海量数据常用优化方案：
1.使用缓存技术；
把经常访问的数据缓存到内存，通过使用Map或CurrentHashMap，缺点：内存有限
或者是用缓存框架：redis、memcache
涉及到缓存失效策略，这个要好好研究下。
2.页面静态化；
将静态公共资源文件 ，如html,css,js等单独部署。
3.数据库优化；
数据库表结构设计优化，SQL语句优化、分区、分表、索引优化等。
4.分离数据库中活跃的数据；
5.批量读取和延迟修改；
减少与数据库打交道。
批量读取：将多次读取合并；
延迟修改：将修改的数据保存到缓存，而不是立即修改数据库，然后定时将缓存中的数据保存到数据库中，程序读取数据时可以同时读取数据中和缓存中的数据。
6.读写分离；
对数据库的读写操作分散到多个数据库服务器上，降低单台数据库的访问压力。
一般是M-M-S模式，2个主，多个从，2个主只有一个是active，主库负责写【增加、修改、删除】，多个从库负责读【select查】。
7.使用Hadoop生态圈大数据技术；
8.数据库主从备份，分布式部署；
9.根据业务拆分，做成一个个微服务；
高并发常用方案：
1.将程序和静态资源文件分离；
应该程序只提供数据，静态资源用Nginx，减轻后端服务器压力
2.搭建单独的文件服务器（专门存放图片的）；
3.页面缓存；
很少发生数据变化的页面缓存起来，不需要每次请求都去后台生成，节省大量CPU资源。Nginx提供了缓存功能，也可以使用专门的页面缓存服务器Squid
4.集群nginx