第(2/3)页

    他跳过了自己的数据，工行的数据他知道，三轮内部测试的水平，正常发挥，没有意外。

    他直接看微光的。

    便利店：100%，11.2mS。

    餐厅：100%，11.3mS。

    交通票务：100%，11.1mS。

    场馆消费：100%，11.5mS。

    高并发：100%，11.7mS。

    五个数字。

    11.2，11.3，11.1，11.5，11.7。

    他把这五个数字看了三遍。

    不对。

    不是说数字有问题，是数字太对了。

    11毫秒出头，五个场景，每个场景的复杂度不同，便利店是最简单的，只有一笔交易，餐厅包含商品明细和优惠计算，交通票务包含购票验票退票三个流程，场馆消费包含会员积分和跨商户结算，高并发是5000笔同时。

    复杂度相差三到五倍。

    但响应时间几乎没有变化。

    11.2到11.7，波动只有0.5毫秒。

    工行的187mS也很稳，但工行稳是因为加密验证的开销是固定的，不管场景多复杂，三层加密的时间就是那么长，换句话说，工行的187mS里有112mS是固定开销，只有75mS是变量，变量部分会随场景复杂度变化，但被固定开销压住了。

    微光没有那个固定开销。

    微光的11.3mS里，全部都是变量。

    但变量部分也几乎不变。

    这意味着什么？

    他在脑子里过了一遍。

    如果一个系统的响应时间不受场景复杂度的影响，只有两种可能。

    第一种：它在所有场景中都只执行最基本的操作，不做额外的安全校验和数据完整性检查。

    第二种：它的架构设计从根本上跟传统方案不一样，传统方案是串行的，每个步骤必须等上一个步骤完成才能开始，不一样的方案是并行的，所有步骤同时启动，互不等待，最后汇总。

    他之前一直以为是第一种。

    微光快是因为省了安全校验，互联网公司的做法，一层验证，一次校验，代价是薄。

    但如果是第一种，高并发场景下响应时间应该明显上升，因为5000笔同时涌入，即便省了加密开销，排队等待的时间也会把响应拉长。

    11.7mS。

    5000并发。
    第(2/3)页