双11前，来相识一下淘宝的架构演化过程

以淘宝作为例子。在网站最初时，应用数量与用户数都较少，可以把Tomcat和数据库部署在同一台服务器上。浏览器往www.taobao.com发起请求时，首先经过DNS服务器（域名系统）把域名转换为现实IP地址10.102.4.1，浏览器转而访问该IP对应的Tomcat。
   随着用户数的增长，Tomcat和数据库之间竞争资源，单机性能不足以支撑业务
  3.2 第一次演进：Tomcat与数据库分开部署

---

Tomcat和数据库分别独占服务器资源，显著提高两者各自性能。
   随着用户数的增长，并发读写数据库成为瓶颈
  3.3 第二次演进：引入本地缓存和分布式缓存

---

在Tomcat同服务器上或同JVM中增加本地缓存，并在外部增加分布式缓存，缓存热门商品信息或热门商品的html页面等。通过缓存能把绝大多数请求在读写数据库前拦截掉，大大低落数据库压力。此中涉及的技术包括：使用memcached作为本地缓存，使用Redis作为分布式缓存，还会涉及缓存同等性、缓存穿透/击穿、缓存雪崩、热点数据集中失效等标题。
   缓存抗住了大部门的访问请求，随着用户数的增长，并发压力主要落在单机的Tomcat上，响应逐渐变慢
  3.4 第三次演进：引入反向署理实现负载平衡

---

在多台服务器上分别部署Tomcat，使用反向署理软件（Nginx）把请求均匀分发到每个Tomcat中。此处假设Tomcat最多支持100个并发，Nginx最多支持50000个并发，那么理论上Nginx把请求分发到500个Tomcat上，就能抗住50000个并发。此中涉及的技术包括：Nginx、HAProxy，两者都是工作在网络第七层的反向署理软件，主要支持http协议，还会涉及session共享、文件上传下载的标题。
   反向署理使应用服务器可支持的并发量大大增加，但并发量的增长也意味着更多请求穿透到数据库，单机的数据库终极成为瓶颈
  3.5 第四次演进：数据库读写分离

---

把数据库分别为读库和写库，读库可以有多个，通过同步机制把写库的数据同步到读库，对于需要查询最新写入数据场景，可通过在缓存中多写一份，通过缓存获得最新数据。此中涉及的技术包括：Mycat，它是数据库中间件，可通过它来组织数据库的分离读写和分库分表，客户端通过它来访问下层数据库，还会涉及数据同步，数据同等性的标题。
   业务逐渐变多，不同业务之间的访问量差距较大，不同业务直接竞争数据库，相互影响性能
  3.6 第五次演进：数据库按业务分库

---

把不同业务的数据保存到不同的数据库中，使业务之间的资源竞争低落，对于访问量大的业务，可以部署更多的服务器来支撑。这样同时导致跨业务的表无法直接做关联分析，需要通过其他途径来解决，但这不是本文讨论的重点，有兴趣的可以自行搜索解决方案。
   随着用户数的增长，单机的写库会逐渐会达到性能瓶颈
  3.7 第六次演进：把大表拆分为小表

---

比如针对批评数据，可按照商品ID进行hash，路由到对应的表中存储；针对付出记录，可按照小时创建表，每个小时表继承拆分为小表，使用用户ID或记录编号来路由数据。只要实时操作的表数据量足够小，请求能够足够均匀的分发到多台服务器上的小表，那数据库就能通过程度扩展的方式来提高性能。此中前面提到的Mycat也支持在大表拆分为小心情况下的访问控制。
这种做法显著的增加了数据库运维的难度，对DBA的要求较高。数据库设计到这种结构时，已经可以称为分布式数据库，但是这只是一个逻辑的数据库整体，数据库里不同的组成部门是由不同的组件单独来实现的，如分库分表的管理和请求分发，由Mycat实现，SQL的解析由单机的数据库实现，读写分离可能由网关和消息队列来实现，查询结果的汇总可能由数据库接口层来实现等等，这种架构其实是MPP（大规模并行处理）架构的一类实现。
目前开源和商用都已经有不少MPP数据库，开源中比力盛行的有Greenplum、TiDB、Postgresql XC、HAWQ等，商用的如南大通用的GBase、睿帆科技的雪球DB、华为的LibrA等等，不同的MPP数据库的偏重点也不一样，如TiDB更偏重于分布式OLTP场景，Greenplum更偏重于分布式OLAP场景，这些MPP数据库基本都提供了类似Postgresql、Oracle、MySQL那样的SQL标准支持本领，能把一个查询解析为分布式的实行计分别发到每台呆板上并行实行，终极由数据库本身汇总数据进行返回，也提供了诸如权限管理、分库分表、事务、数据副本等本领，并且大多能够支持100个节点以上的集群，大大低落了数据库运维的成本，并且使数据库也能够实现程度扩展。
   数据库和Tomcat都能够程度扩展，可支撑的并发大幅提高，随着用户数的增长，终极单机的Nginx会成为瓶颈
  3.8 第七次演进：使用LVS或F5来使多个Nginx负载平衡

