更多内容关注微信公众号：fullstack888

常见的几种系统架构设计，接下来讲后面三个：

1、单库单应用架构：最简单的，可能大家都见过

2、内容分发架构：目前用的比较多

3、读写分离架构：对于大并发的查询、业务

4、微服务架构：适用于复杂的业务模式的拆解

5、多级缓存架构：可以把缓存玩的很好

6、分库分表架构：解决单体数据库瓶颈

四、微服务架构

上面的模式看似不错，解决了性能问题，我可以不用鲁肃街头了、老婆还是我的，哈哈，但是软件系统天生的复杂性决定了，除了性能，还有其他诸如高可用、健壮性等大量问题等待我们去解决，在加上各个部门的撕逼、扯皮，更让我们码农雪上加霜，所以，继续吧……

微服务模式可以说是最近的热点，花花绿绿、大大小小、国内国外的公司都在鼓吹，实践这个模式，可是大部分都没有弄清为什么要这么做，也并不知道这么做有什么好处、坏处，在这里，我将以我自己的亲身实践说一下我对这个模式的看法，不喜勿喷，随着业务与人员的增加，遇到的问题如下：

1、单体数据库写请求量大量增加，导致数据库压力变大

2、数据库一旦挂了，那么整个业务都挂了

3、业务代码越来越多，都在一个GIT里，越来越难以维护

4、代码腐化严重，臭味越来越浓

5、上线越来越频繁，经常是一个小功能的修改，就要整个大项目重新编译

6、部门越来越多，该哪个部门改动大项目中的哪个东西，撕逼的厉害

7、其他一些外围系统直接连数据库，导致一旦数据库结构发生变化，所有的相关系统都要通知，甚至对修改不敏感的系统也要通知

8、每个应用服务器需要开通所有权限、网络、FTP、各种各样的，因为每个服务器部署的应用都是一样的。

9、作为架构师，我已经失去了对这个系统的把控……

为了解决上述问题，我司使用了微服务模式，这种模式的一般设计如下图：

如上图所示，我把业务分块，做了垂直切分，切成一个个独立的系统，每个系统各自衍化，有自己的库、缓存、ES等辅助系统，系统之间的实时交互通过RPC，异步交互通过MQ，通过这种组合，共同完成整个系统功能。

那么，这么做是否真的能解决上述问题了呢？不玩虚的，一个一个来说。

对于问题一，由于拆分成多个子系统，系统的压力被分散了，而各个子系统都有自己的数据库实例，所以数据库的压力变小。

对于问题二，一个子系统A的数据库挂了，只是影响到系统A和使用系统A的那些功能，不会所有的功能不可用，从而解决一个数据库挂了，导致所有的功能都不可用的情况。

对于问题三、四，也因为拆分得到了解决，各个子系统都有自己独立的GIT代码库，不会相互影响。通用的模块可通过库、服务、平台的形式解决。

对于问题五，子系统A发生改变，需要上线，那么我们只需要编译A，然后上线就可以了，不需要其他系统做通向的事情。

对于问题六，顺应了康威定律，我部门该干什么事，输出什么，也通过服务的形式暴露出来，我部门只管把我部的职责、软件功能做好就可以。

对于问题七，所有需要我部数据的需求，都通过接口的形式发不出去，客户通过接口获取数据，从而屏蔽了底层数据库结构，甚至数据来源，我部只需保证我部的接口契约没有发生变化即可，新的需求增加新的接口，不会影响老的接口。

对于问题八，不同的子系统需要不同的权限，这个问题也优雅的解决了。

对于问题九，暂时控制住复杂性，我只需要控制好大方面，定义好系统边界、接口、大的流程，然后再分而治之、逐个击破、合纵连横。

目前来说，所有问题得到解决！bingo！

但是，还有许多其他的副作用会随之产生，如RPC、MQ的超高稳定性、超高性能，网络延迟，数据一致性等问题，这个就不展开来讲了，太多了，一本书都讲不完。

另外，对于这个模式来说，最难把握的是度，切记不要切分过细，我见过一个功能一个子系统，上百个方法分成上百个子系统的，真的是太过度了。实践中，一个比较可行的方法是：能不分就不分，除非有非常必要的理由！

