一、 設(shè)計(jì)理念

1. 空間換時(shí)間

1) 多級緩存藻烤，靜態(tài)化

客戶端頁面緩存（http header中包含Expires/Cache of Control，last modified(304魁袜，server不返回body霸饲，客戶端可以繼續(xù)用cache，減少流量)患亿，ETag）

反向代理緩存

應(yīng)用端的緩存(memcache)

內(nèi)存數(shù)據(jù)庫

Buffer传蹈、cache機(jī)制（數(shù)據(jù)庫，中間件等）

2) 索引

哈希步藕、B樹惦界、倒排、bitmap

哈希索引適合綜合數(shù)組的尋址和鏈表的插入特性咙冗，可以實(shí)現(xiàn)數(shù)據(jù)的快速存取沾歪。

B樹索引適合于查詢?yōu)橹鲗?dǎo)的場景，避免多次的IO雾消，提高查詢的效率灾搏。

倒排索引實(shí)現(xiàn)單詞到文檔映射關(guān)系的最佳實(shí)現(xiàn)方式和最有效的索引結(jié)構(gòu)挫望，廣泛用在搜索領(lǐng)域。

Bitmap是一種非常簡潔快速的數(shù)據(jù)結(jié)構(gòu)狂窑，他能同時(shí)使存儲空間和速度最優(yōu)化（而不必空間換時(shí)間）媳板，適合于海量數(shù)據(jù)的的計(jì)算場景。

2. 并行與分布式計(jì)算

1) 任務(wù)切分泉哈、分而治之(MR)

在大規(guī)模的數(shù)據(jù)中蛉幸，數(shù)據(jù)存在一定的局部性的特征，利用局部性的原理將海量數(shù)據(jù)計(jì)算的問題分而治之丛晦。

MR模型是無共享的架構(gòu)奕纫，數(shù)據(jù)集分布至各個(gè)節(jié)點(diǎn)。處理時(shí)烫沙，每個(gè)節(jié)點(diǎn)就近讀取本地存儲的數(shù)據(jù)處理(map)匹层，將處理后的數(shù)據(jù)進(jìn)行合并(combine)、排序(shuffle and sort)后再分發(fā)(至reduce節(jié)點(diǎn))锌蓄，避免了大量數(shù)據(jù)的傳輸升筏，提高了處理效率。

2) 多進(jìn)程煤率、多線程并行執(zhí)行(MPP)

并行計(jì)算（Parallel Computing）是指同時(shí)使用多種計(jì)算資源解決計(jì)算問題的過程仰冠，是提高計(jì)算機(jī)系統(tǒng)計(jì)算速度和處理能力的一種有效手段。它的基本思想是用多個(gè)處理器/進(jìn)程/線程來協(xié)同求解同一問題蝶糯，即將被求解的問題分解成若干個(gè)部分洋只，各部分均由一個(gè)獨(dú)立的處理機(jī)來并行計(jì)算。

和MR的區(qū)別在于昼捍，它是基于問題分解的识虚，而不是基于數(shù)據(jù)分解。

3. 多維度的可用

1) 負(fù)載均衡妒茬、容災(zāi)担锤、備份

隨著平臺并發(fā)量的增大，需要擴(kuò)容節(jié)點(diǎn)進(jìn)行集群乍钻，利用負(fù)載均衡設(shè)備進(jìn)行請求的分發(fā)肛循；負(fù)載均衡設(shè)備通常在提供負(fù)載均衡的同時(shí)，也提供失效檢測功能银择；同時(shí)為了提高可用性多糠，需要有容災(zāi)備份，以防止節(jié)點(diǎn)宕機(jī)失效帶來的不可用問題浩考；備份有在線的和離線備份夹孔，可以根據(jù)失效性要求的不同，進(jìn)行選擇不同的備份策略。

2) 讀寫分離

讀寫分離是對數(shù)據(jù)庫來講的搭伤，隨著系統(tǒng)并發(fā)量的增大只怎，提高數(shù)據(jù)訪問可用性的一個(gè)重要手段就是寫數(shù)據(jù)和讀數(shù)據(jù)進(jìn)行分離；當(dāng)然在讀寫分離的同時(shí)怜俐，需要關(guān)注數(shù)據(jù)的一致性問題身堡；對于一致性的問題，在分布式的系統(tǒng)CAP定量中佑菩，更多的關(guān)注于可用性盾沫。

3) 依賴關(guān)系

平臺中各個(gè)模塊之間的關(guān)系盡量是低耦合的裁赠，可以通過相關(guān)的消息組件進(jìn)行交互殿漠，能異步則異步，分清楚數(shù)據(jù)流轉(zhuǎn)的主流程和副流程佩捞，主副是異步的绞幌，比如記錄日志可以是異步操作的，增加整個(gè)系統(tǒng)的可用性一忱。

當(dāng)然在異步處理中莲蜘，為了確保數(shù)據(jù)得到接收或者處理，往往需要確認(rèn)機(jī)制(confirm帘营、ack)票渠。

但是有些場景中，雖然請求已經(jīng)得到處理芬迄，但是因其他原因(比如網(wǎng)絡(luò)不穩(wěn)定)问顷，確認(rèn)消息沒有返回，那么這種情況下需要進(jìn)行請求的重發(fā)禀梳，對請求的處理設(shè)計(jì)因重發(fā)因素需要考慮冪等性杜窄。

4) 監(jiān)控

監(jiān)控也是提高整個(gè)平臺可用性的一個(gè)重要手段，多平臺進(jìn)行多個(gè)維度的監(jiān)控算途；模塊在運(yùn)行時(shí)候是透明的塞耕，以達(dá)到運(yùn)行期白盒化。

4. 伸縮

1) 拆分

拆分包括對業(yè)務(wù)的拆分和對數(shù)據(jù)庫的拆分嘴瓤。

系統(tǒng)的資源總是有限的扫外，一段比較長的業(yè)務(wù)執(zhí)行如果是一竿子執(zhí)行的方式，在大量并發(fā)的操作下廓脆，這種阻塞的方式筛谚，無法有效的及時(shí)釋放資源給其他進(jìn)程執(zhí)行，這樣系統(tǒng)的吞吐量不高狞贱。

需要把業(yè)務(wù)進(jìn)行邏輯的分段刻获，采用異步非阻塞的方式，提高系統(tǒng)的吞吐量。

隨著數(shù)據(jù)量和并發(fā)量的增加蝎毡，讀寫分離不能滿足系統(tǒng)并發(fā)性能的要求厚柳，需要對數(shù)據(jù)進(jìn)行切分，包括對數(shù)據(jù)進(jìn)行分庫和分表沐兵。這種分庫分表的方式别垮，需要增加對數(shù)據(jù)的路由邏輯支持。

2) 無狀態(tài)

對于系統(tǒng)的伸縮性而言扎谎，模塊最好是無狀態(tài)的碳想，通過增加節(jié)點(diǎn)就可以提高整個(gè)的吞吐量。

5. 優(yōu)化資源利用

1) 系統(tǒng)容量有限

系統(tǒng)的容量是有限的毁靶，承受的并發(fā)量也是有限的胧奔，在架構(gòu)設(shè)計(jì)時(shí)，一定需要考慮流量的控制预吆，防止因意外攻擊或者瞬時(shí)并發(fā)量的沖擊導(dǎo)致系統(tǒng)崩潰。在設(shè)計(jì)時(shí)增加流控的措施岩遗，可考慮對請求進(jìn)行排隊(duì)凤瘦，超出預(yù)期的范圍，可以進(jìn)行告警或者丟棄梆靖。

2) 原子操作與并發(fā)控制

對于共享資源的訪問，為了防止沖突涤姊，需要進(jìn)行并發(fā)的控制思喊，同時(shí)有些交易需要有事務(wù)性來保證交易的一致性恨课，所以在交易系統(tǒng)的設(shè)計(jì)時(shí)，需考慮原子操作和并發(fā)控制纲辽。

保證并發(fā)控制一些常用高性能手段有拖吼，樂觀鎖篙议、Latch鬼贱、mutex、寫時(shí)復(fù)制雁佳、CAS等；多版本的并發(fā)控制MVCC通常是保證一致性的重要手段堵腹，這個(gè)在數(shù)據(jù)庫的設(shè)計(jì)中經(jīng)常會(huì)用到疚顷。

3) 基于邏輯的不同阀坏，采取不一樣的策略

平臺中業(yè)務(wù)邏輯存在不同的類型，有計(jì)算復(fù)雜型的士修，有消耗IO型的，同時(shí)就同一種類型而言沸移，不同的業(yè)務(wù)邏輯消耗的資源數(shù)量也是不一樣的雹锣，這就需要針對不同的邏輯采取不同的策略绅这。

針對IO型的，可以采取基于事件驅(qū)動(dòng)的異步非阻塞的方式浑度，單線程方式可以減少線程的切換引起的開銷，或者在多線程的情況下采取自旋spin的方式先慷，減少對線程的切換(比如oracle latch設(shè)計(jì))；對于計(jì)算型的脓诡，充分利用多線程進(jìn)行操作。

同一類型的調(diào)用方式交惯，不同的業(yè)務(wù)進(jìn)行合適的資源分配，設(shè)置不同的計(jì)算節(jié)點(diǎn)數(shù)量或者線程數(shù)量，對業(yè)務(wù)進(jìn)行分流炬藤，優(yōu)先執(zhí)行優(yōu)先級別高的業(yè)務(wù)上真。

4) 容錯(cuò)隔離

系統(tǒng)的有些業(yè)務(wù)模塊在出現(xiàn)錯(cuò)誤時(shí)睡互，為了減少并發(fā)下對正常請求的處理的影響，有時(shí)候需要考慮對這些異常狀態(tài)的請求進(jìn)行單獨(dú)渠道的處理，甚至?xí)簳r(shí)自動(dòng)禁止這些異常的業(yè)務(wù)模塊逼侦。

有些請求的失敗可能是偶然的暫時(shí)的失敗(比如網(wǎng)絡(luò)不穩(wěn)定)，需要進(jìn)行請求重試的考慮涕滋。

5) 資源釋放

系統(tǒng)的資源是有限的溯饵，在使用資源時(shí)隘谣，一定要在最后釋放資源，無論是請求走的是正常路徑還是異常的路徑码泛，以便于資源的及時(shí)回收晌缘，供其他請求使用。

