预备知识----技术架构演进之路

单机架构

简介：应用服务和数据库服务共用一台服务器。
出现原因：出现在互联网早期，访问量较小，单机足以满足需求。
架构工作原理：通过应用（划分了多个模块）和数据库在单个服务器上写作完成业务运行。
优点：部署简单，成本低。
缺点：存在严重的性能瓶颈，数据库和应用互相竞争资源。

通过 DNS 将域名转换为 IP。
通过 IP 找到对应的服务器。
通过绑定的端口号找到具体的应用服务。
通过查找数据库得到具体信息。
将数据库中数据返回给应用服务。
应用服务将信息返回给浏览器。

应用数据分离架构

简介：应用服务和数据库服务使用不同的服务器。
出现原因：单机存在严重的资源竞争，导致站点变慢。
架构工作原理：应用（划分了多个模块）和数据库在各自的服务器上通过网络协作完成业务运行。
优点：成本相对可控；性能比单机有提升；数据库单独隔离，不会因为应用把数据库搞坏，有一定的容灾能力。
缺点：硬件成本变高；性能有瓶颈，无法应对海量并发。

浏览器通过 DNS 把域名转为应用服务器的 IP。
通过 IP 和 port 访问应用服务。
应用服务访问数据库服务器。
数据库服务器把数据返回给应用服务。
应用服务将信息返回给浏览器。

应用服务集群架构

简介：引入了负载均衡，应用以集群的方式运作。
出现原因：单个应用不足以支持海量的并发需求，高并发的时候站点响应变慢。
架构工作原理：应用不再是一个，而是变成了多个。通过负载均衡来支持海量的并发。
优点：应用服务高可用，应用满足高可用，不会一个服务出现问题，整个站点都挂掉的情况；应用服务具备一定高性能，如果不访问数据库，应用相关处理通过扩展可以支持海量请求快速响应；应用服务有一定扩展能力，支持横向扩展。
缺点：数据库成为性能瓶颈，无法应对数据库的海量查询；数据库是单点，没有高可用；运维工作增多，扩展后部署运维工作增多，需要开发对应的工具应对快速部署；硬件成本较高。

垂直扩展/纵向扩展 Scale Up：通过购买性能更优、价格更高的应用服务器来应对更多的流量。这种方案的优势在于完全不需要对系统软件做任何调整；但劣势也很明显，硬件性能和价格的增长关系是非线性的，意味着选择性能 2 倍的硬件可能需要花费超过 4 倍的价格，其次硬件性能提升是有明显上限的。
水平扩展/横向扩展 Scale Out：通过调整软件架构，增加应用层硬件，将用户流量分担到不同的应用层服务器上，来提升系统的承载能力。这种方案的优势在于成本相对较低，并且提升的上线空间也很大。但劣势是带给系统更多的复杂性，需要技术团队有更丰富的经验。

经过团队的学习、调研和讨论，最终选择了水平扩展的方案，来解决问题，但这需要引入一个新的组件----负载均衡：为了解决用户流量向哪台应用服务器分发的问题，需要一个专门的系统组件做流量分发。实际中负载均衡不仅仅指的是工作在应用层的，甚至可能是其他的网络层之中。同时流量调度算法也有很多种。

常见的流量调度算法：

Round-Robin 轮询算法：即非常公平地将请求依次分给不同的应用服务器。
Weight-Round-Robin 轮询算法：为不同的服务器（比如性能不同）富裕不同的权重（weight），能者多劳。
一致哈希散列算法：通过计算用户的特征值（比如 IP 地址）得到哈希值，根据哈希结果做分发，优点是确保来自相同用户的请求总是被分给指定的服务器。

