在高校开学季或考试季，教务系统、选课系统等会面临高并发压力。请分享你过往在高并发场景下的系统优化经验（如缓存、限流、负载均衡），并应用于高校教育系统的优化方案。

1) 【一句话结论】
高校开学季/考试季高并发场景下，需通过负载均衡分散流量、缓存热点数据降低数据库压力、结合限流防雪崩，分层优化系统架构，保障系统稳定响应。

2) 【原理/概念讲解】
老师口吻：

• 负载均衡：像交通枢纽，把大量请求分到多台服务器，避免单点过载。比如选课高峰时，Nginx将“选课”请求分发到多台应用服务器，让每台服务器处理部分流量。
• 缓存：像超市货架，把热门商品（如热门课程信息、学生选课记录）提前存到快速存储（如Redis），用户请求时先查缓存，减少数据库查询。
• 限流：像交通限速，给系统设置流量上限，防止突发流量导致雪崩（所有服务都挂掉）。比如用令牌桶算法，每秒允许1000个请求，超过则返回429错误。

3) 【对比与适用场景】

技术	定义	特性	使用场景	注意点
负载均衡	分发网络流量到多台服务器	分发请求，提高可用性	开学选课高峰、考试报名等高并发场景	需考虑算法（轮询/加权轮询/随机等）
缓存	存储热点数据，快速响应	提高读取速度，减轻数据库压力	热门课程信息、学生个人信息等高频查询	需设置过期时间，避免数据不一致
限流	控制请求速率，防止雪崩	保护系统资源，防止过载	高并发场景，如选课抢课	需合理设置阈值，避免影响正常用户

4) 【示例】
假设选课系统优化：

• 负载均衡（Nginx配置）：

  upstream course_server {
      server 192.168.1.1:8080;
      server 192.168.1.2:8080;
      server 192.168.1.3:8080;
  }
  server {
      listen 80;
      location /api/course {
          proxy_pass http://course_server;
      }
  }
  

• 缓存（Redis存储热门课程）：

  # 存储热门课程信息
  SET course:101 "高等数学"  # 课程ID:名称
  EXPIRE course:101 3600      # 过期1小时
  

• 限流（令牌桶算法伪代码）：

  class TokenBucket:
      def __init__(self, capacity, rate):
          self.capacity = capacity
          self.tokens = capacity
          self.rate = rate  # 每秒产生的令牌数
          self.last_time = time.time()
      
      def consume(self, tokens):
          now = time.time()
          elapsed = now - self.last_time
          self.tokens = min(self.capacity, self.tokens + elapsed * self.rate)
          self.last_time = now
          if self.tokens >= tokens:
              self.tokens -= tokens
              return True
          else:
              return False
  

5) 【面试口播版答案】
面试官您好，针对高校开学季或考试季的高并发场景，我过往经验是分层优化系统：首先用负载均衡分散流量，比如用Nginx将选课请求分发到多台应用服务器，避免单点过载；然后缓存热点数据，比如热门课程信息存入Redis，用户查询时先查缓存，减少数据库压力；最后结合限流防雪崩，用令牌桶算法控制每秒请求数，防止突发流量导致系统崩溃。比如在选课系统中，这些措施能显著提升响应速度，保障高峰期稳定运行。

6) 【追问清单】

• 问题：缓存穿透/击穿/雪崩如何处理？
  回答要点：缓存穿透用布隆过滤器或设置空值缓存；缓存击穿用互斥锁或热修复；缓存雪崩通过设置过期时间分散请求。
• 问题：限流策略如何动态调整？
  回答要点：根据实时流量动态调整令牌桶的速率或容量，比如高峰期提高限流阈值，低谷期降低。
• 问题：负载均衡算法选择依据？
  回答要点：根据服务器负载选择算法，如轮询适合负载均衡，加权轮询适合不同服务器性能差异，随机适合冷启动。
• 问题：数据库层面如何配合？
  回答要点：分库分表降低单库压力，读写分离提高查询效率，结合缓存减少数据库访问。
• 问题：容灾方案？
  回答要点：多机房部署负载均衡，数据库主从复制，缓存集群高可用，确保系统故障时快速切换。

7) 【常见坑/雷区】

• 缓存未设置过期导致数据不一致；
• 限流策略过严影响正常用户；
• 负载均衡算法选择不当（如随机导致冷热不均）；
• 未考虑数据库压力，缓存未命中时数据库过载；
• 缓存穿透未处理导致缓存雪崩。