在設(shè)計(jì)通信的架構(gòu)時(shí)岳枷，往往需要考慮超時(shí)的控制。

二家厌、 靜態(tài)架構(gòu)藍(lán)圖

整個(gè)架構(gòu)是分層的分布式的架構(gòu)，縱向包括CDN，負(fù)載均衡/反向代理殖熟，web應(yīng)用，業(yè)務(wù)層，基礎(chǔ)服務(wù)層赏陵，數(shù)據(jù)存儲層。水平方向包括對整個(gè)平臺的配置管理部署和監(jiān)控。

三败玉、 剖析架構(gòu)

1. CDN

CDN系統(tǒng)能夠?qū)崟r(shí)地根據(jù)網(wǎng)絡(luò)流量和各節(jié)點(diǎn)的連接返干、負(fù)載狀況以及到用戶的距離和響應(yīng)時(shí)間等綜合信息將用戶的請求重新導(dǎo)向離用戶最近的服務(wù)節(jié)點(diǎn)上。其目的是使用戶可就近取得所需內(nèi)容，解決 Internet網(wǎng)絡(luò)擁擠的狀況乳蓄，提高用戶訪問網(wǎng)站的響應(yīng)速度。

對于大規(guī)模電子商務(wù)平臺一般需要建CDN做網(wǎng)絡(luò)加速，大型平臺如淘寶耻煤、京東都采用自建CDN，中小型的企業(yè)可以采用第三方CDN廠商合作，如藍(lán)汛、網(wǎng)宿、快網(wǎng)等幌陕。

當(dāng)然在選擇CDN廠商時(shí)棚唆，需要考慮經(jīng)營時(shí)間長短，是否有可擴(kuò)充的帶寬資源、靈活的流量和帶寬選擇瓜喇、穩(wěn)定的節(jié)點(diǎn)匪补、性價(jià)比始锚。

2. 負(fù)載均衡、反向代理

一個(gè)大型的平臺包括很多個(gè)業(yè)務(wù)域姐呐，不同的業(yè)務(wù)域有不同的集群，可以用DNS做域名解析的分發(fā)或輪詢，DNS方式實(shí)現(xiàn)簡單，但是因存在cache而缺乏靈活性涵妥；一般基于商用的硬件F5窒所、NetScaler或者開源的軟負(fù)載lvs在4層做分發(fā)窟坐，當(dāng)然會(huì)采用做冗余(比如lvs+keepalived)的考慮臣疑，采取主備方式。

4層分發(fā)到業(yè)務(wù)集群上后缺狠，會(huì)經(jīng)過web服務(wù)器如nginx或者HAProxy在7層做負(fù)載均衡或者反向代理分發(fā)到集群中的應(yīng)用節(jié)點(diǎn)冰木。

選擇哪種負(fù)載歇终，需要綜合考慮各種因素（是否滿足高并發(fā)高性能，Session保持如何解決，負(fù)載均衡的算法如何，支持壓縮，緩存的內(nèi)存消耗）达椰；下面基于幾種常用的負(fù)載均衡軟件做個(gè)介紹。

LVS，工作在4層，Linux實(shí)現(xiàn)的高性能高并發(fā)藕甩、可伸縮性概作、可靠的的負(fù)載均衡器骤素，支持多種轉(zhuǎn)發(fā)方式(NAT、DR、IP Tunneling)，其中DR模式支持通過廣域網(wǎng)進(jìn)行負(fù)載均衡浴讯。支持雙機(jī)熱備(Keepalived或者Heartbeat)。對網(wǎng)絡(luò)環(huán)境的依賴性比較高奈籽。

Nginx工作在7層饥侵，事件驅(qū)動(dòng)的、異步非阻塞的架構(gòu)衣屏、支持多進(jìn)程的高并發(fā)的負(fù)載均衡器/反向代理軟件躏升±浅溃可以針對域名膨疏、目錄結(jié)構(gòu)、正則規(guī)則針對http做一些分流钻弄。通過端口檢測到服務(wù)器內(nèi)部的故障佃却，比如根據(jù)服務(wù)器處理網(wǎng)頁返回的狀態(tài)碼、超時(shí)等等斧蜕，并且會(huì)把返回錯(cuò)誤的請求重新提交到另一個(gè)節(jié)點(diǎn)双霍，不過其中缺點(diǎn)就是不支持url來檢測。對于session sticky批销，可以基于ip hash的算法來實(shí)現(xiàn)洒闸，通過基于cookie的擴(kuò)展nginx-sticky-module支持session sticky。

HAProxy支持4層和7層做負(fù)載均衡均芽，支持session的會(huì)話保持丘逸，cookie的引導(dǎo)；支持后端url方式的檢測掀宋；負(fù)載均衡的算法比較豐富深纲，有RR、權(quán)重等劲妙。

對于圖片湃鹊，需要有單獨(dú)的域名，獨(dú)立或者分布式的圖片服務(wù)器或者如mogileFS镣奋，可以圖片服務(wù)器之上加varnish做圖片緩存币呵。

3. App接入

應(yīng)用層運(yùn)行在jboss或者tomcat容器中，代表獨(dú)立的系統(tǒng)侨颈，比如前端購物余赢、用戶自主服務(wù)、后端系統(tǒng)等

協(xié)議接口哈垢，HTTP妻柒、JSON

可以采用servlet3.0,異步化servlet,提高整個(gè)系統(tǒng)的吞吐量

http請求經(jīng)過Nginx，通過負(fù)載均衡算法分到到App的某一節(jié)點(diǎn)耘分，這一層層擴(kuò)容起來比較簡單举塔。

除了利用cookie保存少量用戶部分信息外(cookie一般不能超過4K的大小)绑警，對于App接入層，保存有用戶相關(guān)的session數(shù)據(jù)啤贩，但是有些反向代理或者負(fù)載均衡不支持對session sticky支持不是很好或者對接入的可用性要求比較高(app接入節(jié)點(diǎn)宕機(jī)待秃，session隨之丟失)，這就需要考慮session的集中式存儲痹屹，使得App接入層無狀態(tài)化，同時(shí)系統(tǒng)用戶變多的時(shí)候枉氮，就可以通過增加更多的應(yīng)用節(jié)點(diǎn)來達(dá)到水平擴(kuò)展的目的志衍。

Session的集中式存儲，需要滿足以下幾點(diǎn)要求：

a聊替、高效的通訊協(xié)議

b楼肪、session的分布式緩存，支持節(jié)點(diǎn)的伸縮惹悄，數(shù)據(jù)的冗余備份以及數(shù)據(jù)的遷移

c春叫、session過期的管理

4. 業(yè)務(wù)服務(wù)

代表某一領(lǐng)域的業(yè)務(wù)提供的服務(wù)，對于電商而言泣港，領(lǐng)域有用戶暂殖、商品、訂單当纱、紅包呛每、支付業(yè)務(wù)等等，不同的領(lǐng)域提供不同的服務(wù)坡氯，

這些不同的領(lǐng)域構(gòu)成一個(gè)個(gè)模塊晨横，良好的模塊劃分和接口設(shè)計(jì)非常重要，一般是參考高內(nèi)聚箫柳、接口收斂的原則手形，

這樣可以提高整個(gè)系統(tǒng)的可用性。當(dāng)然可以根據(jù)應(yīng)用規(guī)模的大小悯恍，模塊可以部署在一起库糠，對于大規(guī)模的應(yīng)用，一般是獨(dú)立部署的坪稽。

高并發(fā)：

業(yè)務(wù)層對外協(xié)議以NIO的RPC方式暴露曼玩，可以采用比較成熟的NIO通訊框架，如netty窒百、mina

可用性：

為了提高模塊服務(wù)的可用性黍判，一個(gè)模塊部署在多個(gè)節(jié)點(diǎn)做冗余，并自動(dòng)進(jìn)行負(fù)載轉(zhuǎn)發(fā)和失效轉(zhuǎn)移;

最初可以利用VIP+heartbeat方式篙梢，目前系統(tǒng)有一個(gè)單獨(dú)的組件HA,利用zookeeper實(shí)現(xiàn)(比原來方案的優(yōu)點(diǎn))

一致性顷帖、事務(wù)：

對于分布式系統(tǒng)的一致性，盡量滿足可用性，一致性可以通過校對來達(dá)到最終一致的狀態(tài)贬墩。

5. 基礎(chǔ)服務(wù)中間件

1) 通信組件

通信組件用于業(yè)務(wù)系統(tǒng)內(nèi)部服務(wù)之間的調(diào)用榴嗅，在大并發(fā)的電商平臺中勋功，需要滿足高并發(fā)高吞吐量的要求熬粗。

整個(gè)通信組件包括客戶端和服務(wù)端兩部分。

客戶端和服務(wù)器端維護(hù)的是長連接蓉坎，可以減少每次請求建立連接的開銷肿孵，在客戶端對于每個(gè)服務(wù)器定義一個(gè)連接池唠粥，初始化連接后，可以并發(fā)連接服務(wù)端進(jìn)行rpc操作停做，連接池中的長連接需要心跳維護(hù)晤愧，設(shè)置請求超時(shí)時(shí)間。

對于長連接的維護(hù)過程可以分兩個(gè)階段蛉腌，一個(gè)是發(fā)送請求過程官份，另外一個(gè)是接收響應(yīng)過程。在發(fā)送請求過程中烙丛，若發(fā)生IOException舅巷，則把該連接標(biāo)記失效。接收響應(yīng)時(shí)蜀变，服務(wù)端返回SocketTimeoutException悄谐，如果設(shè)置了超時(shí)時(shí)間，那么就直接返回異常库北，清除當(dāng)前連接中那些超時(shí)的請求爬舰。否則繼續(xù)發(fā)送心跳包(因?yàn)榭赡苁莵G包，超過pingInterval間隔時(shí)間就發(fā)送ping操作)寒瓦，若ping不通(發(fā)送IOException)情屹，則說明當(dāng)前連接是有問題的，那么就把當(dāng)前連接標(biāo)記成已經(jīng)失效杂腰；若ping通垃你，則說明當(dāng)前連接是可靠的，繼續(xù)進(jìn)行讀操作喂很。失效的連接會(huì)從連接池中清除掉惜颇。

每個(gè)連接對于接收響應(yīng)來說都以單獨(dú)的線程運(yùn)行，客戶端可以通過同步(wait,notify)方式或者異步進(jìn)行rpc調(diào)用少辣，