---

由于瓶颈在Nginx，因此无法通过两层的Nginx来实现多个Nginx的负载平衡。图中的LVS和F5是工作在网络第四层的负载平衡解决方案，此中LVS是软件，运行在操作系统内核态，可对TCP请求或更高层级的网络协议进行转发，因此支持的协议更丰富，并且性能也远高于Nginx，可假设单机的LVS可支持几十万个并发的请求转发；F5是一种负载平衡硬件，与LVS提供的本领类似，性能比LVS更高，但价格昂贵。由于LVS是单机版的软件，若LVS地点服务器宕机则会导致整个后端系统都无法访问，因此需要有备用节点。可使用keepalived软件模拟出虚拟IP，然后把虚拟IP绑定到多台LVS服务器上，浏览器访问虚拟IP时，会被路由器重定向到真实的LVS服务器，当主LVS服务器宕机时，keepalived软件会自动更新路由器中的路由表，把虚拟IP重定向到另外一台正常的LVS服务器，从而达到LVS服务器高可用的效果。
此处需要留意的是，上图中从Nginx层到Tomcat层这样画并不代表全部Nginx都转发请求到全部的Tomcat，在现实使用时，可能会是几个Nginx下面接一部门的Tomcat，这些Nginx之间通过keepalived实现高可用，其他的Nginx接另外的Tomcat，这样可接入的Tomcat数量就能成倍的增加。
   由于LVS也是单机的，随着并发数增长到几十万时，LVS服务器终极会达到瓶颈，此时用户数达到千万甚至上亿级别，用户分布在不同的地区，与服务器机房间隔不同，导致了访问的延迟会明显不同
  3.9 第八次演进：通过DNS轮询实现机房间的负载平衡

---

在DNS服务器中可配置一个域名对应多个IP地址，每个IP地址对应到不同的机房里的虚拟IP。当用户访问www.taobao.com时，DNS服务器会使用轮询计谋或其他计谋，来选择某个IP供用户访问。此方式能实现机房间的负载平衡，至此，系统可做到机房级别的程度扩展，千万级到亿级的并发量都可通过增加机房来解决，系统入口处的请求并发量不再是标题。
   随着数据的丰富程度和业务的发展，检索、分析等需求越来越丰富，单单依靠数据库无法解决如此丰富的需求
  3.10 第九次演进：引入NoSQL数据库和搜索引擎等技术

---

当数据库中的数据多到肯定规模时，数据库就不实用于复杂的查询了，往往只能满足普通查询的场景。对于统计报表场景，在数据量大时不肯定能跑出结果，而且在跑复杂查询时会导致其他查询变慢，对于全文检索、可变数据结构等场景，数据库天生不实用。因此需要针对特定的场景，引入符合的解决方案。如对于海量文件存储，可通太过布式文件系统HDFS解决，对于key value类型的数据，可通过HBase和Redis等方案解决，对于全文检索场景，可通过搜索引擎如ElasticSearch解决，对于多维分析场景，可通过Kylin或Druid等方案解决。
当然，引入更多组件同时会提高系统的复杂度，不同的组件保存的数据需要同步，需要考虑同等性的标题，需要有更多的运维手段来管理这些组件等。
   引入更多组件解决了丰富的需求，业务维度能够极大扩充，随之而来的是一个应用中包罗了太多的业务代码，业务的升级迭代变得困难
  3.11 第十次演进：大应用拆分为小应用

---

按照业务板块来分别应用代码，使单个应用的职责更清晰，相互之间可以做到独立升级迭代。这时间应用之间可能会涉及到一些公共配置，可以通太过布式配置中心Zookeeper来解决。
   不同应用之间存在共用的模块，由应用单独管剖析导致雷同代码存在多份，导致公共功能升级时全部应用代码都要跟着升级
  3.12 第十一次演进：复用的功能抽离成微服务

