内容简介：Django适合做大用户量的系统吗？
源于知乎问题: https://www.zhihu.com/question/265263719
分几点来答：
1. 首先，这其实是个技术选型题。
做技术选型的时候不能单纯的考虑性能，应该优先考虑业务类型，以及团队水平。另外的话，框架只是其中一环，还有配套呢。
如果是数据驱动型，尤其是要用到关系型数据库，那么选择Django足以，ORM会比较省事，但是性能损耗是个很明显的问题。不过还是看团队，如果大家玩flask或者bottle都贼溜，那么还要什么Django，自己造就行了。（题外话，不过你得提防比较水的人破坏整体结构）
如果下游是由很多微服务构成的，Tornado处理起来会有一定优势，用它的异步模型。（而不是用同步的方式写代码23333，要是这么用的话，你让flask怎么想，让bottle怎么想，让村东头的sanic怎么想 <-.<- ）
2. Django能抗多少量？
上面选型如果定下来Django了，那么剩下的就是“Where there is a will, there is a way”的问题。这个问题跟“Where there is a way, there is a will”的差别在于，并不是框架能支撑你到多大的并发量，而是你想要抗住很大的并发量，怎么优化现有框架。
当你的项目大到一定程度，瓶颈基本不在框架上（换语言另说，有人不懂框架乱搞的另说）。
我们用Django开发对外的产品不多，量级10w 100w的都有，但是我们上线前的准备都是朝着要抗足够高的流量目标的（谁没有一颗抗万亿流量的心呢），并且要能够通过增加机器提高承载能力。当然有些业务类型没法通过简单的增加机器来进行扩容，那只能通过其他途径优化单机的TPS。所以最终压测的结果都要远高于真实流量。百万量级的产品，扛起来并不费力。不过还是强调一下，看业务类型！
3. 用户体验问题
当量级变大之后，影响用户体验吗？
用户体验分很多方面，包括交互，设计，前端，后端。这里讨论的是后端，那么就说后端。后端对用户体验的影响只有一个——那就是响应时间。当你的网站或者接口有一个用户访问时，能在短时间内返回response，那么，当用户量达到10w时，是否能在同样的时间内返回response呢？这是个问题。
对于后端来说，把响应时间控制在合理的范围之内是很重要的。20ms和30ms或许差别不大，但是50ms跟100ms会有明显差别。
怎么衡量合理的返回时间呢？
这块还是得说点细节，比方说Django的系统，一个用户请求进来了，需要涉及多少次 Redis 查询，平均每次响应时间是多少；涉及到多少次内网或者外网的HTTP请求，平均响应时间是多少；涉及到多少次 MySQL 查询，平均响应时间是多少。
所以大家面试时都喜欢问一个问题：用户输入网址之后，到页面展示出来的详细过程是什么？
当你知道了所有的细节之后，你就能知道，如果系统只涉及到Redis查询，那应该多少ms内返回是合理的，如果你发现nginx日志里面的后端响应时间高于你的预期，那你就得排查下了。其他的也是类似。
所以当谈论到后端上的用户体验时，我自己的看法就是，能多快就多快的给他数据。磨磨唧唧，妥妥拽拽的最招人烦。
----EOF-----
扫码关注,或者搜索微信公众号：码农悟凡
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
大数据时代的算法：机器学习、人工智能及其典型实例
刘凡平 / 电子工业出版社 / 2017-1 / 49
《大数据时代的算法：机器学习、人工智能及其典型实例》介绍在互联网行业中经常涉及的算法，包括排序算法、查找算法、资源分配算法、路径分析算法、相似度分析算法，以及与机器学习相关的算法，包括数据分类算法、聚类算法、预测与估算算法、决策算法、关联规则分析算法及推荐算法。《大数据时代的算法：机器学习、人工智能及其典型实例》涉及的相关算法均为解决实际问题中的主流算法，对于工作和学习都有实际参考意义。 《......一起来看看 《大数据时代的算法：机器学习、人工智能及其典型实例》 这本书的介绍吧!
