可靠、可扩展与可维护性

现在有很多都属于数据密集型，而不是计算密集型。对于这些类型应用，CPU的处理能力往往不是第一限制性因素，关键在于数据量、数据的复杂度及数据的快速多边形。
数据密集型应用模块：

• 数据库：存储数据，支持二次访问。
• 高速缓存：缓存复杂或操作代价昂贵的结果，加速下次访问。
• 索引：按关键字搜索数据并支持各种过滤。
• 流式处理：持续发送消息到另一个进程，处理采用异步方式。
• 批处理：定期处理大量的累计数据。
  我们常见的数据库、队列、高速缓存，这些统称为“数据系统”
  下面是一个常见的系统架构：

但是现实当中程序跑起来，并不是理想态的，会出现各种问题。例如：系统内出现局部失效，如何保证数据的正确性与完整性？发生降级该如何为客户提供一致的服务？负载增加，系统如何扩展？基于这些我们引入下面三个系统特性：

• 可靠性（Reliability）
  当出现意外（硬件、软件故障、人为失误等），系统应可以正常工作；性能可能降低，但确保功能正常。
• 可扩展性（Scalability）
  随着数据规模的增长，例如数据量、流量或复杂性，系统应以合理方式匹配这种增长
• 可维护性（Maintainability）
  随着时间推移，新人加入系统开发和运维，系统都应搞笑运转。

可靠性

对于软件，典型的期望包括：

• 应用程序执行用户期望的功能。
• 可以容忍用户出现错误或不正确的使用方法。
• 性能可以应对典型的场景、合理负载压力和数据量。
• 系统可防止任何未经授权的访问和滥用。

可扩展性

• 描述负载
  首先看Twitter典型业务操作：
  （1）发布tweet消息：用户可以推送消息到所有关注者，平均大约4.6k request/sec，峰值约12k request/sec。
  （2）主页时间线浏览：平均300k request/sec 查看关注对象的最新消息