高并发的 Spring Boot Web 项目注意点
构建一个 高并发的 Spring Boot Web 项目，需要从架构设计、性能优化、稳定性、可扩展性等多个维度综合考虑。下面我将系统性地为你梳理 必须考虑的关键问题和最佳实践。
🚀 一、架构设计层面
1. 选择合适的 Web 模型
| 方案 | 适用场景 | 推荐 |
|---|---|---|
| Spring MVC（Servlet Stack） | 传统阻塞 I/O，适合中低并发 | ✅ 简单项目 |
| Spring WebFlux（Reactive Stack） | 高并发、I/O 密集型（如网关、API 中心） | ✅ 高并发首选 |
| 异步 Servlet + 线程池 | 折中方案，部分异步化 | ⚠️ 过渡方案 |
✅ 建议：
- 高并发场景优先考虑 WebFlux + Netty 或 MVC + 异步化改造。
2. 分层架构与解耦
- 严格分层：
Controller → Service → Repository - 使用 CQRS（命令查询职责分离）缓解读写压力
- 核心业务与非核心业务解耦（如日志、通知异步化）
3. 微服务 vs 单体
| 架构 | 优点 | 缺点 | 建议 |
|---|---|---|---|
| 单体应用 | 开发简单、部署方便 | 扩展性差、故障影响大 | 小团队、初期项目 |
| 微服务 | 可独立部署、弹性扩展 | 复杂度高、运维成本高 | 高并发、大团队 |
✅ 建议：高并发项目建议采用微服务架构，便于横向扩展。
⚙️ 二、性能优化
1. 数据库优化
- 索引优化：避免全表扫描，使用
EXPLAIN分析 SQL - 分库分表：使用 ShardingSphere 或 MyCat
- 读写分离：主库写，从库读
- 连接池配置：
spring:datasource:hikari:maximum-pool-size: 20 # 根据 DB 能力调整minimum-idle: 5
2. 缓存策略
| 缓存层级 | 技术 | 说明 |
|---|---|---|
| 本地缓存 | Caffeine、Ehcache | 速度快，适合热点数据 |
| 分布式缓存 | Redis | 共享缓存，支持高并发 |
| 多级缓存 | Caffeine + Redis | 先本地，后远程，降低 Redis 压力 |
✅ 使用
@Cacheable、@CacheEvict注解简化缓存逻辑。
3. 异步处理
- 使用
@Async将非核心逻辑异步化（如发送邮件、日志记录） - 配置自定义线程池：
@Bean @Primary public Executor taskExecutor() {ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();executor.setCorePoolSize(10);executor.setMaxPoolSize(50);executor.setQueueCapacity(100);executor.setThreadNamePrefix("async-");executor.initialize();return executor; }
4. 接口优化
- 避免 N+1 查询：使用
JOIN或@EntityGraph - 分页查询：避免
LIMIT 0, 1000000 - DTO 裁剪：只返回前端需要的字段
- GZIP 压缩：
server:compression:enabled: truemime-types: text/html,text/xml,text/plain,text/css,text/javascript,application/json
🛡 三、稳定性与容错
1. 限流（Rate Limiting）
防止突发流量压垮系统：
- 单机限流：Guava RateLimiter
- 分布式限流：Redis + Lua 脚本，或使用 Sentinel
- 网关层限流：Nginx、Spring Cloud Gateway
// 使用 Sentinel
@SentinelResource(value = "getUser", blockHandler = "handleBlock")
public User getUser(String id) { ... }public User handleBlock(String id, BlockException e) {return User.defaultUser();
}
2. 降级与熔断
- 使用 Resilience4j 或 Sentinel 实现：
- 超时熔断
- 异常比例熔断
- 自动恢复
- 提供 fallback 降级逻辑
3. 幂等性设计
- 高并发下重复提交问题
- 解决方案：
- 唯一订单号 + 数据库唯一索引
- Redis 分布式锁（
SET order_id userId NX EX 60） - Token 机制（提交时校验 token）
4. 日志与监控
- 日志：使用
MDC记录traceId，便于链路追踪 - 监控：
- Spring Boot Actuator（健康检查、指标）
- Prometheus + Grafana（性能监控）
- ELK（日志收集）
🌐 四、网络与部署
1. 负载均衡
- Nginx / LVS：四层/七层负载
- DNS 轮询：多机房部署
- 服务注册发现：Nacos、Eureka、Consul
2. CDN 加速
- 静态资源（JS、CSS、图片）走 CDN
3. JVM 调优
-Xms2g -Xmx2g # 堆内存大小
-XX:NewRatio=3 # 新生代比例
-XX:+UseG1GC # 使用 G1 垃圾回收器
-XX:MaxGCPauseMillis=200
✅ 建议：生产环境使用 G1 或 ZGC（JDK 11+）
🔐 五、安全考虑
- 防 SQL 注入：使用 JPA / MyBatis 参数化查询
- 防 XSS：输入过滤、前端转义
- 防 CSRF：Token 校验（WebFlux 中需特别处理）
- 接口鉴权：JWT + Redis 黑名单 或 OAuth2
- 敏感信息加密：如密码使用
BCryptPasswordEncoder
🧪 六、测试与压测
1. 压力测试
- 使用 JMeter、Gatling 模拟高并发
- 关注指标：
- QPS（每秒请求数）
- RT（响应时间）
- 错误率
- CPU / 内存 / GC 情况
2. 链路追踪
- 使用 SkyWalking 或 Zipkin 分析性能瓶颈
🧩 七、高并发设计模式
| 模式 | 说明 |
|---|---|
| 池化技术 | 数据库连接池、线程池、HTTP 客户端池（如 OkHttp） |
| 批量处理 | 合并小请求（如 List<User> getUsers(List<String> ids)） |
| 预加载 | 缓存预热、热点数据提前加载 |
| 懒加载 + 缓存 | 首次访问慢，后续快 |
| 事件驱动 | 使用 Spring Event 或 Kafka 解耦 |
✅ 八、推荐技术栈（高并发 Spring Boot）
| 类别 | 推荐技术 |
|---|---|
| Web 框架 | Spring Boot + Spring MVC 或 WebFlux |
| 数据库 | MySQL + ShardingSphere / PostgreSQL |
| 缓存 | Redis + Caffeine（多级缓存） |
| 消息队列 | Kafka / RocketMQ（异步解耦） |
| 限流熔断 | Sentinel / Resilience4j |
| 监控 | Prometheus + Grafana + SkyWalking |
| 部署 | Docker + Kubernetes + Nginx |
| 配置中心 | Nacos / Apollo |
| 网关 | Spring Cloud Gateway |
📌 九、总结：高并发 Spring Boot 项目 Checklist
| 类别 | 必做事项 |
|---|---|
| ✅ 架构 | 分层清晰、解耦、考虑微服务 |
| ✅ 性能 | 缓存、异步、索引、连接池 |
| ✅ 稳定 | 限流、熔断、降级、幂等 |
| ✅ 监控 | 日志、指标、链路追踪 |
| ✅ 安全 | 鉴权、防攻击、加密 |
| ✅ 部署 | 负载均衡、JVM 调优、压测 |
为你提供一个 高并发 Spring Boot 项目模板 或 性能优化 checklist Excel 表格 吗？