负载均衡软件：Nginx、HAProxy、LVS、F5 等。

读写分离/主从分离架构

简介：将数据库读写操作分散到不同的节点上，数据库服务器搭建主从集群，一主一从、一主多从都可以，数据库主机负责写操作，从机只负责读操作。
出现原因：数据库成为瓶颈，而互联网应用一般读多写少，数据库承载压力大，主要是由这些读的请求造成的，所以把读写操作分开。
架构工作原理：数据库服务器不再是一个，而是变成了多个。数据库主机负责写操作，从机负责读操作，数据库主机通过复制将数据同步到从机。
优点：数据库的读取性能提升；读取被其他服务器分担，写的性能间接提升；数据库有从库，数据库的可用性提高了。
缺点：热点数据的频繁读取导致数据库负载很高；当同步挂掉，或者同步延迟比较大时，写库和读库的数据不一致；服务器成本需要进一步增加。

在应用服务集群架构中，把用户的请求通过负载均衡分发到不同的应用服务器之后，可以并行处理了，并且随着业务的增长，可以动态扩张服务器的数量来缓解压力。

但是无论扩张多少台服务器，这些请求最终都会从数据库读写数据，到一定程度之后，数据库的压力就成了系统承载能力的新瓶颈。

能否像扩展应用服务器一样扩展数据库服务器？否。

因为数据库服务有其特殊性：如果将数据分散到各台服务器之后，数据的一致性无法得到保障。

所谓数据的一致性：针对同一个系统，无论何时何地，都应该看到一个始终维持统一的数据。

解决办法：保留一个主要的数据库作为写入数据库，其他的数据库作为从属数据库。从库的所有数据全部来自主库的数据，经过同步后，从库可以维护着和主库一致的数据。

为了分担数据库的压力，可以将写数据请求全部交给主库处理，但读请求分散到各个从库中。当然这个过程也是有代价的，主库到从库的数据同步其实是有时间成本的。

应用中需要对读写请求做分离处理，可以利用一些数据库中间件，将请求分离的职责托管出去。比如 MyCat、TDDL、Amoeba、Cobar等。

冷热分离架构

简介：引入缓存，实行冷热分离，将热点数据放到缓存中快速响应。
出现原因：海量的请求导致数据库负载过高，站点响应再度变慢。
架构工作原理：对于热点数据全部放在缓存中，不常用的数据再去查询数据库。
优点：大幅降低对数据库的访问请求，性能提升非常明显。
缺点：带来了缓存一致性，缓存击穿、缓存失败、缓存雪崩等问题；服务器成本进一步增加；业务体量支持变大后，数据不断增加，数据库单库太大，单个表体量也太大，数据查询会很慢，导致数据库再度成为系统瓶颈。

随着访问量继续增加，发现业务中一些数据的读取频率远大于其他数据的读取频率，把这部分数据称为热点数据，与之相对的是冷数据。

针对热数据，为了提升其读取的响应时间，可以增加本地缓存，并在外部增加分布式缓存，缓存热门信息的 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，大大降低数据库压力。

其中涉及的技术包括：使用 memcached 作为本地缓存，使用 Redis 作为分布式缓存，还会涉及缓存一致性、缓存穿透/击穿、缓存雪崩、热点数据集中失效等问题。

垂直分库架构

简介：数据库的数据被拆分，数据库数据分布式存储，分布式处理，分布式查询，也可以理解为分布式数据库架构。
出现原因：单机的写库会逐渐达到性能瓶颈，需要拆分数据库；数据库的数据量太大，处理压力太大，需要进行分表；为降低运维难度，业界逐渐研发了分布式数据库，库表天然支持分布式。
架构工作原理：数据库由多个主从库或者存储集群构成，支持分布式大规模并行处理。
优点：数据库吞吐量大幅提升，不再是瓶颈。
缺点：跨库 join、分布式事务等问题，这些需要对应的解决，目前的 mpp 都有对应的解决方案；数据库和缓存结合目前能够抗住海量的请求，但应用的代码整体耦合在一起，修改一行代码需要整体重新分布。

随着业务的数据量增大，大量的数据存储在同一个库中显得有些力不从心。所以可以按照业务，将数据分别存储。只要实时操作的表数据量足够小，请求能够足够均匀地分发到多态服务器上的小表，数据库就能通过水平扩展的方式来提高性能。

