互联网海量并发和海量数据处理背后涉及到高性能服务器的请求和响应，这里面如何处理成千上万的的用户请求？涉及到哪些技术？有哪些方向是可以进行优化的呢？本文总结了几种方案供参考。
一、多进程和多线程
- 多进程
在Linux的世界中，可以通过fork()方法来创建子进程，父进首先接收到用户请求，再自己创建子进程去处理用户的请求，这样每个用户的请求都得到了处理。
多进程的优点：
多进程的缺点：
- 多线程
由于多进程的创建和销毁开销过大，所以引入了多线程方式，一个进程下的多个线程他们共用相同的地址空间，所以创建的时候开销相对较小，更重要的是他们有了更方便的线程间通信方式。
多线程的优点：
多线程的缺点：
二、事件驱动
事件驱动编程中2个最重要的角色为：
一般的事件驱动编程模型为：
while(true){
event = getEvent();//获取到事件
result = handler(event);//处理事件
}
以上这种事件驱动的处理模型存在问题，因为getEvent()方法只能获取一种事件，handler(event)也只能处理一种事件，就是如何处理多种事件呢？
这个可以选择IO多路复用来解决，IO多路复用是通过单独一个dispatcher来监控事件，如果获取到了某个事件，就将该事件转发到对应的handler来进行处理，这也是Linux中epoll实现的主要思路。
三、异步和回调方式
同步调用的逻辑简单、易实现，在开发前期可以通过这样的方式迅速实现功能，进行功能验证，但是在生产环境面对高并发情况，同步调用的效率比较低下，这是由于工作现在会阻塞主线程的执行。有没有一种更好的方案来解决高并发场景？
一种更好的方案是通过异步和回调方式来实现，在主线程中调用工作线程时，采用的是一种异步调用的方式，这样就不会阻塞主线程的执行，如果异步线程还有返回值的话，可以在异步方法中传入回调函数，这样在异步线程执行完成后会自动调用回调函数。
一般的编程模式：
void handler(request){
getInfoAsync(request, callBack())
}
getInfoAsync(request, callBack(){
//异步处理
callBack(returnInfo);//调用回调函数
}
callBack(returnInfo){
//回调处理
}
在Java中可以通过CompletableFuture框架来实现异步和回调。
协程
todo
本文由博客一文多发平台 OpenWrite 发布！
