处理高并发同时读、写数据库是一个复杂的问题，涉及到多个层面和策略。以下是一些常用的方法和最佳实践，用于优化高并发下的数据库读写性能：

1. 数据库优化：

   • 索引优化：确保经常查询的字段已经建立了合适的索引，以提高查询效率。
   • 查询优化：避免编写低效的SQL语句，比如复杂的JOIN操作或子查询。使用数据库执行计划来分析和优化查询。
   • 分区：对于非常大的表，考虑使用分区来提高查询性能和管理效率。
   • 读写分离读写：将读操作和写操作分离到不同的数据库或实例上，以减轻单一数据库的压力。

2. 缓存：

   • 应用级缓存：使用如Redis或Memcached这样的内存数据库缓存频繁读取的数据，减少对数据库的访问。
   • 查询缓存：某些数据库支持查询缓存，可以缓存经常执行的查询结果。

3. 连接池：

   • 使用数据库连接池来管理和复用数据库连接，避免频繁地创建和销毁连接。

4. 异步处理：

   • 对于非实时的写操作，可以考虑使用消息队列进行异步处理，减轻数据库即时负载。

5. 负载均衡：

   • 在数据库层面使用负载均衡技术，将请求分发到多个数据库实例上，提高整体处理能力。

6. 读写分离主从：

   • 使用主从复制技术，主库处理写操作，从库处理读操作。这可以显著提高读操作的吞吐量。

7. 分布式数据库：

   • 对于超大规模的数据和高并发场景，可以考虑使用分布式数据库解决方案，如Google的Spanner或Amazon的DynamoDB。

8. 限流与降级：

   • 在应用层面实现限流策略，防止过多的请求涌入数据库。
   • 在系统压力过高时，考虑降级部分非核心功能，保证核心功能的稳定运行。

9. 监控与告警：

   • 对数据库性能进行实时监控，设置合适的告警阈值，以便在出现问题时及时响应和处理。

10. 业务逻辑优化：

    • 从业务逻辑层面优化，减少不必要的数据库操作，例如合并多次写操作为单次批量操作。

11. 事务优化：

    • 尽量减少事务的大小和持续时间，避免长时间锁定资源。
    • 使用合适的隔离级别，以减少锁竞争和提高并发性能。

12. 数据分区与分片：

    • 对于超大规模的数据表，可以考虑使用水平分区或分片技术将数据分散到多个数据库或实例上。

在处理高并发读写数据库时，通常需要根据具体的应用场景、数据规模、业务需求和系统架构来综合选择和优化上述策略。同时，随着技术的不断发展，新的数据库技术和解决方案也在不断涌现，可以根据实际情况进行选择和尝试。