应用场景
假设说有这么一种业务场景，读流量显著高于写流量，你要怎么优化呢。因为写是要加锁的，可能就会阻塞你读请求。而且其实读多写少的场景还很多见，比如电商平台，用户浏览n多个商品才会买一个。
大部分人的思路可能是建个缓存来帮助 MySQL 抗住大部分的查询请求。但是这不行，因为应用缓存的原则之一是保证缓存命中率足够高，不然很多请求会穿透缓存，最终打到数据库上。不同用户的请求基本上都不一样。
所以你要考虑优化数据库来抗住高查询请求，首先要做的就是区分读写流量区，这样才方便针对读流量做单独扩展，这个过程就是流量的“读写分离”。这是提升MySQL并发性的首选方案，因为当单台 MySQL 无法满足要求时，就只能用多个具有相同数据的 MySQL 实例组成的集群来承担大量的读写请求。
模型种类
那如何实现主从复制呢？答案如下图所示
在完成主从复制之后，你就可以在写数据时只写主库，在读数据时只读从库，这样即使写请求会锁表或者锁记录，也不会影响读请求的执行。但是不是说越多从库越好，因为一个从库io线程就需要一个主库log dump线程。所以在实际使用中，一个主库一般跟 2～3 个从库（1 套数据库，1 主 2 从 1 备主），这就是一主多从的 MySQL 集群结构。
同时，主从复制有三种模式：
主从复制的延迟问题怎么解决呢？
比如下面这种情况
最推荐的是使用数据冗余：可以在异步调用审核模块时，不仅仅发送商品 ID，而是发送审核模块需要的所有评论信息，借此避免在从库中重新查询数据（这个方案简单易实现，推荐你选择）。但你要注意每次调用的参数大小，过大的消息会占用网络带宽和通信时间。
或者加一层缓存，读先读缓存，然后不行再去从库。但这存在一致性问题。
或者直接查询主库，但是要提前明确查询的数据量不大，不然会出现主库写请求锁行，影响读请求的执行，最终对主库造成比较大的压力。
