最近很多客户商家， 非常关心我们Legendshop商城系统并发量数据， 其实经过 包括中烟集团， 上汽集团商城，中核集团，招商银行等客户项目这么多年的实战落地，我们有一套相对成熟的落地方案；我们整理了一些设计思路，给大家做一个分享：
Legendshop B2B2C电商平台具有大用户量、大业务量和高并发的特点。常规条件下，大数据量将使B2B2C电商平台性能下降，系统响应速度变慢。而对电子商务网站，用户对响应速度要求高。在这种情况下，我们要根据具体的性能要求来设计我们的Legendshop B2B2C电商平台。这里，我们建设一个能承受500万日活跃用户的B2B2C的平台，需要如何建设？
DAU(Daily Active User)日活跃用户数量。
PV（Page View）访问量, 即页面浏览量或点击量，衡量网站用户访问的网页数量；
UV（Unique Visitor）独立访客，统计1天内访问某站点的用户数(以cookie为依据);访问网站的一台电脑客户端为一个访客。
IP（Internet Protocol）独立IP数，是指1天内多少个独立的IP浏览了页面，即统计不同的IP浏览用户数量。
在Legendshop B2B2C电商平台，最常见的业务场景有以下几个，他们的并发要求是怎么样呢？
计算模型：
每秒处理请求的数量=((80%*总PV量)/(24小时*60分*60秒*40%)) 。其中关键的参数是80%、40%。表示一天中有80%的请求发生在一天的40%的时间内。24小时的40%是9.6小时，有80%的请求发生一天的9.6个小时当中（很适合电商平台的应用，高峰时间请求多，闲时请求少，不是一天的访问都是平均,晚高峰 18点-22点是一般电商平台最高峰时期）。
计算结果：
500万DAU ，估算会产生10倍比率的首页PV访问；((80%*500万*10倍)/(24小时*60分*60秒*40%)) = 1157个请求/秒；以上请求数量是均匀的分布在白天的9.6个小时中，但实际情况并不会这么均匀的分布，会有高峰有低谷。为了应对高峰时段，晚高峰 18点-22点是一般电商平台最高峰时期，应该留一些余地，最少也要x2倍，x3倍也不为过。1157个请求/秒 *3倍=3471个请求/秒。
计算模型：
每秒处理请求的数量=((80%*总PV量)/(24小时*60分*60秒*40%)) 。
计算结果：
500万DAU ，估算会产生10倍比率的商品页面PV访问
((80%*500万*10倍)/(24小时*60分*60秒*40%)) = 1157个请求/秒
1157个请求/秒 *3倍=3471个请求/秒
计算模型：
习惯以3%-5%的日活跃用户下单比例来推算用户的订单数，每个订单会产生10个请求
每秒处理请求的数量=((80%*日活跃用户数量*5%)/(24小时*60分*60秒*40%)) 。
计算结果：
((80%*500万*5%*10)/(24小时*60分*60秒*40%)) = 60个请求/秒
60个请求/秒*3倍=180个请求/秒
计算模型：
习惯以1%的日活跃用户同一时间参与秒杀，
计算结果：
500万*1% = 50，000个请求/秒
在B2C网站架构设计中，将通过如下方法保持大数据量情况下网站系统的高性能：
数据库访问的性能往往是网站性能的瓶颈。根据经验数据，用户在访问互联网站时，超过90%的操作只是读取数据，提交、修改数据不到10%。因此可以将内容相对固定、主要供用户浏览的页面（如产品展示页面）生成缓存，而无须访问数据库。这样，可以大幅度提高网站性能。对于静态内容（网页、图片、音频文件、脚本文件等）可以选择CDN（Content Delivery Network，内容分发网络）方式发布，从而通过专业内容发布服务提高网站访问速度。频繁修改的数据可以采用缓存的办法处理。Redis功能强大、简单易用，支持分布式数据处理，是商城平台常用的缓存方案。
可以配置数据库集群，实现读写分离。选用MySQL数据库，主数据库负责处理数据写入操作，对于单纯读操作，分发给从数据库处理。数据发生更改时，主数据库自动同步数据到从数据库。从而提高数据库整体性能。可以根据需要配置多台从数据库服务器。也可以根据业务发展随时增加。
对于应用服务器、数据库集群均配置负载均衡，充分利用系统资源。
数据库系统性能是网站性能的瓶颈。通过配置数据库集群，实现读写分离之外，还可以通过多种技术手段提高数据库访问性能。如下：数据库分表：同一个数据表中，不同字段读写频率存在差异，或者存在大字段时，采用纵向分表，从而降低数据库I/O次数，提高性能；一个数据库表中数据条目增多，查询性能低下时，采取横向分表策略，减少单个表中数据条目数。充分利用索引：分析用户查询行为，合理建立索引。
采用技术手段对程序和页面进行优化，充分利用缓存。
1，随机丢弃，减少进入核心逻辑的请求。
2，多层筛选，平均核心逻辑的IO。
3，缓存，消息队列，保证业务和数据正确，开启多个服务节点处理消息队列，当没有库存后，抛弃队列里的剩余请求。
5、微服务下高并发指标
针对B2B2C多用户商城的设计思路， 以下指标经过实践得出， 详见下一篇文章（springcloud微服务高并发设计），说到微服务，在和大家讨论时发现最大的问题是，是否要落地实践微服务？因为很多企业并没有达到所需的规模，所以，在准备实践微服务之前需要考量的几个问题是：
（1）数据量和业务复杂度有没有达到，若是一个库或一个集群即可搞定，那么建议不要去考虑微服务的问题，大型企业有很多数据库集群去支撑业务，此时，才应该去考虑实践微服务。
（2）团队规模，若团队只有十几个人，很多传统WEB三层结构就可以满足需求也无需去考虑微服务，除非团队规模达到上百人，拆分成十几二十几个团队，沟通比较困难时去考虑微服务是比较好的。
（3）应对大规模流量并发，很多企业将原来系统的业务开了互联网接口就送出去，此时会遇到很多高流量高并发的问题，此时需要考虑是否要转向微服务，因为传统架构很难应对突发性流量问题。
（4）是否需求足够的容错容灾，不要认为所有的系统都需求100%可靠，对于很多企业而言，一些系统停机一天或几个小时并不重要，其实并非任何系统都要做高可用，是否需要自动恢复，运维强度等都是需要考虑的问题。
（5）功能重复度和维护差错成本，系统规模越大，功能的重复也越高，现在企业里有很多系统，都要进行认证授权，其实可以单独考虑，否则每个系统都要进行一次，而且并不相同。
若以上问题都不存在，建议还是以三层结构的模式，不要给自己挖坑跳不出来，并非所有企业度适合微服务。
5.1、平台首页： 1157个请求/秒 *3倍=3471个请求/秒。（系统要求）
微服务性能理论可以达到指标：6000请求/秒
5.2、商品页面 1157个请求/秒 *3倍=3471个请求/秒。（系统要求）
微服务性能理论可以达到指标：6000请求/秒
5.3、订单下单 60个请求/秒*3倍=180个请求/秒。（系统要求）
微服务性能理论可以达到指标：300请求/秒
5.4、秒杀 500万*1% = 50，000个请求/秒。（系统要求）
微服务性能理论可以达到指标：100，000请求/秒
以上是一些实践思路， 欢迎更多同行相互交流