web动静资源分离
浏览器的请求分为静态资源请求，与动态资源请求。
静态有：html文件，js脚本，css等。
动态有：jsp，php等
http服务器用来处理静态请求，应用服务器处理动态请求。分别可以称为前端服务器，后端服务器。
随着网站访问量变高，可以采取缓存处理。
1.客户端(浏览器)缓存，浏览器访问，先从缓存中获取页面。
2.前端页面缓存，前端服务器可以做一些前端的静态页面缓存。
3.页面片段缓存ESI(Edge side Includes)
前端负载均衡：
DNS负载均衡
在DNS服务器中，可以为多个不同的地址配置同一个名字，对于不同的客户机访问同一个名字，得到不同的地址
反向代理
使用代理服务器将请求发给内部服务器，让代理服务器将请求均匀转发给多台内部web服务器之一，从而达到负载均衡的目的。
基于NAT的负载均衡技术
LVS
F5
后端的应用服务器负载均衡
可以增加任务服务器，选择负载比较小的任务服务器
对数据库分库分表：
数据库读写 并发量比较大的时候，就会出现锁竞争，那么就可以把数据库进行分库。
数据库分区种类：
垂直分区：
垂直分区完之后每一张表还可能出现“大表”。
水平分区：
多数据中心+分布式存储与计算
目前有些大型数据，对一致性要求不高，没有必要保存在关系数据库中。关系数据库的事务，表的join，都是服务器性能杀手。
nosql支持并发性比关系型数据库好的多。
DFS分布式文件系统：
nosql的数据可能存在分布式文件系统中。
举例：淘宝上面有好多图片，图片比较小，如果存在磁盘中，磁盘查找磁头回去转动，效率比较低。
分布式文件系统可以是这样的，比如说分成块，将相关性很大的图片存在一个块中。操作系统在查找的时候，就相当于在查找一个大文件。当然这个块内部还存储了图片的存储信息。通过哈希算法，操作系统就可以快速找到图片，不需要磁盘上的消耗。
nosql基于key value存储，为了快速找到这些数据，nosql可以建立在分布式文件系统之上，减轻对I/O的访问。实际上，这些数据库也有自己的文件系统。
map/reduce算法，是分布式计算框架。是google的系统，基本现有nosql数据库都支持此算法。
google（GFS|BigTable | Map/Reduce)
map_reduce是什么呢？比如说我们要统计文件，这些文件太大没法加载到内存中。如果用一台机器效率比较低，那么就可以用多台机器去计算它。这就是分布式计算。
下面这段话来自知乎：
举个栗子，要斗地主了，需要从10副混一起的牌里找出一幅牌，10副牌分10堆给10个人去清，每个人分别把黑红梅方放一堆，这就是map
然后安排4个人每人去清一种花色的牌，从中找出1到K，这就是reduce了
