大型项目架构演进过程及思考的点

阳光穿透心脏的1/2处 2022-05-31 04:24 190阅读 0赞

在架构演进的过程中，小到核心模块代码，大到核心架构都是不断演进的，这个过程值得我们去思考

## 高大上的淘宝架构 ##

我们以淘宝架构为例，了解下大型的电商项目的服务端的架构是怎样，如图所示

![图片描述][b9871eb021c0c401a9762d94104dcdaa]

图片描述

上面是一些安全体系系统，如数据安全体系、应用安全体系、前端安全体系等。  
中间是业务运营服务系统，如会员服务、商品服务、店铺服务、交易服务等。  
还有共享业务，如分布式数据层、数据分析服务、配置服务、数据搜索服务等。  
最下面呢，是中间件服务，如MQS即队列服务，OCS即缓存服务等。

图中也有一些看不到，例如高可用的一个体现，实现双机房容灾和异地机房单元化部署，为淘宝业务提供稳定、高效和易于维护的基础架构支撑。

这是一个含金量非常高的架构，也是一个非常复杂而庞大的架构。当然这个也不是一天两天演进成这样的，也不是一上来就设计并开发成这样高大上的架构的。

这边就要说一下，小型公司要怎么做呢？对很多创业公司而言，很难在初期就预估到流量十倍、百倍以及千倍以后网站架构会是什么样的一个状况。同时，如果系统初期就设计一个千万级并发的流量架构，很难有公司可以支撑这个成本。

因此，一个大型服务系统都是从小一步一步走过来的，在每个阶段，找到对应该阶段网站架构所面临的问题，然后在不断解决这些问题，在这个过程中整个架构会一直演进。  
那我们来一起看一下。

单服务器-俗称all in one

![图片描述][58ab7a4839ad0cd72c33283bdab766b2]

图片描述

从一个小网站说起。一台服务器也就足够了。文件服务器，数据库，还有应用都部署在一台机器，俗称ALL IN ONE

随着我们用户越来越多，访问越来越大，硬盘，CPU，内存等都开始吃紧。一台服务器已经满足不了。这个时候看一下下一步演进。

数据服务与应用服务分离

![图片描述][fdd0bb0352527d5d4d92ba1277afccc1]

图片描述

我们将数据服务和应用服务分离，给应用服务器配置更好的 CPU，内存。而给数据服务器配置更好更大的硬盘。

分离之后提高一定的可用性，例如Files Server挂了，我们还是可以操作应用和数据库等。  
随着访问qps越来越高，降低接口访问时间，提高服务性能和并发，成为了我们下一个目标，发现有很多业务数据不需要每次都从数据库获取。

使用缓存，包括本地缓存，远程缓存，远程分布式缓存

![图片描述][0fef5730d56460534018563605424bbe]

图片描述

因为 80% 的业务访问都集中在 20% 的数据上，也就是我们经常说的28法则。如果我们能将这部分数据缓存下来，性能一下子就上来了。而缓存又分为两种：本地缓存和远程缓存缓存，以及远程分布式缓存，我们这里面的远程缓存图上画的是分布式的缓存集群(Cluster)。

思考的点

1.  具有哪种业务特点数据使用缓存？
2.  具有哪种业务特点的数据使用本地缓存？
3.  具有哪种务特点的数据使用远程缓存？
4.  分布式缓存在扩容时候会碰到什么问题？如何解决？分布式缓存的算法都有哪几种？各有什么优缺点？

这个时候随着访问qps的提高，服务器的处理能力会成为瓶颈。虽然是可以通过购买更强大的硬件，但总会有上限，而且这个到后期成本就是指数级增长了，这时，我们就需要服务器的集群。需要使我们的服务器可以横向扩展，这时，就必须加个新东西：负载均衡调度服务器。

使用负载均衡，进行服务器集群

![图片描述][e69521f353acb8b900e85ece3f6894c6]

图片描述

增加了负载均衡，服务器集群之后，我们可以横向扩展服务器，解决了服务器处理能力的瓶颈。

思考的点

1.  负载均衡的调度策略都有哪些？
2.  各有什么优缺点？
3.  各适合什么场景？

打个比方，我们有轮询，权重，地址散列，地址散列又分为原ip地址散列hash，目标ip地址散列hash，最少连接，加权最少连接，还有继续升级的很多种策略......我们一起来分析一下

典型负载均衡策略分析

1.  轮询：优点：实现简单，缺点：不考虑每台服务器处理能力
2.  权重：优点：考虑了服务器处理能力的不同
3.  地址散列：优点：能实现同一个用户访问同一个服务器
4.  最少连接：优点：使集群中各个服务器负载更加均匀
5.  加权最少连接：在最少连接的基础上，为每台服务器加上权值。算法为(活动连接数\*256+非活动连接数)/权重，计算出来的值小的服务器优先被选择。