序列化采用更高效的hession序列化方式凌摄。

服務(wù)端采用事件驅(qū)動(dòng)的NIO的MINA框架，支撐高并發(fā)高吞吐量的請求漓帅。

2) 路由Router

在大多數(shù)的數(shù)據(jù)庫切分解決方案中锨亏，為了提高數(shù)據(jù)庫的吞吐量痴怨，首先是對不同的表進(jìn)行垂直切分到不同的數(shù)據(jù)庫中，然后當(dāng)數(shù)據(jù)庫中一個(gè)表超過一定大小時(shí)器予，需要對該表進(jìn)行水平切分浪藻，這里也是一樣，這里以用戶表為例乾翔；對于訪問數(shù)據(jù)庫客戶端來講爱葵，需要根據(jù)用戶的ID，定位到需要訪問的數(shù)據(jù)反浓；數(shù)據(jù)切分算法钧惧，根據(jù)用戶的ID做hash操作巧婶，一致性Hash，這種方式存在失效數(shù)據(jù)的遷移問題丈莺，遷移時(shí)間內(nèi)服務(wù)不可用維護(hù)路由表遏佣，路由表中存儲用戶和sharding的映射關(guān)系,sharding分為leader和replica，分別負(fù)責(zé)寫和讀這樣每個(gè)biz客戶端都需要保持所有sharding的連接池跌榔，這樣有個(gè)缺點(diǎn)是會(huì)產(chǎn)生全連接的問題暂论；一種解決方法是sharding的切分提到業(yè)務(wù)服務(wù)層進(jìn)行，每個(gè)業(yè)務(wù)節(jié)點(diǎn)只維護(hù)一個(gè)shard的連接即可。

見圖（router）

路由組件的實(shí)現(xiàn)是這樣的（可用性逆巍、高性能芳肌、高并發(fā)）

基于性能方面的考慮翎迁，采用mongodb中維護(hù)用戶id和shard的關(guān)系枢舶，為了保證可用性，搭建replicatset集群蚯根。

biz的sharding和數(shù)據(jù)庫的sharding是一一對應(yīng)的后众，只訪問一個(gè)數(shù)據(jù)庫sharding.

biz業(yè)務(wù)注冊節(jié)點(diǎn)到zookeeper上/bizs/shard/下。

router監(jiān)聽zookeeper上/bizs/下節(jié)點(diǎn)狀態(tài)颅拦，緩存在線biz在router中蒂誉。

client請求router獲取biz時(shí)，router首先從mongodb中獲取用戶對應(yīng)的shard,router根據(jù)緩存的內(nèi)容通過RR算法獲取biz節(jié)點(diǎn)距帅。

為了解決router的可用性和并發(fā)吞吐量問題右锨，對router進(jìn)行冗余，同時(shí)client監(jiān)聽zookeeper的/routers節(jié)點(diǎn)并緩存在線router節(jié)點(diǎn)列表碌秸。

3) HA

傳統(tǒng)實(shí)現(xiàn)HA的做法一般是采用虛擬IP漂移绍移，結(jié)合Heartbeat悄窃、keepalived等實(shí)現(xiàn)HA，

Keepalived使用vrrp方式進(jìn)行數(shù)據(jù)包的轉(zhuǎn)發(fā)蹂窖，提供4層的負(fù)載均衡轧抗，通過檢測vrrp數(shù)據(jù)包來切換，做冗余熱備更加適合與LVS搭配恼策。Linux Heartbeat是基于網(wǎng)絡(luò)或者主機(jī)的服務(wù)的高可用鸦致，HAProxy或者Nginx可以基于7層進(jìn)行數(shù)據(jù)包的轉(zhuǎn)發(fā)，因此Heatbeat更加適合做HAProxy涣楷、Nginx分唾，包括業(yè)務(wù)的高可用。

在分布式的集群中狮斗，可以用zookeeper做分布式的協(xié)調(diào)绽乔，實(shí)現(xiàn)集群的列表維護(hù)和失效通知，客戶端可以選擇hash算法或者roudrobin實(shí)現(xiàn)負(fù)載均衡碳褒；對于master-master模式折砸、master-slave模式，可以通過zookeeper分布式鎖的機(jī)制來支持沙峻。

4) 消息Message

對于平臺各個(gè)系統(tǒng)之間的異步交互睦授，是通過MQ組件進(jìn)行的。

在設(shè)計(jì)消息服務(wù)組件時(shí)摔寨，需要考慮消息一致性去枷、持久化、可用性是复、以及完善的監(jiān)控體系删顶。

業(yè)界開源的消息中間件主要RabbitMQ、kafka有兩種淑廊，

RabbitMQ,遵循AMQP協(xié)議逗余，由內(nèi)在高并發(fā)的erlanng語言開發(fā)；kafka是Linkedin于2010年12月份開源的消息發(fā)布訂閱系統(tǒng),它主要用于處理活躍的流式數(shù)據(jù),大數(shù)據(jù)量的數(shù)據(jù)處理上季惩。

對消息一致性要求比較高的場合需要有應(yīng)答確認(rèn)機(jī)制录粱，包括生產(chǎn)消息和消費(fèi)消息的過程；不過因網(wǎng)絡(luò)等原理導(dǎo)致的應(yīng)答缺失画拾，可能會(huì)導(dǎo)致消息的重復(fù)关摇，這個(gè)可以在業(yè)務(wù)層次根據(jù)冪等性進(jìn)行判斷過濾；RabbitMQ采用的是這種方式碾阁。還有一種機(jī)制是消費(fèi)端從broker拉取消息時(shí)帶上LSN號输虱，從broker中某個(gè)LSN點(diǎn)批量拉取消息，這樣無須應(yīng)答機(jī)制脂凶，kafka分布式消息中間件就是這種方式宪睹。

消息的在broker中的存儲愁茁，根據(jù)消息的可靠性的要求以及性能方面的綜合衡量，可以在內(nèi)存中亭病，可以持久化到存儲上鹅很。

對于可用性和高吞吐量的要求，集群和主備模式都可以在實(shí)際的場景應(yīng)用的到罪帖。RabbitMQ解決方案中有普通的集群和可用性更高的mirror queue方式促煮。 kafka采用zookeeper對集群中的broker、consumer進(jìn)行管理整袁，可以注冊topic到zookeeper上菠齿；通過zookeeper的協(xié)調(diào)機(jī)制，producer保存對應(yīng)topic的broker信息坐昙，可以隨機(jī)或者輪詢發(fā)送到broker上绳匀；并且producer可以基于語義指定分片，消息發(fā)送到broker的某分片上炸客。

總體來講疾棵，RabbitMQ用在實(shí)時(shí)的對可靠性要求比較高的消息傳遞上。kafka主要用于處理活躍的流式數(shù)據(jù),大數(shù)據(jù)量的數(shù)據(jù)處理上痹仙。

5) Cache&Buffer

Cache系統(tǒng)

在一些高并發(fā)高性能的場景中是尔，使用cache可以減少對后端系統(tǒng)的負(fù)載，承擔(dān)可大部分讀的壓力开仰，可以大大提高系統(tǒng)的吞吐量嗜历，比如通常在數(shù)據(jù)庫存儲之前增加cache緩存。

但是引入cache架構(gòu)不可避免的帶來一些問題抖所，cache命中率的問題, cache失效引起的抖動(dòng)，cache和存儲的一致性痕囱。

Cache中的數(shù)據(jù)相對于存儲來講田轧，畢竟是有限的，比較理想的情況是存儲系統(tǒng)的熱點(diǎn)數(shù)據(jù)鞍恢，這里可以用一些常見的算法LRU等等淘汰老的數(shù)據(jù)傻粘；隨著系統(tǒng)規(guī)模的增加，單個(gè)節(jié)點(diǎn)cache不能滿足要求帮掉，就需要搭建分布式Cache弦悉；為了解決單個(gè)節(jié)點(diǎn)失效引起的抖動(dòng) ，分布式cache一般采用一致性hash的解決方案蟆炊，大大減少因單個(gè)節(jié)點(diǎn)失效引起的抖動(dòng)范圍稽莉；而對于可用性要求比較高的場景，每個(gè)節(jié)點(diǎn)都是需要有備份的涩搓。數(shù)據(jù)在cache和存儲上都存有同一份備份污秆，必然有一致性的問題劈猪，一致性比較強(qiáng)的，在更新數(shù)據(jù)庫的同時(shí)良拼，更新數(shù)據(jù)庫cache战得。對于一致性要求不高的，可以去設(shè)置緩存失效時(shí)間的策略庸推。

Memcached作為高速的分布式緩存服務(wù)器常侦，協(xié)議比較簡單，基于libevent的事件處理機(jī)制贬媒。

Cache系統(tǒng)在平臺中用在router系統(tǒng)的客戶端中聋亡，熱點(diǎn)的數(shù)據(jù)會(huì)緩存在客戶端，當(dāng)數(shù)據(jù)訪問失效時(shí)掖蛤，才去訪問router系統(tǒng)杀捻。

當(dāng)然目前更多的利用內(nèi)存型的數(shù)據(jù)庫做cache，比如redis蚓庭、mongodb致讥；redis比memcache有豐富的數(shù)據(jù)操作的API；redis和mongodb都對數(shù)據(jù)進(jìn)行了持久化器赞，而memcache沒有這個(gè)功能垢袱，因此memcache更加適合在關(guān)系型數(shù)據(jù)庫之上的數(shù)據(jù)的緩存。

Buffer系統(tǒng)

用在高速的寫操作的場景中港柜，平臺中有些數(shù)據(jù)需要寫入數(shù)據(jù)庫请契，并且數(shù)據(jù)是分庫分表的，但對數(shù)據(jù)的可靠性不是那么高夏醉，為了減少對數(shù)據(jù)庫的寫壓力爽锥，可以采取批量寫操作的方式。

開辟一個(gè)內(nèi)存區(qū)域畔柔，當(dāng)數(shù)據(jù)到達(dá)區(qū)域的一定閥值時(shí)如80%時(shí)氯夷，在內(nèi)存中做分庫梳理工作(內(nèi)存速度還是比較快的)，后分庫批量flush靶擦。

