对于一个系统中，数据库层面做了优化之后，那么我们就算是做了最后的努力了。如果系统仍然撑不住，那么，就应该考虑缓存了。（一个系统性能提升的最快路径，就是使用缓存。这个可以处在数据库优化之前）
一个系统中，可以用作缓存的节点很多。
系统的缓存节点可以分为 客户端缓存，CDN缓存,反省代理缓存，服务端本地缓存（内存缓存，IO缓存），分布式缓存（Redis，MemberCache）。
这些节点都是可用来作为缓存节点的，目的是为了，减少DB查询，减少网络跳转。
客户端缓存：在我们的Respose头部增加标签说明，我们应该都是用的很多了，就不多做介绍了。
CDN缓存：CDN缓存的读取过程
用户提交域名------浏览器对域名进行解析------->
CND域名服务器返回指定域名的CNAME记录------>
对CNAME记录进行再解释-------->得到CDN缓存服务器的地址-------->
根据IP地址发出访问请求----->缓存服务器通过内部DNS得到真实主机地址------>
向真实主机发出请求，并把请求返回客户端------->客户端浏览器得到请求数据，并且返回。
通过以上说明，就知道了 DNS在解析域名以后，会根据域名的CName再解析到对应的CDN缓存服务器，在CDN缓存服务器上面找对应数据，如果没有，则会直接请求服务器。
反向代理：
反向代理就是在我们的服务端的前面增加一层保护措施，所有的请求都将经过这里，那么这里就可以做很多东西，请求过滤、缓存，动静分离（部分）。使用Nginx作为反向代理服务器是一个很好的选择。
反向代理服务器在我们的开发过程中影响不大，偏向于运维层面。
本地缓存/分布式缓存：
这个缓存也是我们经常使用的，包括了Redis等流行的NoSql数据库充当缓存，服务器内存，IO文件等做缓存
分布式文件系统
一般来说，分布式文件系统都是采用软件来对集群中的多个网络硬盘进行管理，就像使用一台机器的硬盘一样。
流行的分布式系统：NFS,TFS,GFS,AFS
专项突破：
1. 全文检索
在做搜索功能时，可能会出现非规范性搜索。 比如：我爱你----->搜成了：我爱您。
对于搜索功能来讲，关系型数据而是能够做到的。但是它是不能够太过人性化。
全文检索框架：Lucene，Solr，ES（使用较多）
全文检索技术，分词建索引，拆3个词存储起来，搜索时也分词，4个词进行搜索，能匹配不要求完全匹配，就能达到最大程度上搜索出相关结果。
2.高并发情况下，库存不够问题（秒杀超卖问题）
1.基于数据库的解决方式------悲观锁/排他锁-----无法满足高并发
2.乐观锁 ------基于Version更新的方式，保证不会出现脏数据（不会超卖），多个并发只有一个能够成功------但是压力还是在数据库，高并发下不太可行。
3.采用能够持久化，高性能的的 队列 来进行削峰/限流等。进而降低数据库压力，保证数据的正确性。