这种做法显著增加了数据库运维难度，对 DBA 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。但这只是一个逻辑的数据库整体，数据库里不同的组成部分有不同的单机数据库实现。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有数据库接口层来实现等。这种架构其实是 MPP（大规模并行处理）架构的一类实现。

微服务架构

简介：微服务是一种架构风格，按照业务板块来划分应用代码，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。
出现原因：扩展性差，应用程序无法轻松扩展，因为每次需要更新应用程序时，都必须重新构建整个系统；持续开发困难，一个很小的代码改动，也需要重新部署整个应用，无法频繁并轻松地发布版本；不可靠，即使系统的一个功能不起作用，可能导致整个系统无法工作；不灵活，无法使用不同的技术构建单体应用程序；代码维护难，所有功能耦合在一起，新人不知道从何下手。
架构工作原理：一个应用拆分成多个微服务，相互之间协作支持整个应用。
优点：灵活性高，服务独立测试、部署、升级、发布；独立扩展，每个服务可以各自进行扩展；提高容错性，一个服务问题并不会让整个系统瘫痪；新技术的应用容易，支持多种编程语言。
缺点：运维复杂度高，业务不断发展，应用和服务器都会不断变多，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问题，此外，对于需要动态扩缩容的场景，需要水平扩展服务的性能，就需要在新增的服务上准备运行环境，部署服务等，运维变得十分困难；资源使用变多，所有独立运行的微服务都需要占用内存和 CPU；处理故障困难，一个请求跨多个服务调用，需要查看不同服务的日志完成问题定位。

随着人员增加，业务发展，将业务分给不同的开发团队维护，每个团队实现自己的微服务，然后互相之间对数据的直接访问进行隔离，可以利用 Gateway、消息总线等技术，实现相互之间的调用关联。甚至可以把一些类似用户管理等业务提成公共服务。

容器编排架构

简介：借助容器技术（如 docker）将应用/服务打包成镜像，通过容器编排工具（如 k8s）来动态分发和部署镜像，服务以容器化方式运行。
出现原因：微服务拆分细，服务多部署工作量大，而且配置复杂，容易出错；微服务数量多扩缩容麻烦，而且容易出错，每次缩容后再扩容有需要重新配置服务对应的环境参数信息；微服务之间运行环境可能冲突，需要更多的资源来进行部署或者通过修改配置来解决冲突。
架构工作原理：一个应用拆分成多个微服务，每个微服务打包到容器中，相互协作来完成系统功能，通过容器编排工具完成部署运维。
优点：部署、运维简单快捷，一条命令就可以完成几百个服务的部署或者扩缩容；隔离性好，容器与容器之间文件系统、网络等互相隔离，不会产生环境冲突；轻松支持滚动更新，版本间切换都可以通过一个命令完成升级或回滚。
缺点：技术栈变多，对研发团队要求高；机器还是需要公司自身管理，在大多非高并发场景下，还是需要闲置大量的机器资源来应发突然的高并发，机器自身成本和运维成本都很高，资源利用率低，可以通过购买云厂商服务器解决。

随着业务增长，发现系统的资源利用率不高，很多资源用来应对短时高并发，平时又闲置，需要动态扩缩容，没有办法直接下线服务器，而且开发、测试、生产每套环境都要隔离的环境，运维工作量很大。

容器化技术的出现给这些问题带来了新的解决思路。目前最流行的容器化技术是 Docker，最流行的容器管理服务式 Kubermetes（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 镜像可理解为一个能运行应用/服务的最小的操作系统，里面放着应用/服务的运行代码，运行环境根据实际的需要设置好。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关服务的机器上，直接启动 Docker 镜像就可以把服务起来，使服务的部署和运维变得简单。

服务通常会有生产和研发 K8S 集群，一般不会公用，研发集群通过命名空间来完成应用隔离，有的公司按照研发目的划分为研发和测试集群，有的公司通过组织架构完成部门间的资源复用。