要解决的问题：并发能力没问题，但处理单个请求比较耗时，比如，获得一个统计值需要查多次数据库导致很长的响应时间
解决办法：
1.同步改异步，给用户的反馈也改成异步
前端程序把任务丢到后台消息队列后，立即告诉用户：“正在为你统计，请稍候刷新页面”
消息队列的消费者，即worker，在算出统计值后，再把结果丢进数据库
用户刷新页面时，前端程序去数据库查询到结果，再反馈给用户
这就叫异步计算
2.串行变并行，减少总体响应时间，用户可以同步等待反馈
把任务拆分成多个小任务，后台多个worker各领一个小任务并同时处理，响应时间立刻缩短
并行处理完后，再将结果合并起来，返回给用户
如果总体时间够短，对用户的反馈机制就没必要做成异步；用户可同步等等反馈
这叫做并行计算
具体技术：
1. 同步改异步：用消息队列，如MemcacheQ
2. 并行计算：采用Map/Reduce
a. Map代表拆分，Reduce代表汇总
b. 兼做监控、容错、可用性、负载均衡等事情
c. Map/Reduce框架本身不是开放的(Google的内部产品)，但思想是开放的；你可以用Hadoop来做Map/Reduce, 也可以自己编码实现