继续引出问题的场景：

我们的登录的时候登录了A服务器，session信息存储到A服务器上了，假设我们使用的负载均衡策略是ip hash，那么登录信息还可以从A服务器上访问，但是这个有可能造成某些服务器压力过大，某些服务器又没有什么压力，这个时候压力过大的机器(包括网卡带宽)有可能成为瓶颈，并且请求不够分散。

这时候我们使用轮询或者最小连接负载均衡策略，就导致了，第一次访问A服务器，第二次可能访问到B服务器，这个时候存储在A服务器上的session信息在B服务器上读取不到。

Session管理-Session Sticky粘滞会话：

![图片描述][298ce9a67d96e9d9208c387be1d0c69f]

图片描述

打个比方就是如果我们每次吃饭都要保证我们用的是自己的碗筷，而只要我们在一家饭店里存着我们的碗筷，只要我们每次去这家饭店吃饭就好了。

对于同一个连接中的数据包，负载均衡会将其转发至后端固定的服务器进行处理。

解决了我们session共享的问题，但是它有什么缺点呢？

1.  一台服务器运行的服务挂掉，或者重启，上面的 session 都没了
2.  负载均衡器成了有状态的机器，为以后实现容灾造成了羁绊

Session管理-Session 复制

![图片描述][83a3fae398fa60e0cb86ad1ef51da0a4]

图片描述

就像我们在所有的饭店里都存一份自己的碗筷。我们随意去哪一家饭店吃饭都OK，不适合做大规模集群，适合机器不多的情况。

解决了我们session共享的问题，但是它有什么缺点呢？

1.  应用服务器间带宽问题，因为需要不断同步session数据
2.  大量用户在线时，服务器占用内存过多

Session管理-基于Cookie

![图片描述][b6864a464316cdfe7bbb9f27e33661fb]

图片描述

打个比方，就是我们每次去饭店吃饭，都自己带着自己的碗筷。

解决了我们session共享的问题，但是它有什么缺点呢？

1.  cookie 的长度限制
2.  cookie存于浏览器，安全性是一个问题

Session管理-Session 服务器

![图片描述][96057ba3cbb0bdd206de9baab1f4625b]

图片描述

打个比方，就是我们的碗筷都存在了一个庞大的橱柜里，我们去任何一家饭店吃饭，都可以从橱柜中拿到属于我们自己的碗筷。

解决了我们session共享的问题，这种方案需要思考哪些问题呢？

1.  保证 session 服务器的可用性，session服务器单点如何解决？
2.  我们在写应用时需要做调整存储session的业务逻辑

打个比方，我们为了提高session server的可用性，可以继续给session server做集群

中间总结

所以说，网站架构在遇到某些指标瓶颈时，演进的过程中，都有哪些解决方案，他们都有什么优缺点？业务功能上如何取舍？如何做出选择？这个过程才是最重要的。

在解决了横向扩展应用服务器之后，那我们继续~~

继续回到目前架构图

![图片描述][5a4d53daa981b07db910d48c6b8cff5c]

图片描述

数据库的读及写操作都还需要经过数据库。当用户量达到一定量，数据库将会成为瓶颈。那我们如何来解决呢？

数据库读写分离

![图片描述][3c3ec2415f68a46a8548a6b5463bd866]

图片描述

使用数据库提供的热备功能，将所有的读操作引入slave 服务器，因为数据库的读写分离了，所以，我们的应用程序也得做相应的变化。我们实现一个数据访问模块(图中的data access module)使上层写代码的人不知道读写分离的存在。这样多数据源读写分离就对业务代码没有了侵入。这里就引出了代码层次的演变

思考的点

1.  如何支持多数据源？
2.  如何封装对业务没有侵入？
3.  如何使用目前业务的ORM框架完成主从读写分离？是否需要更换ORM模型？ORM模型之间各有什么优缺点？
4.  如何取舍？

数据库读写分离会遇到如下问题：

1.  在master和slave复制的时候，考虑延时问题、数据库的支持、复制条件的支持。
2.  当为了提高可用性，将数据库分机房后，跨机房传输同步数据，这个更是问题。
3.  应用对于数据源的路由问题

使用反向代理和 CDN 加速网站响应

![图片描述][40820449db505aefa472ce5f065f9a70]

图片描述

使用 CDN 可以很好的解决不同的地区的访问速度问题，反向代理则在服务器机房中缓存用户资源。

访问量越来越大，我们文件服务器也出现了瓶颈。

分布式文件系统

![图片描述][401852f4a41c4f5a17c2a55f78a74f40]

图片描述

思考的点

1.  分布式文件系统如何不影响已部署在线上的业务访问？不能让某个图片突然访问不到呀
2.  是否需要业务部门清洗数据？
3.  是否需要重新做域名解析？

这个时候数据库又出现了瓶颈

数据垂直拆分

![图片描述][87d7f026b5c58602b345935c839b1e63]