6) 搜索

在電子商務(wù)平臺中搜索是一個(gè)非常的重要功能腮考，主要有搜索詞類目導(dǎo)航、自動(dòng)提示和搜索排序功能玄捕。

開源的企業(yè)級搜索引擎主要有l(wèi)ucene, sphinx踩蔚，這里不去論述哪種搜索引擎更好一些，不過選擇搜索引擎除了基本的功能需要支持外枚粘，非功能方面需要考慮以下兩點(diǎn)：

a馅闽、 搜索引擎是否支持分布式的索引和搜索，來應(yīng)對海量的數(shù)據(jù)，支持讀寫分離捞蛋，提高可用性

b孝冒、 索引的實(shí)時(shí)性

c、 性能

Solr是基于lucene的高性能的全文搜索服務(wù)器拟杉，提供了比lucene更為豐富的查詢語言庄涡，可配置可擴(kuò)展，對外提供基于http協(xié)議的XML/JSON格式的接口搬设。

從Solr4版本開始提供了SolrCloud方式來支持分布式的索引穴店，自動(dòng)進(jìn)行sharding數(shù)據(jù)切分；通過每個(gè)sharding的master-slave(leader拿穴、replica)模式提高搜索的性能泣洞；利用zookeeper對集群進(jìn)行管理，包括leader選舉等等默色，保障集群的可用性球凰。

Lucene索引的Reader是基于索引的snapshot的，所以必須在索引commit的后腿宰，重新打開一個(gè)新的snapshot呕诉，才能搜索到新添加的內(nèi)容；而索引的commit是非常耗性能的吃度，這樣達(dá)到實(shí)時(shí)索引搜索效率就比較低下甩挫。

對于索引搜索實(shí)時(shí)性，Solr4的之前解決方案是結(jié)合文件全量索引和內(nèi)存增量索引合并的方式椿每，參見下圖伊者。

Solr4提供了NRT softcommit的解決方案，softcommit無需進(jìn)行提交索引操作间护，就可以搜素到最新對索引的變更亦渗，不過對索引的變更并沒有sync commit到硬盤存儲上，若發(fā)生意外導(dǎo)致程序非正常結(jié)束汁尺，未commit的數(shù)據(jù)會(huì)丟失法精，因此需要定時(shí)的進(jìn)行commit操作。

平臺中對數(shù)據(jù)的索引和存儲操作是異步的均函，可以大大提高可用性和吞吐量；只對某些屬性字段做索引操作菱涤，存儲數(shù)據(jù)的標(biāo)識key苞也，減少索引的大小粘秆；數(shù)據(jù)是存儲在分布式存儲HBase 中的如迟，HBase對二級索引搜索支持的不好，然而可以結(jié)合Solr搜索功能進(jìn)行多維度的檢索統(tǒng)計(jì)。

索引數(shù)據(jù)和HBase數(shù)據(jù)存儲的一致性殷勘，也就是如何保障HBase存儲的數(shù)據(jù)都被索引過此再，可以采用confirm確認(rèn)機(jī)制，通過在索引前建立待索引數(shù)據(jù)隊(duì)列玲销，在數(shù)據(jù)存儲并索引完成后输拇，從待索引數(shù)據(jù)隊(duì)列中刪除數(shù)據(jù)。

7) 日志收集

在整個(gè)交易過程中贤斜，會(huì)產(chǎn)生大量的日志策吠，這些日志需要收集到分布式存儲系統(tǒng)中存儲起來，以便于集中式的查詢和分析處理瘩绒。

日志系統(tǒng)需具備三個(gè)基本組件猴抹，分別為agent（封裝數(shù)據(jù)源，將數(shù)據(jù)源中的數(shù)據(jù)發(fā)送給collector）锁荔，collector（接收多個(gè)agent的數(shù)據(jù)蟀给，并進(jìn)行匯總后導(dǎo)入后端的store中），store（中央存儲系統(tǒng)阳堕，應(yīng)該具有可擴(kuò)展性和可靠性跋理，應(yīng)該支持當(dāng)前非常流行的HDFS）。

開源的日志收集系統(tǒng)業(yè)界使用的比較多的是cloudera的Flume和facebook的Scribe嘱丢，其中Flume目前的版本FlumeNG對Flume從架構(gòu)上做了較大的改動(dòng)薪介。

在設(shè)計(jì)或者對日志收集系統(tǒng)做技術(shù)選型時(shí)，通常需要具有以下特征：

a越驻、 應(yīng)用系統(tǒng)和分析系統(tǒng)之間的橋梁汁政，將他們之間的關(guān)系解耦

b、 分布式可擴(kuò)展缀旁，具有高的擴(kuò)展性记劈，當(dāng)數(shù)據(jù)量增加時(shí)，可以通過增加節(jié)點(diǎn)水平擴(kuò)展

日志收集系統(tǒng)是可以伸縮的并巍，在系統(tǒng)的各個(gè)層次都可伸縮目木，對數(shù)據(jù)的處理不需要帶狀態(tài)，伸縮性方面也比較容易實(shí)現(xiàn)懊渡。

c刽射、 近實(shí)時(shí)性

在一些時(shí)效性要求比較高的場景中，需要可以及時(shí)的收集日志剃执，進(jìn)行數(shù)據(jù)分析誓禁；

一般的日志文件都會(huì)定時(shí)或者定量的進(jìn)行rolling，所以實(shí)時(shí)檢測日志文件的生成肾档，及時(shí)對日志文件進(jìn)行類似的tail操作摹恰，并支持批量發(fā)送提高傳輸效率辫继；批量發(fā)送的時(shí)機(jī)需要滿足消息數(shù)量和時(shí)間間隔的要求。

d俗慈、 容錯(cuò)性

Scribe在容錯(cuò)方面的考慮是姑宽，當(dāng)后端的存儲系統(tǒng)crash時(shí)，scribe會(huì)將數(shù)據(jù)寫到本地磁盤上闺阱，當(dāng)存儲系統(tǒng)恢復(fù)正常后炮车，scribe將日志重新加載到存儲系統(tǒng)中。

FlumeNG通過Sink Processor實(shí)現(xiàn)負(fù)載均衡和故障轉(zhuǎn)移馏颂。多個(gè)Sink可以構(gòu)成一個(gè)Sink Group示血。一個(gè)Sink Processor負(fù)責(zé)從一個(gè)指定的Sink Group中激活一個(gè)Sink。Sink Processor可以通過組中所有Sink實(shí)現(xiàn)負(fù)載均衡救拉；也可以在一個(gè)Sink失敗時(shí)轉(zhuǎn)移到另一個(gè)难审。

e、 事務(wù)支持

Scribe沒有考慮事務(wù)的支持亿絮。

Flume通過應(yīng)答確認(rèn)機(jī)制實(shí)現(xiàn)事務(wù)的支持告喊，參見下圖，

通常提取發(fā)送消息都是批量操作的派昧，消息的確認(rèn)是對一批數(shù)據(jù)的確認(rèn)黔姜，這樣可以大大提高數(shù)據(jù)發(fā)送的效率。

f蒂萎、 可恢復(fù)性

FlumeNG的channel根據(jù)可靠性的要求的不同秆吵，可以基于內(nèi)存和文件持久化機(jī)制，基于內(nèi)存的數(shù)據(jù)傳輸?shù)匿N量比較高五慈，但是在節(jié)點(diǎn)宕機(jī)后纳寂，數(shù)據(jù)丟失，不可恢復(fù)泻拦；而文件持久化宕機(jī)是可以恢復(fù)的毙芜。

g、 數(shù)據(jù)的定時(shí)定量歸檔

數(shù)據(jù)經(jīng)過日志收集系統(tǒng)歸集后争拐，一般存儲在分布式文件系統(tǒng)如Hadoop腋粥，為了便于對數(shù)據(jù)進(jìn)行后續(xù)的處理分析，需要定時(shí)(TimeTrigger)或者定量(SizeTrigger的rolling分布式系統(tǒng)的文件架曹。

8) 數(shù)據(jù)同步

在交易系統(tǒng)中隘冲，通常需要進(jìn)行異構(gòu)數(shù)據(jù)源的同步，通常有數(shù)據(jù)文件到關(guān)系型數(shù)據(jù)庫绑雄，數(shù)據(jù)文件到分布式數(shù)據(jù)庫展辞，關(guān)系型數(shù)據(jù)庫到分布式數(shù)據(jù)庫等。數(shù)據(jù)在異構(gòu)源之間的同步一般是基于性能和業(yè)務(wù)的需求绳慎，數(shù)據(jù)存儲在本地文件中一般是基于性能的考慮纵竖，文件是順序存儲的，效率還是比較高的杏愤；數(shù)據(jù)同步到關(guān)系型數(shù)據(jù)一般是基于查詢的需求靡砌；而分布式數(shù)據(jù)庫是存儲越來越多的海量數(shù)據(jù)的，而關(guān)系型數(shù)據(jù)庫無法滿足大數(shù)據(jù)量的存儲和查詢請求珊楼。

在數(shù)據(jù)同步的設(shè)計(jì)中需要綜合考慮吞吐量通殃、容錯(cuò)性、可靠性厕宗、一致性的問題

同步有實(shí)時(shí)增量數(shù)據(jù)同步和離線全量數(shù)據(jù)區(qū)分画舌，下面從這兩個(gè)維度來介紹一下，

實(shí)時(shí)增量一般是Tail文件來實(shí)時(shí)跟蹤文件變化已慢，批量或者多線程往數(shù)據(jù)庫導(dǎo)出,這種方式的架構(gòu)類似于日志收集框架曲聂。這種方式需要有確認(rèn)機(jī)制，包括兩個(gè)方面佑惠。

一個(gè)方面是Channel需要給agent確認(rèn)已經(jīng)批量收到數(shù)據(jù)記錄了朋腋，發(fā)送LSN號給agent，這樣在agent失效恢復(fù)時(shí)膜楷，可以從這個(gè)LSN點(diǎn)開始tail旭咽；當(dāng)然對于允許少量的重復(fù)記錄的問題(發(fā)生在channel給agent確認(rèn)的時(shí)，agent宕機(jī)并未受到確認(rèn)消息)赌厅，需要在業(yè)務(wù)場景中判斷穷绵。

另外一個(gè)方面是sync給channel確認(rèn)已經(jīng)批量完成寫入到數(shù)據(jù)庫的操作，這樣channel可以刪除這部分已經(jīng)confirm的消息特愿。