优点：相对高性能，可扩展性强，高可用，适用于中等以上规模公司架构。

缺点：复杂度不好把握。指不仅需要一个能在高层把控大方向、大流程、总体技术的人，还需要能够针对各个子系统有针对性的开发。把握不好度或者滥用的话，这个模式适得其反！

五、多级缓存架构

这个模式可以说是应对超高查询压力的一种普遍采用的策略，基本的思想就是在所有链路的地方，能加缓存的就加缓存，如下图所示：

如上图所示，一般在三个地方加入缓存，一个是客户端处，一个是API网关处，一个是具体的后端业务处，下面分别介绍：

客户端处缓存：这个地方加缓存可以说是效果最好的一个——无延迟。因为不用经过长长的网络链条去后端业务处获取数据，从而导致加载时间过长，客户流失等损失，虽然有CDN的支持，但是从客户端到CDN还是有网络延迟的，虽然不大，具体的技术依据不同的客户端而定，对于WEB来讲，有浏览器本地缓存、Cookie、Storage、缓存策略等技术；对于APP来讲，有本地数据库，本地文件，本地内存，进程内缓存支持，以上提到的各种技术有兴趣的同学可以继续展开学习，如果客户端缓存没有命中，那么会去后端业务拿数据，一般来讲，就会有个API网关，在这里加缓存也是非常重要的。

后端业务处理：这个我就不用多说了，大家应该差不多都知道，什么Redis、Memcache、Jvm等等，不赘述了。

实践中，要结合具体的实际情况，综合利用各级缓存技术，使得各种请求最大程度的在到达后端业务之前就被解决掉，从而减少后端服务器压力、减少占用带宽、增强用户体验。至于是否只有这三个地方加缓存，我觉得要活学活用，心法比剑法重要！总结一下这个模式的优缺点：

优点：抗住大量读请求，减少后端压力。

缺点：数据一致性问题较为突出，容易发生雪崩，即：如果客户端缓存失效、API网关缓存失效，那么所有的大量请求瞬间压向后端业务系统，后果可想而知。

六、分库分表架构

这种模式主要解决单表写入、读取 、存储压力过大，从而导致业务缓慢甚至超时，交易失败，容量不够的问题。一般有水平切分和垂直切分两种，这里主要介绍水平切分。这个模式也是技术架构迭代演进的必经之路。

这种模式的一般设计见下图：

如上图所示红色部分，把一张表分到了几个不同的库中，从而分担压力。是不是很笼统？哈哈，那我们接下来就详细的讲解一下，首先澄清几个概念，如下：

主机：硬件，指一台物理机，或虚拟机，有自己的CPU，内存，硬盘等。

实例：数据库实例，如一个MySql服务进程，一个主机可以有多个实例，不同的实例有不同的进程，监听不同的端口。

库：指表的集合，如学校库，可能包含教师表、学生表、食堂表等等，这些表在一个库中。一个实例中可以有多个库，库与库之间用库名来区分。

表：库中的表，不必多说，不懂的就不用往下看了，不解释。

那么怎么把单表分散呢？到底怎么个分发呢？分发到哪里呢？以下是几个工作中的实践，分享一下：

主机：这是最主要的也是最重要的点，本质上分库分表是因为计算与存储资源不够导致的，而这种资源主要由物理机，主机提供的，毕竟没有可用的计算资源，怎么分效果都不是太好。

- END -

推荐阅读：

六种常见系统架构 - 基础篇

梳理消息队列 MQ/JMS/Kafka

如何打造一个TB级微服务海量日志监控平台

关于架构:应用架构之道分离业务逻辑和技术细节

2021 美国硅谷程序员调查：平均年薪 80 万，后端人才“吃香”

Nginx 可视化管理和监控神器

Apache Kafka 3.0 发布，离彻底去掉 ZooKeeper 更进一步

Flink 在伴鱼的实践：如何保障数据的准确性

快手公司厕所装坑位计时器，网友：再也不能带薪拉屎了！

Redis为什么变慢了？常见延迟问题定位与分析

关注:fullstack888

学习架构知识

互联网后端架构