首先，当一个项目刚起步的时候，不能预知后续的访问量和并发能达到多少，在初步开发的架构选型中，采用前后端分离的架构。关于前后端分离架构，其优势如下：

前后端分离架构

TODO

服务器端关于不同并发量的演进之路

1. 单体架构

当一个项目在初期起始阶段，应用数量与用户数量都比较少，此时的应用服务器（如Tomcat）和数据库服务器部署在同一台服务器上，以淘宝为例：浏览器往www.taobao.com发起请求时，首先经果DNS服务器（域名解析系统）把域名转换成实际IP地址10.102.4.1，浏览器转而访问该IP对应的
Tomcat。

但是随着用户数量的增加，Tomcat和数据库之间竞争资源，单机性能不足以支撑业务。

2. 第一次演进：应用服务器和数据库服务器分开部署

Tomcat和数据库分别独占服务器资源，通过增加服务器分担应用的方式，显著的提高了两者各自的性能。

但是随着用户数量的增长，并发读写数据库成为了性能的瓶颈。

3. 第二次演进：引入本地缓存和分部署缓存

在Tomcat同服务器或者同JVM、中增加本地缓存，并在外部增加分布式缓存，缓存热点数据的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，大大降低数据库的压力。

缓存虽然抗住了大部分的访问请求，但是随着用户数量的增长，并发的压力还是主要落在了单机的Tomcat上，响应逐渐变慢。

4. 第三次演进：引入反向代理和负载均衡

在多台服务器上分别部署Tomcat，使用反向代理软件（Nginx）把请求均匀分发到每个Tomcat中。

虽然反向代理使用服务器可以支持的并发量大大增加，但是并发量的增加也意味着更多请求穿透到数据库，单机的数据库最终会成为性能瓶颈。

5. 第四次演进：数据库读写分离

把数据库划分为读库和写库，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的场景，可以在缓存中多写一份，通过缓存获得最新数据。

但是随着业务逐渐变多，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资源，相互影响性能。

6. 第五次演进：[分库] 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降低。对于访问量大的业务，可以部署更多的服务器来支撑。

但是随着用户数量的增长，单机的写库会逐渐达到性能瓶颈。

7. 第六次演进：[分表] 把大表拆分成小表

比如针对评论数据，可以按照商品的ID进行Hash，路由到对应的表中存储；针对支付记录，可以按照支付的小时创建表，每个小时表继续拆分为小表，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，请求能够足够均匀地分发到多台服务器上的小表，那数据库就能通过水平扩展的方式来提升性能。

虽然数据库和Tomcat、都能够水平扩展，可以支撑的并发量大幅提升，但是随着用户量的增长，最终单机的Nginx会成为性能上的瓶颈。

8. 第七次演进：使多个Nginx负载均衡

由于性能瓶颈在Nginx，因此无法通过两层的Nginx来实现多个Nginx的负载均衡。LVS和F5是工作在网络第四层的负载均衡解决方案，其中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是一种负载均衡硬件，与LVS提供的能力类似，性能比LVS更高，但价格昂贵。由于LVS是单机版的软件，若LVS所在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。

由于LVS也是单机的，随着并发数量增长到几十万时，LVS服务器最终会达到性能瓶颈，此时用户数量达到千万甚至上亿级别，用户分布在不同的地区，与服务器机房距离不同，导致了访问的延迟会明显不同。

9. 第八次演进：通过DNS轮询实现机房之间的负载均衡

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服务器会使用轮询策略或其他策略，来选择某个IP供用户访问。此方式能实现机房间的负载均衡，至此，系统可做到机房级别的水平扩展，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问题。

但是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。

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一定规模的时候，数据库就不适用于复杂查询了，往往只能满足普通查询的场景。对于统计报表的场景，在数据量大时不一定能跑出结果，而且在跑复杂查询时会导致其他查询变慢。

引入更多组件解决了丰富的需求，业务维度能够极大扩充，但随之而来的是一个应用包含了太多的业务代码，业务的升级迭代变得困难。

11. 第十次演进：大应用拆分为小应用

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。

但是不同的应用之间可能存在共用的模块，由应用单独管理会导致相同的代码存在多份，导致公共功能在升级时全部应用代码要跟着升级。

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、支付、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。

但是由于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。此外，应用访问服务，服务之间也可能互相访问，调用链将会变得非常复杂，逻辑变得混乱。

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异

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来互相调用，以此降低系统的耦合程度。这种单个应用拆分为多个应用，公共服务单独抽出来管理，并使用企业总线来解除服务之间耦合问题的架构，就是所谓的SOA（面向服务）架构。

但是随着业务不断发展，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问题。此外，对于如大促这类需要动态扩缩容的场景，需要水平扩展服务的场景，就需要在新增的服务器上准备运行环境，部署服务等，运维将变得十分困难。

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

目前最流行的容器化技术是Docker，最流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镜像可理解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起来，使服务的部署和运维变得简单。

15. 第十四次演进：以云平台承载系统

TODO