基于可靠性的要求仲墨，channel可以采用文件持久化的方式。

參見下圖

離線全量遵循空間間換取時(shí)間洽议，分而治之的原則宗收，盡量的縮短數(shù)據(jù)同步的時(shí)間，提高同步的效率亚兄。

需要對源數(shù)據(jù)比如mysql進(jìn)行切分混稽，多線程并發(fā)讀源數(shù)據(jù)，多線程并發(fā)批量寫入分布式數(shù)據(jù)庫比如HBase,利用channel作為讀寫之間的緩沖审胚，實(shí)現(xiàn)更好的解耦匈勋，channel可以基于文件存儲或者內(nèi)存。參見下圖：

對于源數(shù)據(jù)的切分膳叨，如果是文件可以根據(jù)文件名稱設(shè)置塊大小來切分洽洁。

對于關(guān)系型數(shù)據(jù)庫，由于一般的需求是只離線同步一段時(shí)間的數(shù)據(jù)(比如凌晨把當(dāng)天的訂單數(shù)據(jù)同步到HBase)菲嘴，所以需要在數(shù)據(jù)切分時(shí)(按照行數(shù)切分)饿自，會(huì)多線程掃描整個(gè)表(及時(shí)建索引汰翠，也要回表)，對于表中包含大量的數(shù)據(jù)來講昭雌，IO很高复唤，效率非常低；這里解決的方法是對數(shù)據(jù)庫按照時(shí)間字段(按照時(shí)間同步的)建立分區(qū)烛卧，每次按照分區(qū)進(jìn)行導(dǎo)出佛纫。

9) 數(shù)據(jù)分析

從傳統(tǒng)的基于關(guān)系型數(shù)據(jù)庫并行處理集群、用于內(nèi)存計(jì)算近實(shí)時(shí)的总放，到目前的基于hadoop的海量數(shù)據(jù)的分析呈宇，數(shù)據(jù)的分析在大型電子商務(wù)網(wǎng)站中應(yīng)用非常廣泛，包括流量統(tǒng)計(jì)局雄、推薦引擎甥啄、趨勢分析、用戶行為分析炬搭、數(shù)據(jù)挖掘分類器型豁、分布式索引等等。

并行處理集群有商業(yè)的EMC Greenplum尚蝌，Greenplum的架構(gòu)采用了MPP(大規(guī)模并行處理)迎变，基于postgresql的大數(shù)據(jù)量存儲的分布式數(shù)據(jù)庫。

內(nèi)存計(jì)算方面有SAP的HANA飘言，開源的nosql內(nèi)存型的數(shù)據(jù)庫mongodb也支持mapreduce進(jìn)行數(shù)據(jù)的分析衣形。

海量數(shù)據(jù)的離線分析目前互聯(lián)網(wǎng)公司大量的使用Hadoop，Hadoop在可伸縮性姿鸿、健壯性谆吴、計(jì)算性能和成本上具有無可替代的優(yōu)勢，事實(shí)上已成為當(dāng)前互聯(lián)網(wǎng)企業(yè)主流的大數(shù)據(jù)分析平臺

Hadoop通過MapReuce的分布式處理框架苛预，用于處理大規(guī)模的數(shù)據(jù)句狼，伸縮性也非常好；但是MapReduce最大的不足是不能滿足實(shí)時(shí)性的場景热某，主要用于離線的分析腻菇。

基于MapRduce模型編程做數(shù)據(jù)的分析，開發(fā)上效率不高昔馋，位于hadoop之上Hive的出現(xiàn)使得數(shù)據(jù)的分析可以類似編寫sql的方式進(jìn)行筹吐，sql經(jīng)過語法分析、生成執(zhí)行計(jì)劃后最終生成MapReduce任務(wù)進(jìn)行執(zhí)行秘遏，這樣大大提高了開發(fā)的效率丘薛，做到以ad-hoc(計(jì)算在query發(fā)生時(shí))方式進(jìn)行的分析。

基于MapReduce模型的分布式數(shù)據(jù)的分析都是離線的分析邦危，執(zhí)行上都是暴力掃描洋侨，無法利用類似索引的機(jī)制舍扰；開源的Cloudera Impala是基于MPP的并行編程模型的，底層是Hadoop存儲的高性能的實(shí)時(shí)分析平臺希坚，可以大大降低數(shù)據(jù)分析的延遲妥粟。

目前Hadoop使用的版本是Hadoop1.0，一方面原有的MapReduce框架存在JobTracker單點(diǎn)的問題吏够，另外一方面JobTracker在做資源管理的同時(shí)又做任務(wù)的調(diào)度工作，隨著數(shù)據(jù)量的增大和Job任務(wù)的增多滩报，明顯存在可擴(kuò)展性锅知、內(nèi)存消耗、線程模型脓钾、可靠性和性能上的缺陷瓶頸售睹；Hadoop2.0 yarn對整個(gè)框架進(jìn)行了重構(gòu)隘竭，分離了資源管理和任務(wù)調(diào)度晕拆，從架構(gòu)設(shè)計(jì)上解決了這個(gè)問題。

參考Yarn的架構(gòu)

10) 實(shí)時(shí)計(jì)算

在互聯(lián)網(wǎng)領(lǐng)域稀拐，實(shí)時(shí)計(jì)算被廣泛實(shí)時(shí)監(jiān)控分析握截、流控飞崖、風(fēng)險(xiǎn)控制等領(lǐng)域。電商平臺系統(tǒng)或者應(yīng)用對日常產(chǎn)生的大量日志和異常信息谨胞，需要經(jīng)過實(shí)時(shí)過濾固歪、分析，以判定是否需要預(yù)警胯努；

同時(shí)需要對系統(tǒng)做自我保護(hù)機(jī)制牢裳，比如對模塊做流量的控制，以防止非預(yù)期的對系統(tǒng)壓力過大而引起的系統(tǒng)癱瘓叶沛，流量過大時(shí)蒲讯，可以采取拒絕或者引流等機(jī)制；有些業(yè)務(wù)需要進(jìn)行風(fēng)險(xiǎn)的控制灰署，比如彩票中有些業(yè)務(wù)需要根據(jù)系統(tǒng)的實(shí)時(shí)銷售情況進(jìn)行限號與放號判帮。

原始基于單節(jié)點(diǎn)的計(jì)算，隨著系統(tǒng)信息量爆炸式產(chǎn)生以及計(jì)算的復(fù)雜度的增加溉箕，單個(gè)節(jié)點(diǎn)的計(jì)算已不能滿足實(shí)時(shí)計(jì)算的要求脊另，需要進(jìn)行多節(jié)點(diǎn)的分布式的計(jì)算，分布式實(shí)時(shí)計(jì)算平臺就出現(xiàn)了约巷。

這里所說的實(shí)時(shí)計(jì)算偎痛，其實(shí)是流式計(jì)算，概念前身其實(shí)是CEP復(fù)雜事件處理独郎，相關(guān)的開源產(chǎn)品如Esper踩麦，業(yè)界分布式的流計(jì)算產(chǎn)品Yahoo S4,Twitter storm等枚赡，以storm開源產(chǎn)品使用最為廣泛。

對于實(shí)時(shí)計(jì)算平臺谓谦，從架構(gòu)設(shè)計(jì)上需要考慮以下幾個(gè)因素：

1贫橙、 伸縮性

隨著業(yè)務(wù)量的增加，計(jì)算量的增加反粥，通過增加節(jié)點(diǎn)處理卢肃，就可以處理。

2才顿、 高性能莫湘、低延遲

從數(shù)據(jù)流入計(jì)算平臺數(shù)據(jù)，到計(jì)算輸出結(jié)果郑气，需要性能高效且低延遲幅垮，保證消息得到快速的處理，做到實(shí)時(shí)計(jì)算尾组。

3忙芒、 可靠性

保證每個(gè)數(shù)據(jù)消息得到一次完整處理。

4讳侨、 容錯(cuò)性

系統(tǒng)可以自動(dòng)管理節(jié)點(diǎn)的宕機(jī)失效呵萨，對應(yīng)用來說，是透明的跨跨。

Twitter的Storm在以上這幾個(gè)方面做的比較好甘桑，下面簡介一下Storm的架構(gòu)。

整個(gè)集群的管理是通過zookeeper來進(jìn)行的歹叮。

客戶端提交拓?fù)涞絥imbus跑杭。

Nimbus針對該拓?fù)浣⒈镜氐哪夸浉鶕?jù)topology的配置計(jì)算task，分配task咆耿，在zookeeper上建立assignments節(jié)點(diǎn)存儲task和supervisor機(jī)器節(jié)點(diǎn)中woker的對應(yīng)關(guān)系德谅。

在zookeeper上創(chuàng)建taskbeats節(jié)點(diǎn)來監(jiān)控task的心跳；啟動(dòng)topology萨螺。

Supervisor去zookeeper上獲取分配的tasks窄做，啟動(dòng)多個(gè)woker進(jìn)行，每個(gè)woker生成task慰技，一個(gè)task一個(gè)線程椭盏；根據(jù)topology信息初始化建立task之間的連接;Task和Task之間是通過zeroMQ管理的；之后整個(gè)拓?fù)溥\(yùn)行起來吻商。

Tuple是流的基本處理單元掏颊，也就是一個(gè)消息，Tuple在task中流轉(zhuǎn)，Tuple的發(fā)送和接收過程如下：

發(fā)送Tuple乌叶，Worker提供了一個(gè)transfer的功能盆偿，用于當(dāng)前task把tuple發(fā)到到其他的task中。以目的taskid和tuple參數(shù)准浴，序列化tuple數(shù)據(jù)并放到transfer queue中事扭。

在0.8版本之前，這個(gè)queue是LinkedBlockingQueue乐横，0.8之后是DisruptorQueue求橄。

在0.8版本之后，每一個(gè)woker綁定一個(gè)inbound transfer queue和outbond queue葡公，inbound queue用于接收message罐农，outbond queue用于發(fā)送消息。

發(fā)送消息時(shí)匾南，由單個(gè)線程從transferqueue中拉取數(shù)據(jù)，把這個(gè)tuple通過zeroMQ發(fā)送到其他的woker中蛔外。

