亿级用户的请求分层过滤模型
请求处理模型
直筒型
直筒型请求处理模型，指的是用户请求 1:1 的洞穿到db层，如下图所示。在比较简单的业务中，才会采用这个模型。
传统的低并发、低性能、低可用项目。
直筒型请求处理模型的适用场景：
企业级应用。
特点：
1. 用户规模较小
2. 请求峰值和平均值相差不大
3. 请求峰值不会超过数据层的处理能力
漏斗型
漏斗型业务，指的是，用户的请求，从客户端到 db层，层层递减，递减的程度视业务而定。例如当 10w 人去抢100个物品时，db层的请求在个位数量级 1000以内，这就是比较理想的模型。
漏斗型请求处理模型的适用场景：
互联网应用（如秒杀）
特点：
1. 用户规模大
2. 请求峰值和平均值相差巨大
3. 请求峰值远远超出最后一层（数据层）的处理能力
漏斗模型中的请求分层过滤
漏斗型请求处理模型的核心策略，对请求进行分层过滤。
而针对漏斗型请求处理模型（如秒杀场景）一 种核心策略，就是对请求进行分层过滤，从而过滤掉一些无效的请求。
案例：秒杀系统的分层过滤
比如,在秒杀系统中，请求分别经过 CDN、Nginx（商品详情）、微服务（如seckill）和数据库这几层，那么：
1 大部分数据和流量在用户浏览器或者 CDN上获取，这一层可以拦截大部分静态资源的读取；
2、经过第二层 Nginx（商品详情）时，尽量得走 Nginx Cache，过滤一些可以直接访问Nginx缓存的 请求；经过第二层 Nginx（商品详情）时，也可以进行流控，还可以进行黑名单过滤，拦截掉一些无效的流量；
3、再到服务层，进入微服务网关时，可以做用户的授权检验，对系统做好保护和限流，这样数据量和请求就进一步减少；
4、业务层，还可以进行数据的有效性、一致性过滤，这里又减少了一些流量。这样就像漏斗一样，尽量把数据量和请求量一层一层地过滤和减少了。
分层过滤的核心思想是：在不同的层次尽可能地过滤掉无效请求，让“漏斗”最末端的才是有效 请求。而要达到这种效果，我们就必须对数据做分层的校验。
写入操作的流量削峰方案(降级方案)
削峰从本质上来说，就是更多地延缓用户请求，以及层层过滤用户的访问需求，遵从【最后落地到数据 库的请求数要尽量少】的原则。
同步的直接调用转换成异步的间接推送
要对流量进行削峰，最容易想到的解决方案就是用消息队列来缓冲瞬时流量，把同步的直接调用转换成 异步的间接推送，中间通过一个队列在一端承接瞬时的流量洪峰，在另一端平滑地将消息推送出去。
消息队列中间件主要解决应用耦合、异步消息、流量削峰等问题。常用的消息队列系统有ActiveMQ、 RabbitMQ、ZeroMQ、Kafka、Me'taMQ和RocketMQ等。
在这里，消息队列就像是水库一样，拦截上游的洪水，削减进下游河道的洪峰流量，从而达到减免洪水灾害的目的。
分层限流：防止系统雪崩的无奈策略
分层限流：接入层、服务层 限流，根据各层的能力，对系统进行保护
