⾃ 2012 年 Google 前瞻性地提出 QUIC 传输协议，历经⼗年迭代，HTTP/3 作为 HTTP/2 的继任者，在 2022 年 IETF 正式标准化 HTTP/3 为 RFC9114。HTTP/3 凭借其对 QUIC 协议的深度整合以及从 TCP 向 UDP 的底层连接转型，迅速赢得了业界的⼴泛接纳。截⽌到2022年11⽉，全球已有超过四分之⼀的⽹站部署了 HTTP/3 技术，如下图。⼀个崭新的⾼速、⾼效⽹络时代正逐步拉开帷幕。
从 2019 年 Linux 在 5.1 版本发布 io_uring 开始，许多框架都使用了这一项技术，比如 netpoll、rocksdb、ceph、spdk，但是这项技术并没有在 Java 生态中大规模使用，幸运的是，在 Netty 社区，目前正在孵化使用 io_uring 的项目 —— netty-incubator-transport-io_uring，里面提供了新的读写模型 IOUringEventLoop，基于这项技术实现了 io_uring。
在分布式系统中，如何合理分配请求、保障服务的高可用性与稳定性，是每一位架构师必须面对的挑战。负载均衡（Loadbalance）与流量控制（FlowControl）正是解决这一问题的两大利器。
负载均衡侧重于资源分配，通过动态调度请求，使多台服务器负载趋于均衡，从而提升系统吞吐量和容错能力；而流量控制则更加关注请求限制，防止单一服务因高并发或恶意流量而过载，确保系统整体的可持续运行。
前文说到，自适应负载均衡与流控，将 CPU 负载、RT、上线时间通过一个公式来计算一个权重值或阈值，但是这个公式通用型可能不够，服务节点的性能存在差异，因为在不同的机器有不同的硬件资源，比如有些机器是 I/ O 特别强，有比较高的的 IOPS，有些机器有更高的 CPU 频率，CPU处理性能比较高，所以通过一个算法去计算最大并发量，通用性比较低，计算出来的最大并发量可能不够准确，并且这几个的指标并不能完全体现真实的服务节点负载，那么还有那些指标可以更加科学得体现节点负载呢？
在许多编程语言中，如 Go 和 Python，协程是作为高效并发的解决方案，通过用户级调度来实现轻量级的并发。Go 通过 goroutine 提供了类似的高并发能力，Python 则通过 async/await 实现了协程的控制流，Java 的虚拟线程借鉴了这些语言的思路，使用用户级调度来取代操作系统调度，从而降低了线程创建和切换的成本。