接收Tuple蛆楞，每個(gè)woker都會(huì)監(jiān)聽zeroMQ的tcp端口來接收消息，消息放到DisruptorQueue中后夹厌，后從queue中獲取message(taskid,tuple)豹爹，根據(jù)目的taskid,tuple的值路由到task中執(zhí)行。每個(gè)tuple可以emit到direct steam中矛纹，也可以發(fā)送到regular stream中臂聋，在Reglular方式下，由Stream Group（stream id–>component id –>outbond tasks）功能完成當(dāng)前tuple將要發(fā)送的Tuple的目的地或南。

通過以上分析可以看到孩等，Storm在伸縮性、容錯(cuò)性采够、高性能方面的從架構(gòu)設(shè)計(jì)的角度得以支撐肄方；同時(shí)在可靠性方面，Storm的ack組件利用異或xor算法在不失性能的同時(shí)蹬癌，保證每一個(gè)消息得到完整處理的同時(shí)权她。

11) 實(shí)時(shí)推送

實(shí)時(shí)推送的應(yīng)用場景非常多，比如系統(tǒng)的監(jiān)控動(dòng)態(tài)的實(shí)時(shí)曲線繪制逝薪，手機(jī)消息的推送隅要，web實(shí)時(shí)聊天等。

實(shí)時(shí)推送有很多技術(shù)可以實(shí)現(xiàn)董济，有Comet方式步清，有websocket方式等。

Comet基于服務(wù)器長連接的“服務(wù)器推”技術(shù)虏肾，包含兩種：

Long Polling：服務(wù)器端在接到請求后掛起尼啡，有更新時(shí)返回連接即斷掉暂衡，然后客戶端再發(fā)起新的連接

Stream方式: 每次服務(wù)端數(shù)據(jù)傳送不會(huì)關(guān)閉連接，連接只會(huì)在通信出現(xiàn)錯(cuò)誤時(shí)崖瞭，或是連接重建時(shí)關(guān)閉（一些防火墻常被設(shè)置為丟棄過長的連接狂巢， 服務(wù)器端可以設(shè)置一個(gè)超時(shí)時(shí)間， 超時(shí)后通知客戶端重新建立連接书聚，并關(guān)閉原來的連接）唧领。

Websocket：長連接，全雙工通信

是 Html5 的一種新的協(xié)議雌续。它實(shí)現(xiàn)了瀏覽器與服務(wù)器的雙向通訊斩个。webSocket API 中，瀏覽器和服務(wù)器端只需要通過一個(gè)握手的動(dòng)作驯杜，便能形成瀏覽器與客戶端之間的快速雙向通道受啥，使得數(shù)據(jù)可以快速的雙向傳播。

Socket.io是一個(gè)NodeJS websocket庫鸽心，包括客戶端的JS和服務(wù)端的的nodejs滚局，用于快速構(gòu)建實(shí)時(shí)的web應(yīng)用。

12) 推薦引擎

待補(bǔ)充

6. 數(shù)據(jù)存儲

數(shù)據(jù)庫存儲大體分為以下幾類顽频，有關(guān)系型（事務(wù)型）的數(shù)據(jù)庫藤肢，以oracle、mysql為代表糯景，有keyvalue數(shù)據(jù)庫嘁圈，以redis和memcached db為代表，有文檔型數(shù)據(jù)庫如mongodb蟀淮，有列式分布式數(shù)據(jù)庫以HBase最住，cassandra,dynamo為代表，還有其他的圖形數(shù)據(jù)庫怠惶、對象數(shù)據(jù) 庫温学、xml數(shù)據(jù)庫等。每種類型的數(shù)據(jù)庫應(yīng)用的業(yè)務(wù)領(lǐng)域是不一樣的甚疟，下面從內(nèi)存型仗岖、關(guān)系型、分布式三個(gè)維度針對相關(guān)的產(chǎn)品做性能可用性等方面的考量分析览妖。

1) 內(nèi)存型數(shù)據(jù)庫

內(nèi)存型的數(shù)據(jù)庫轧拄，以高并發(fā)高性能為目標(biāo)，在事務(wù)性方面沒那么嚴(yán)格讽膏，以開源nosql數(shù)據(jù)庫mongodb檩电、redis為例

? Mongodb

通信方式

多線程方式，主線程監(jiān)聽新的連接，連接后俐末，啟動(dòng)新的線程做數(shù)據(jù)的操作（IO切換）料按。

數(shù)據(jù)結(jié)構(gòu)

數(shù)據(jù)庫–>collection–>record

MongoDB在數(shù)據(jù)存儲上按命名空間來劃分，一個(gè)collection是一個(gè)命名空間卓箫，一個(gè)索引也是一個(gè)命名空間载矿。

同一個(gè)命名空間的數(shù)據(jù)被分成很多個(gè)Extent，Extent之間使用雙向鏈表連接烹卒。

在每一個(gè)Extent中闷盔，保存了具體每一行的數(shù)據(jù)，這些數(shù)據(jù)也是通過雙向鏈接連接的旅急。

每一行數(shù)據(jù)存儲空間不僅包括數(shù)據(jù)占用空間逢勾，還可能包含一部分附加空間，這使得在數(shù)據(jù)update變大后可以不移動(dòng)位置藐吮。

索引以BTree結(jié)構(gòu)實(shí)現(xiàn)溺拱。

如果你開啟了jorunaling日志，那么還會(huì)有一些文件存儲著你所有的操作記錄谣辞。

持久化存儲

MMap方式把文件地址映射到內(nèi)存的地址空間迫摔，直接操作內(nèi)存地址空間就可以操作文件，不用再調(diào)用write,read操作潦闲，性能比較高攒菠。

mongodb調(diào)用mmap把磁盤中的數(shù)據(jù)映射到內(nèi)存中的迫皱，所以必須有一個(gè)機(jī)制時(shí)刻的刷數(shù)據(jù)到硬盤才能保證可靠性歉闰，多久刷一次是與syncdelay參數(shù)相關(guān)的。

journal（進(jìn)行恢復(fù)用）是Mongodb中的redo log卓起，而Oplog則是負(fù)責(zé)復(fù)制的binlog和敬。如果打開journal，那么即使斷電也只會(huì)丟失100ms的數(shù)據(jù)戏阅，這對大多數(shù)應(yīng)用來說都可以容忍了昼弟。從1.9.2+，mongodb都會(huì)默認(rèn)打開journal功能奕筐，以確保數(shù)據(jù)安全舱痘。而且journal的刷新時(shí)間是可以改變的，2-300ms的范圍,使用 –journalCommitInterval 命令离赫。Oplog和數(shù)據(jù)刷新到磁盤的時(shí)間是60s芭逝，對于復(fù)制來說，不用等到oplog刷新磁盤渊胸，在內(nèi)存中就可以直接復(fù)制到Sencondary節(jié)點(diǎn)旬盯。

事務(wù)支持

Mongodb只支持對單行記錄的原子操作

HA集群

用的比較多的是Replica Sets，采用選舉算法，自動(dòng)進(jìn)行l(wèi)eader選舉胖翰，在保證可用性的同時(shí)接剩，可以做到強(qiáng)一致性要求。

當(dāng)然對于大量的數(shù)據(jù)萨咳，mongodb也提供了數(shù)據(jù)的切分架構(gòu)Sharding懊缺。

? Redis

豐富的數(shù)據(jù)結(jié)構(gòu)，高速的響應(yīng)速度某弦，內(nèi)存操作

通信方式

因都在內(nèi)存操作桐汤，所以邏輯的操作非常快靶壮，減少了CPU的切換開銷怔毛，所以為單線程的模式（邏輯處理線程和主線程是一個(gè)）。

reactor模式腾降，實(shí)現(xiàn)自己的多路復(fù)用NIO機(jī)制（epoll拣度，select，kqueue等）

單線程處理多任務(wù)

數(shù)據(jù)結(jié)構(gòu)

hash+bucket結(jié)構(gòu)螃壤，當(dāng)鏈表的長度過長時(shí)抗果，會(huì)采取遷移的措施（擴(kuò)展原來兩倍的hash表，把數(shù)據(jù)遷移過去奸晴，expand+rehash）

持久化存儲

a冤馏、全量持久化RDB（遍歷redisDB,讀取bucket中的key,value），save命令阻塞主線程寄啼，bgsave開啟子進(jìn)程進(jìn)行snapshot持久化操作逮光，生成rdb文件。

在shutdown時(shí)墩划，會(huì)調(diào)用save操作

數(shù)據(jù)發(fā)生變化涕刚，在多少秒內(nèi)觸發(fā)一次bgsave

sync，master接受slave發(fā)出來的命令

b乙帮、增量持久化（aof類似redolog）杜漠，先寫到日志buffer,再flush到日志文件中（flush的策略可以配置的，而已單條察净，也可以批量）驾茴，只有flush到文件上的，才真正返回客戶端氢卡。

要定時(shí)對aof文件和rdb文件做合并操作（在快照過程中锈至，變化的數(shù)據(jù)先寫到aof buf中等子進(jìn)程完成快照<內(nèi)存snapshot>后，再進(jìn)行合并aofbuf變化的部分以及全鏡像數(shù)據(jù)）异吻。

在高并發(fā)訪問模式下裹赴，RDB模式使服務(wù)的性能指標(biāo)出現(xiàn)明顯的抖動(dòng)喜庞，aof在性能開銷上比RDB好，但是恢復(fù)時(shí)重新加載到內(nèi)存的時(shí)間和數(shù)據(jù)量成正比棋返。

集群HA

通用的解決方案是主從備份切換延都，采用HA軟件，使得失效的主redis可以快速的切換到從redis上睛竣。主從數(shù)據(jù)的同步采用復(fù)制機(jī)制晰房，該場景可以做讀寫分離。

目前在復(fù)制方面射沟，存在的一個(gè)問題是在遇到網(wǎng)絡(luò)不穩(wěn)定的情況下殊者，Slave和Master斷開（包括閃斷）會(huì)導(dǎo)致Master需要將內(nèi)存中的數(shù)據(jù)全部重新生成rdb文件（快照文件），然后傳輸給Slave验夯。Slave接收完Master傳遞過來的rdb文件以后會(huì)將自身的內(nèi)存清空猖吴，把rdb文件重新加載到內(nèi)存中。這種方式效率比較低下挥转，在后面的未來版本Redis2.8作者已經(jīng)實(shí)現(xiàn)了部分復(fù)制的功能海蔽。