---

如用户管理、订单、付出、鉴权等功能在多个应用中都存在，那么可以把这些功能的代码单独抽取出来形成一个单独的服务来管理，这样的服务就是所谓的微服务，应用和服务之间通过HTTP、TCP或RPC请求等多种方式来访问公共服务，每个单独的服务都可以由单独的团队来管理。别的，可以通过Dubbo、SpringCloud等框架实现服务管理、限流、熔断、降级等功能，提高服务的稳定性和可用性。
   不同服务的接口访问方式不同，应用代码需要适配多种访问方式才能使用服务，别的，应用访问服务，服务之间也可能相互访问，调用链将会变得非常复杂，逻辑变得混乱
  3.13 第十二次演进：引入企业服务总线ESB屏蔽服务接口的访问差别

---

通过ESB统一进行访问协议转换，应用统一通过ESB来访问后端服务，服务与服务之间也通过ESB来相互调用，以此低落系统的耦合程度。这种单个应用拆分为多个应用，公共服务单独抽取出来来管理，并使用企业消息总线来解除服务之间耦合标题的架构，就是所谓的SOA（面向服务）架构，这种架构与微服务架构容易混淆，由于体现情势非常相似。个人明白，微服务架构更多是指把系统里的公共服务抽取出来单独运维管理的思想，而SOA架构则是指一种拆分服务并使服务接口访问变得统一的架构思想，SOA架构中包罗了微服务的思想。
   业务不断发展，应用和服务都会不断变多，应用和服务的部署变得复杂，同一台服务器上部署多个服务还要解决运行环境冲突的标题，别的，对于如大促这类需要动态扩缩容的场景，需要程度扩展服务的性能，就需要在新增的服务上准备运行环境，部署服务等，运维将变得非常困难
  3.14 第十三次演进：引入容器化技术实现运行环境隔离与动态服务管理

---

目前最盛行的容器化技术是Docker，最盛行的容器管理服务是Kubernetes(K8S)，应用/服务可以打包为Docker镜像，通过K8S来动态分发和部署镜像。Docker镜像可明白为一个能运行你的应用/服务的最小的操作系统，里面放着应用/服务的运行代码，运行环境根据现实的需要设置好。把整个“操作系统”打包为一个镜像后，就可以分发到需要部署相干服务的呆板上，直接启动Docker镜像就可以把服务起起来，使服务的部署和运维变得简单。
在大促的之前，可以在现有的呆板集群上分别出服务器来启动Docker镜像，加强服务的性能，大促过后就可以关闭镜像，对呆板上的其他服务不造成影响（在3.14节之前，服务运行在新增呆板上需要修改系统配置来适配服务，这会导致呆板上其他服务需要的运行环境被粉碎）。
   使用容器化技术后服务动态扩缩容标题得以解决，但是呆板照旧需要公司自身来管理，在非大促的时间，照旧需要闲置着大量的呆板资源来应对大促，呆板自身成本和运维成本都极高，资源使用率低
  3.15 第十四次演进：以云平台承载系统

---

系统可部署到公有云上，使用公有云的海量呆板资源，解决动态硬件资源的标题，在大促的时间段里，在云平台中临时申请更多的资源，结合Docker和K8S来快速部署服务，在大促竣过后开释资源，真正做到按需付费，资源使用率大大提高，同时大大低落了运维成本。
所谓的云平台，就是把海量呆板资源，通过统一的资源管理，抽象为一个资源整体，在之上可按需动态申请硬件资源（如CPU、内存、网络等），并且之上提供通用的操作系统，提供常用的技术组件（如Hadoop技术栈，MPP数据库等）供用户使用，甚至提供开辟好的应用，用户不需要关系应用内部使用了什么技术，就能够解决需求（如音视频转码服务、邮件服务、个人博客等）。在云平台中会涉及如下几个概念：

• **IaaS：**底子设施即服务。对应于上面所说的呆板资源统一为资源整体，可动态申请硬件资源的层面；
  
• **PaaS：**平台即服务。对应于上面所说的提供常用的技术组件方便系统的开辟和维护；
  
• **SaaS：**软件即服务。对应于上面所说的提供开辟好的应用或服务，按功能或性能要求付费。
  

   至此，以上所提到的从高并发访问标题，到服务的架构和系统实行的层面都有了各自的解决方案，但同时也应该意识到，在上面的介绍中，其实是故意忽略了诸如跨机房数据同步、分布式事务实现等等的现实标题，这些标题以后有机会再拿出来单独讨论
  4. 架构设计总结

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。