面向高并发在线考试系统的性能优化

在线考试是线上教育的重要组成部分,随着线上教育的迅速发展,加之考试本身的特殊性,在线考试系统往往会面临高并发场景。本文分析在线考试系统中出现的高并发场景,在传统的系统架构之上,加入基于Redis的缓存层,并提出两个优化方法：缓存预热和延迟写入,分别用于改善在线考试开始时高并发读和在线考试期间高并发写的性能。实验结果表明,这两种方法能有效提高单机处理请求的吞吐量,降低请求的平均响应时间,因而能在机器数量保持不变的情况下,提高整个在线考试系统的并发量。此外,为了避免缓存层不可用时,整个系统无法正常提供服务,本文提出一种容错机制,将系统与缓存层进行解耦,从而提高系统的可用性。目前,这些优化方法已经被用于华东师范大学研发的“水杉在线”学习平台,有效提高了用户的体验感。