2) 關(guān)系型數(shù)據(jù)庫

關(guān)系型數(shù)據(jù)庫在滿足并發(fā)性能的同時(shí)，也需要滿足事務(wù)性绑谣，以mysql數(shù)據(jù)庫為例党窜，講述架構(gòu)設(shè)計(jì)原理，在性能方面的考慮借宵，以及如何滿足可用性的需求幌衣。

? mysql的架構(gòu)原理(innodb)

在架構(gòu)上，mysql分為server層和存儲引擎層壤玫。

Server層的架構(gòu)對于不同的存儲引擎來講都是一樣的,包括連接/線程處理豁护、查詢處理(parser、optimizer)以及其他系統(tǒng)任務(wù)垦细。存儲引擎層有很多種择镇，mysql提供了存儲引擎的插件式結(jié)構(gòu)挡逼，支持多種存儲引擎括改，用的最廣泛的是innodb和myisamin；inodb主要面向OLTP方面的應(yīng)用家坎，支持事務(wù)處理嘱能，myisam不支持事務(wù)，表鎖虱疏，對OLAP操作速度快惹骂。

以下主要針對innodb存儲引擎做相關(guān)介紹。

在線程處理方面做瞪，Mysql是多線程的架構(gòu)对粪，由一個(gè)master線程右冻，一個(gè)鎖監(jiān)控線程，一個(gè)錯(cuò)誤監(jiān)控線程著拭，和多個(gè)IO線程組成纱扭。并且對一個(gè)連接會(huì)開啟一個(gè)線程進(jìn)行服務(wù)。io線程又分為節(jié)省隨機(jī)IO的insert buffer儡遮，用于事務(wù)控制的類似于oracle的redo log乳蛾，以及多個(gè)write，多個(gè)read的硬盤和內(nèi)存交換的IO線程鄙币。

在內(nèi)存分配方面肃叶，包括innodb buffer pool ，以及l(fā)og buffer十嘿。其中innodb buffer pool包括insert buffer因惭、datapage、index page绩衷、數(shù)據(jù)字典筛欢、自適應(yīng)hash。Log buffer用于緩存事務(wù)日志唇聘，提供性能版姑。

在數(shù)據(jù)結(jié)構(gòu)方面，innodb包括表空間迟郎、段剥险、區(qū)、頁/塊宪肖，行表制。索引結(jié)構(gòu)是B+tree結(jié)構(gòu)，包括二級索引和主鍵索引控乾，二級索引的葉子節(jié)點(diǎn)是主鍵PK么介，根據(jù)主鍵索引的葉子節(jié)點(diǎn)指向存儲的數(shù)據(jù)塊。這種B+樹存儲結(jié)構(gòu)可以更好的滿足隨機(jī)查詢操作IO要求蜕衡，分為數(shù)據(jù)頁和二級索引頁壤短，修改二級索引頁面涉及到隨機(jī)操作，為了提高寫入時(shí)的性能慨仿，采用insert buffer做順序的寫入久脯，再由后臺線程以一定頻率將多個(gè)插入合并到二級索引頁面。為了保證數(shù)據(jù)庫的一致性(內(nèi)存和硬盤數(shù)據(jù)文件)镰吆，以及縮短實(shí)例恢復(fù)的時(shí)間帘撰，關(guān)系型數(shù)據(jù)庫還有一個(gè)checkpoint的功能，用于把內(nèi)存buffer中之前的臟頁按照比例(老的LSN)寫入磁盤万皿，這樣redolog文件的LSN以前的日志就可以被覆蓋了摧找，進(jìn)行循環(huán)使用核行；在失效恢復(fù)時(shí)，只需要從日志中LSN點(diǎn)進(jìn)行恢復(fù)即可蹬耘。

在事務(wù)特性支持上钮科，關(guān)系型數(shù)據(jù)庫需要滿足ACID四個(gè)特性，需要根據(jù)不同的事務(wù)并發(fā)和數(shù)據(jù)可見性要求婆赠，定義了不同的事務(wù)隔離級別绵脯，并且離不開對資源爭用的鎖機(jī)制，要避免產(chǎn)生死鎖休里，mysql在Server層和存儲引擎層做并發(fā)控制蛆挫，主要體現(xiàn)在讀寫鎖，根據(jù)鎖粒度不同妙黍，有各個(gè)級別的鎖(表鎖悴侵、行鎖、頁鎖拭嫁、MVCC)可免；基于提高并發(fā)性能的考慮，使用多版本并發(fā)控制MVCC來支持事務(wù)的隔離做粤，并基于undo來實(shí)現(xiàn)浇借，在做事務(wù)回滾時(shí)，也會(huì)用到undo段怕品。mysql 用redolog來保證數(shù)據(jù)的寫入的性能和失效恢復(fù)妇垢，在修改數(shù)據(jù)時(shí)只需要修改內(nèi)存，再把修改行為記錄到事務(wù)日志中(順序IO)肉康，不用每次將數(shù)據(jù)修改本身持久化到硬盤(隨機(jī)IO)闯估，大大提高性能。

在可靠性方面吼和，innodb存儲引擎提供了兩次寫機(jī)制double writer用于防止在flush頁面到存儲上出現(xiàn)的錯(cuò)誤涨薪，解決磁盤half-writern的問題。

? 對于高并發(fā)高性能的mysql來講炫乓，可以在多個(gè)維度進(jìn)行性能方面的調(diào)優(yōu)刚夺。

a、硬件級別厢岂，

日志和數(shù)據(jù)的存儲光督，需要分開阳距，日志是順序的寫塔粒，需要做raid1+0，并且用buffer-IO筐摘；數(shù)據(jù)是離散的讀寫卒茬，走direct IO即可船老，避免走文件系統(tǒng)cache帶來的開銷。

存儲能力圃酵，SAS盤raid操作（raid卡緩存柳畔，關(guān)閉讀cache，關(guān)閉磁盤cache郭赐，關(guān)閉預(yù)讀薪韩，只用writeback buffer，不過需要考慮充放電的問題）捌锭，當(dāng)然如果數(shù)據(jù)規(guī)模不大俘陷，數(shù)據(jù)的存儲可以用高速的設(shè)備，F(xiàn)usion IO观谦、SSD拉盾。

對于數(shù)據(jù)的寫入，控制臟頁刷新的頻率豁状，對于數(shù)據(jù)的讀取捉偏，控制cache hit率；因此而估算系統(tǒng)需要的IOPS泻红，評估需要的硬盤數(shù)量(fusion io上到IOPS 在10w以上夭禽，普通的硬盤150)。

Cpu方面谊路，單實(shí)例關(guān)閉NUMA驻粟，mysql對多核的支持不是太好，可以對多實(shí)例進(jìn)行CPU綁定凶异。

b蜀撑、操作系統(tǒng)級別，

內(nèi)核以及socket的優(yōu)化剩彬，網(wǎng)絡(luò)優(yōu)化bond酷麦、文件系統(tǒng)、IO調(diào)度

innodb主要用在OLTP類應(yīng)用喉恋，一般都是IO密集型的應(yīng)用沃饶，在提高IO能力的基礎(chǔ)上，充分利用cache機(jī)制轻黑。需要考慮的內(nèi)容有糊肤，

在保證系統(tǒng)可用內(nèi)存的基礎(chǔ)上，盡可能的擴(kuò)大innodb buffer pool氓鄙，一般設(shè)置為物理內(nèi)存的3/4

文件系統(tǒng)的使用馆揉，只在記錄事務(wù)日志的時(shí)候用文件系統(tǒng)的cache；盡量避免mysql用到swap(可以將vm.swappiness=0抖拦，內(nèi)存緊張時(shí)升酣，釋放文件系統(tǒng)cache)

IO調(diào)度優(yōu)化舷暮，減少不必要的阻塞，降低隨機(jī)IO訪問的延時(shí)(CFQ噩茄、Deadline下面、NOOP)

c、server以及存儲引擎級別（連接管理绩聘、網(wǎng)絡(luò)管理沥割、table管理、日志）

包括cache/buffer凿菩、Connection驯遇、IO

d、應(yīng)用級別（比如索引的考慮蓄髓，schema的優(yōu)化適當(dāng)冗余叉庐；優(yōu)化sql查詢導(dǎo)致的CPU問題和內(nèi)存問題，減少鎖的范圍会喝，減少回表掃描陡叠，覆蓋索引）

? 在高可用實(shí)踐方面，

支持master-master肢执、master-slave模式枉阵，master-master模式是一個(gè)作為主負(fù)責(zé)讀寫，另外一個(gè)作為standby提供災(zāi)備预茄，maser-slave是一個(gè)作為主提供寫操作兴溜，其他幾個(gè)節(jié)點(diǎn)作為讀操作，支持讀寫分離耻陕。

對于節(jié)點(diǎn)主備失效檢測和切換拙徽，可以采用HA軟件，當(dāng)然也可以從更細(xì)粒度定制的角度诗宣，采用zookeeper作為集群的協(xié)調(diào)服務(wù)膘怕。

對于分布式的系統(tǒng)來講，數(shù)據(jù)庫主備切換的一致性始終是一個(gè)問題召庞，可以有以下幾種方式：

a岛心、集群方式，如oracle的rack篮灼，缺點(diǎn)是比較復(fù)雜

b忘古、共享SAN存儲方式，相關(guān)的數(shù)據(jù)文件和日志文件都放在共享存儲上诅诱，優(yōu)點(diǎn)是主備切換時(shí)數(shù)據(jù)保持一致髓堪，不會(huì)丟失，但由于備機(jī)有一段時(shí)間的拉起，會(huì)有短暫的不可用狀態(tài)

c旦袋、主備進(jìn)行數(shù)據(jù)同步的方式骤菠，常見的是日志的同步它改，可以保障熱備疤孕，實(shí)時(shí)性好，但是切換時(shí)央拖，可能有部分?jǐn)?shù)據(jù)沒有同步過來祭阀，帶來了數(shù)據(jù)的一致性問題∠式洌可以在操作主數(shù)據(jù)庫的同時(shí)专控，記錄操作日志，切換到備時(shí)遏餐，會(huì)和操作日志做個(gè)check伦腐，補(bǔ)齊未同步過來的數(shù)據(jù)；

d失都、還有一種做法是備庫切換到主庫的regolog的存儲上柏蘑，保證數(shù)據(jù)不丟失。

數(shù)據(jù)庫主從復(fù)制的效率在mysql上不是太高粹庞，主要原因是事務(wù)是嚴(yán)格保持順序的咳焚，索引mysql在復(fù)制方面包括日志IO和relog log兩個(gè)過程都是單線程的串行操作，在數(shù)據(jù)復(fù)制優(yōu)化方面庞溜，盡量減少IO的影響革半。不過到了Mysql5.6版本，可以支持在不同的庫上的并行復(fù)制流码。

