求就可以被分发到不同的微服务，各个微服务直接解耦合。

通过负载均衡将高并发请求分发到不同的微服务上去处理，可以轮训分发，也可以配置权重或者根据当前服务器的负载量进行分发。同时对部分请求进行降级和熔断处理。

高并发请求进入系统，被分发到不同的微服务，部分读请求可以通过缓存获取，那么这样并发的请求量就会相应的减少，剩下的请求量可以通过消息队列去消峰，避免直接对数据库进行请求；或者可以搭建分库分表，主库用来处理写请求，从库用来读请求；当然也可以通过将写数据请求通过消息队列去处理，读请求直接请求数据库的从库。