数据库高并发下如何保证系统稳定不崩溃？

数据库高并发是现代互联网应用中常见的技术挑战，当大量用户同时访问数据库时，可能导致系统性能下降、响应延迟甚至服务崩溃，解决数据库高并发问题需要从架构设计、索引优化、读写分离、缓存机制、分库分表等多个维度综合施策,以下从核心策略到具体实践进行详细阐述。

架构层面优化

读写分离
通过主从复制架构，将写操作（增、删、改）集中在主库，读操作（查）分发到多个从库，从而分散压力，主库负责数据写入，从库同步数据并提供读服务，显著提升读并发能力。
- 实现方式：基于主从复制（如MySQL的Replication、PostgreSQL的Streaming Replication），配合中间件（如MyCat、ShardingSphere）或代理（如ProxySQL）动态路由读写请求。
- 注意事项：需处理主从延迟问题,可通过半同步复制或优化从库负载均衡策略降低影响。
分库分表
当单库数据量或写入压力过大时，通过水平拆分（分库）或垂直拆分（分表）将数据分散到多个数据库实例。
- 水平拆分：按业务ID（如用户ID、订单ID）哈希或范围分片，例如将用户数据按ID哈希拆分为4个库，每个库存储部分数据。
- 垂直拆分：按业务模块拆分，例如将用户表、订单表、商品表分别存储在不同数据库中，减少单库表数量和复杂度。
- 分片键选择：需确保分片键分布均匀，避免热点问题（如按用户ID分片时，新用户集中注册可能导致单库压力过大）。

缓存是缓解数据库读压力的核心手段，通过将高频访问的数据存储在内存中，减少数据库直接访问次数。

多级缓存架构
- 本地缓存：如Caffeine、Guava Cache，存储在应用 JVM 内存中，响应速度快，但存在数据一致性问题和内存限制，适合存储热点数据（如商品详情）。
- 分布式缓存：如Redis、Memcached，集群部署，支持高并发读写，可通过缓存穿透、击穿、雪崩的防护策略（如布隆过滤器、互斥锁、随机过期时间）保障稳定性。
- 缓存更新策略：采用主动更新（如双写策略、消息队列异步通知）或被动更新（TTL过期）,确保缓存与数据库数据最终一致。
缓存穿透与击穿防护
- 穿透：查询不存在的数据（如ID为-1），导致请求直接打到数据库，解决方案：缓存空值（设置较短TTL）或使用布隆过滤器过滤非法请求。
- 击穿：某个热点key过期时，大量并发请求直接访问数据库，解决方案：互斥锁（如Redis的SETNX）或永不过期（逻辑过期，后台异步更新）。

索引优化
- 合理创建索引（如联合索引、覆盖索引），避免全表扫描，对经常用于查询条件（WHERE）、排序（ORDER BY）、连接（JOIN）的字段建立索引。
- 避免索引失效场景：如对索引字段使用函数（WHERE SUBSTR(name,1,3)='abc'）、隐式类型转换（WHERE name=123）或OR连接非索引字段。
SQL优化
- 减少不必要字段查询（避免SELECT *），使用分页查询（如LIMIT offset, size）时优化offset（如基于游标的分页）。
- 复杂查询拆分为简单查询，避免大事务（如长时间未提交的事务会锁表，阻塞其他请求）。

数据库连接池
使用连接池（如HikariCP、Druid）管理数据库连接，避免频繁创建和销毁连接带来的性能损耗，合理配置连接池大小（通常为核心数*2+1），并在高并发时进行连接熔断（如Hystrix）。
限流与降级
- 限流：通过令牌桶算法（如Guava RateLimiter）或计数器限制数据库访问频率，防止突发流量压垮数据库。
- 降级：在系统过载时，暂时关闭非核心功能（如搜索推荐）,保证核心交易链路可用。

异步化处理
对非实时性要求高的操作（如日志记录、消息发送），通过消息队列（如Kafka、RabbitMQ）异步处理，降低数据库直接写入压力。
数据库中间件
使用分库分表中间件（如ShardingSphere）统一管理分片规则，简化分库分表后的SQL路由和数据合并逻辑。
NoSQL辅助
对结构灵活、高并发的场景（如社交 feed 流），使用NoSQL数据库（如MongoDB、Elasticsearch）分担压力,与关系型数据库形成互补。