? 基于不同業(yè)務(wù)要求的存取方式

平臺業(yè)務(wù)中又官，不同的業(yè)務(wù)有不同的存取要求，比如典型的兩大業(yè)務(wù)用戶和訂單漫试，用戶一般來講總量是可控的赏胚，而訂單是不斷地遞增的，對于用戶表首先采取分庫切分商虐，每個(gè)sharding做一主多讀觉阅，同樣對于訂單因更多需求的是用戶查詢自己的訂單，也需要按照用戶進(jìn)行切分訂單庫秘车，并且支持一主多讀典勇。

在硬件存儲方面，對于事務(wù)日志因是順序?qū)懀W存的優(yōu)勢比硬盤高不了多少，所以采取電池保護(hù)的寫緩存的raid卡存儲硬鞍；對于數(shù)據(jù)文件梦碗，無論是對用戶或者訂單都會(huì)存在大量的隨機(jī)讀寫操作照雁，當(dāng)然加大內(nèi)存是一個(gè)方面聘裁，另外可以采用高速的IO設(shè)備閃存担锤，比如PCIe卡 fusion-io被丧。使用閃存也適合在單線程的負(fù)載中乱顾，比如主從復(fù)制板祝，可以對從節(jié)點(diǎn)配置fusion-IO卡，降低復(fù)制的延遲走净。

對于訂單業(yè)務(wù)來講券时，量是不斷遞增的，PCIe卡存儲容量比較有限伏伯，并且訂單業(yè)務(wù)的熱數(shù)據(jù)只有最近一段時(shí)間的(比如近3個(gè)月的)橘洞，對此這里列兩種解決方案，一種是flashcache方式说搅，采用基于閃存和硬盤存儲的開源混合存儲方式炸枣，在閃存中存儲熱點(diǎn)的數(shù)據(jù)。另外一種是可以定期把老的數(shù)據(jù)導(dǎo)出到分布式數(shù)據(jù)庫HBase中弄唧，用戶在查詢訂單列表是近期的數(shù)據(jù)從mysql中獲取适肠，老的數(shù)據(jù)可以從HBase中查詢，當(dāng)然需要HBase良好的rowkey設(shè)計(jì)以適應(yīng)查詢需求套才。

3) 分布式數(shù)據(jù)庫

對于數(shù)據(jù)的高并發(fā)的訪問迂猴，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫提供讀寫分離的方案，但是帶來的確實(shí)數(shù)據(jù)的一致性問題提供的數(shù)據(jù)切分的方案背伴；對于越來越多的海量數(shù)據(jù)沸毁，傳統(tǒng)的數(shù)據(jù)庫采用的是分庫分表，實(shí)現(xiàn)起來比較復(fù)雜傻寂，后期要不斷的進(jìn)行遷移維護(hù)息尺；對于高可用和伸縮方面，傳統(tǒng)數(shù)據(jù)采用的是主備疾掰、主從搂誉、多主的方案，但是本身擴(kuò)展性比較差静檬，增加節(jié)點(diǎn)和宕機(jī)需要進(jìn)行數(shù)據(jù)的遷移炭懊。對于以上提出的這些問題，分布式數(shù)據(jù)庫HBase有一套完善的解決方案拂檩，適用于高并發(fā)海量數(shù)據(jù)存取的要求侮腹。

? HBase

基于列式的高效存儲降低IO

通常的查詢不需要一行的全部字段，大多數(shù)只需要幾個(gè)字段

對與面向行的存儲系統(tǒng)稻励，每次查詢都會(huì)全部數(shù)據(jù)取出父阻，然后再從中選出需要的字段

面向列的存儲系統(tǒng)可以單獨(dú)查詢某一列，從而大大降低IO

提高壓縮效率

同列數(shù)據(jù)具有很高的相似性，會(huì)增加壓縮效率

Hbase的很多特性加矛，都是由列存儲決定的

強(qiáng)一致的數(shù)據(jù)訪問

MVCC

HBase的一致性數(shù)據(jù)訪問是通過MVCC來實(shí)現(xiàn)的履婉。

HBase在寫數(shù)據(jù)的過程中，需要經(jīng)過好幾個(gè)階段斟览，寫HLog毁腿，寫memstore，更新MVCC;

只有更新了MVCC趣惠，才算真正memstore寫成功狸棍，其中事務(wù)的隔離需要有mvcc的來控制身害，比如讀數(shù)據(jù)不可以獲取別的線程還未提交的數(shù)據(jù)味悄。

高可靠

HBase的數(shù)據(jù)存儲基于HDFS，提供了冗余機(jī)制塌鸯。

Region節(jié)點(diǎn)的宕機(jī)侍瑟，對于內(nèi)存中的數(shù)據(jù)還未flush到文件中，提供了可靠的恢復(fù)機(jī)制丙猬。

可伸縮涨颜，自動(dòng)切分，遷移

通過Zookeeper定位目標(biāo)Region Server茧球，最后定位Region庭瑰。

Region Server擴(kuò)容，通過將自身發(fā)布到Master抢埋，Master均勻分布弹灭。

可用性

存在單點(diǎn)故障，Region Server宕機(jī)后揪垄，短時(shí)間內(nèi)該server維護(hù)的region無法訪問穷吮，等待failover生效。

通過Master維護(hù)各Region Server健康狀況和Region分布饥努。

多個(gè)Master捡鱼，Master宕機(jī)有zookeeper的paxos投票機(jī)制選取下一任Master。Master就算全宕機(jī)酷愧，也不影響Region讀寫驾诈。Master僅充當(dāng)一個(gè)自動(dòng)運(yùn)維角色。

HDFS為分布式存儲引擎溶浴，一備三乍迄，高可靠，0數(shù)據(jù)丟失戳葵。

HDFS的namenode是一個(gè)SPOF就乓。

為避免單個(gè)region訪問過于頻繁，單機(jī)壓力過大，提供了split機(jī)制

HBase的寫入是LSM-TREE的架構(gòu)方式生蚁，隨著數(shù)據(jù)的append噩翠，HFile越來越多，HBase提供了HFile文件進(jìn)行compact邦投，對過期數(shù)據(jù)進(jìn)行清除伤锚，提高查詢的性能。

Schema free

HBase沒有像關(guān)系型數(shù)據(jù)庫那樣的嚴(yán)格的schema志衣，可以自由的增加和刪除schema中的字段屯援。

HBase分布式數(shù)據(jù)庫，對于二級索引支持的不太好念脯，目前只支持在rowkey上的索引狞洋，所以rowkey的設(shè)計(jì)對于查詢的性能來講非常關(guān)鍵。

7. 管理與部署配置

統(tǒng)一的配置庫

部署平臺

8. 監(jiān)控绿店、統(tǒng)計(jì)

大型分布式系統(tǒng)涉及各種設(shè)備吉懊，比如網(wǎng)絡(luò)交換機(jī)，普通PC機(jī)假勿，各種型號的網(wǎng)卡借嗽，硬盤，內(nèi)存等等转培，還有應(yīng)用業(yè)務(wù)層次的監(jiān)控恶导，數(shù)量非常多的時(shí)候，出現(xiàn)錯(cuò)誤的概率也會(huì)變大浸须，并且有些監(jiān)控的時(shí)效性要求比較高惨寿，有些達(dá)到秒級別；在大量的數(shù)據(jù)流中需要過濾異常的數(shù)據(jù)羽戒，有時(shí)候也對數(shù)據(jù)會(huì)進(jìn)行上下文相關(guān)的復(fù)雜計(jì)算缤沦，進(jìn)而決定是否需要告警。因此監(jiān)控平臺的性能易稠、吞吐量缸废、已經(jīng)可用性就比較重要，需要規(guī)劃統(tǒng)一的一體化的監(jiān)控平臺對系統(tǒng)進(jìn)行各個(gè)層次的監(jiān)控驶社。

平臺的數(shù)據(jù)分類

應(yīng)用業(yè)務(wù)級別：應(yīng)用事件企量、業(yè)務(wù)日志、審計(jì)日志亡电、請求日志届巩、異常、請求業(yè)務(wù)metrics份乒、性能度量

系統(tǒng)級別：CPU恕汇、內(nèi)存腕唧、網(wǎng)絡(luò)、IO

時(shí)效性要求

閥值瘾英，告警：

實(shí)時(shí)計(jì)算：

近實(shí)時(shí)分鐘計(jì)算

按小時(shí)枣接、天的離線分析

實(shí)時(shí)查詢

架構(gòu)

節(jié)點(diǎn)中Agent代理可以接收日志、應(yīng)用的事件以及通過探針的方式采集數(shù)據(jù)缺谴，agent采集數(shù)據(jù)的一個(gè)原則是和業(yè)務(wù)應(yīng)用的流程是異步隔離的但惶，不影響交易流程。

數(shù)據(jù)統(tǒng)一通過collector集群進(jìn)行收集湿蛔，按照數(shù)據(jù)的不同類型分發(fā)到不同的計(jì)算集群進(jìn)行處理膀曾；有些數(shù)據(jù)時(shí)效性不是那么高，比如按小時(shí)進(jìn)行統(tǒng)計(jì)阳啥，放入hadoop集群添谊；有些數(shù)據(jù)是請求流轉(zhuǎn)的跟蹤數(shù)據(jù)，需要可以查詢的苫纤，那么就可以放入solr集群進(jìn)行索引碉钠；有些數(shù)據(jù)需要進(jìn)行實(shí)時(shí)計(jì)算的進(jìn)而告警的纲缓，需要放到storm集群中進(jìn)行處理卷拘。

數(shù)據(jù)經(jīng)過計(jì)算集群處理后，結(jié)果存儲到Mysql或者HBase中祝高。

監(jiān)控的web應(yīng)用可以把監(jiān)控的實(shí)時(shí)結(jié)果推送到瀏覽器中栗弟，也可以提供API供結(jié)果的展現(xiàn)和搜索。