图片描述

数据库专库专用，如图Products、Users、Deal库。

解决写数据时，并发，量大的问题。

思考的点

1.  跨业务的事务？如何解决？使用分布式事务、去掉事务或不追求强事务
2.  应用的配置项多了
3.  如何跨库进行数据的join操作

这个时候，某个业务的数据表的数据量或者更新量达到了单个数据库的瓶颈

数据水平拆分

![图片描述][b39c8835f38fa3b0501a1593b37442e5]

图片描述

如图，我们把User拆成了User1和User2，将同一个表的数据拆分到两个数据库中，解决了单数据库的瓶颈。

思考的点

1.  水平拆分的策略都有哪些？各有什么优缺点？
2.  水平拆分的时候如何清洗数据？
3.  SQL 的路由问题，需要知道某个 User 在哪个数据库上。
4.  主键的策略会有不同。
5.  假设我们系统中需要查询2017年4月份已经下单过的用户名的明细，而这些用户分布在user1和user2上，我们后台运营系统在展示时如何分页？

这个时候，公司对外部做了流量导入，我们应用中的搜索量飙升，继续演进

拆分搜索引擎

![拆分搜索引擎][6a57b995935ffe6aa58ab076740660a1]

拆分搜索引擎

使用搜索引擎，解决数据查询问题。部分场景可使用 NoSQL 提高性能，开发数据统一访问模块，解决上层应用开发的数据源问题。如图data access module 可以访问数据库，搜索引擎，NoSQL

## 最后总结 ##

这个只是一个举例演示，各个服务的技术架构是需要根据自己业务特点进行优化和演进的，所以大家的过程也不完全相同。

最后的这个也不是完美的，例如负载均衡还是一个单点，也需要集群，我们的这个架构呢也只是冰山一角，沧海一粟。在架构演进的过程中，还要考虑系统的安全性、数据分析、监控、反作弊等等......，同时继续发展呢，SOA架构、服务化、消息队列、任务调度、多机房等等… ...

从刚才对架构演进的讲解，也可以看出来，所有大型项目的架构和代码，都是这么一步一步的根据实际的业务场景，和发展情况发展演变而来的，在不同的阶段，会使用的不同的技术，不同的架构来解决实际的问题，所以说，高大上的项目技术架构和开发设计实现不是一蹴而就的。

正是所谓的万丈高楼平地起。在架构演进的过程中，小到核心模块代码，大到核心架构，都会不断演进的，这个过程值得我们去深入学习和思考。一起加油吧~~

作者： Geely

本文原创发布于慕课网 ，转载请注明出处，谢谢合作！

[b9871eb021c0c401a9762d94104dcdaa]: /images/20220531/8086baacc10a4c0d91194660714cc568.png
[58ab7a4839ad0cd72c33283bdab766b2]: /images/20220531/b88682ade1534e5ab365cd170acf9867.png
[fdd0bb0352527d5d4d92ba1277afccc1]: /images/20220531/db18d860c78946c6bb29ee61b4f293ba.png
[0fef5730d56460534018563605424bbe]: /images/20220531/5a7ab42c400f4db6bf150087859aa761.png
[e69521f353acb8b900e85ece3f6894c6]: /images/20220531/a473ce71b79f44869488d79ab1bc188a.png
[298ce9a67d96e9d9208c387be1d0c69f]: /images/20220531/831e8152294144a3b1834693f23004b6.png
[83a3fae398fa60e0cb86ad1ef51da0a4]: /images/20220531/e81bb101b2514371a8e1f4552c8d0648.png
[b6864a464316cdfe7bbb9f27e33661fb]: /images/20220531/9ce43832128a40bf8e32bc5f27443182.png
[96057ba3cbb0bdd206de9baab1f4625b]: /images/20220531/ab6026d31da74181a1dd48c8b2f9641d.png
[5a4d53daa981b07db910d48c6b8cff5c]: /images/20220531/19f6f0ab0d954c0499101b3768d36df2.png
[3c3ec2415f68a46a8548a6b5463bd866]: /images/20220531/a748f19302b4473fa04a79149d828cff.png
[40820449db505aefa472ce5f065f9a70]: /images/20220531/f4f263fb03f74bd097c18c8ba8004072.png
[401852f4a41c4f5a17c2a55f78a74f40]: /images/20220531/9de1a0e051a44a0a80f182e768db43d5.png
[87d7f026b5c58602b345935c839b1e63]: /images/20220531/62d0d94acc634cfba5686c90ca2303d7.png
[b39c8835f38fa3b0501a1593b37442e5]: /images/20220531/04b98f5cc2c740b2a02c567d65a85fa4.png
[6a57b995935ffe6aa58ab076740660a1]: /images/20220531/d9c2386f6b5f4830b18b078267e7c1c3.png