分布式架构的演进过程 ​

1. 了解分布式架构中的相关概念
2. 初始分布式架构的意义
3. 分布式架构的发展过程和历史
4. 分布式架构的演进过程
5. 构建分布式架构最重要的因素

了解分布式结构中的相关概念 ​

第一个计算机时代 ​

集中式到分布式的发展历史

1946年ENIAC第一台计算机美国，

单台的计算机的性能不断的提升

M级别的内存到现在G级别的内存

图灵，冯诺依曼

图灵：贡献了图灵机的理论模型

冯诺依曼：提出了计算机体系结构的设想

五个部分组成 ​

1. 运算器
2. 控制器
3. 存储器
4. 输入设备
5. 输出设备

第二个计算机时代（大型主机时代） ​

IBM主导的大型主机时代

第三个计算机时代 ​

CISC 面向个人的pc ​

面向个人的pc

RISC 面向企业小型linux的服务器（精简指令集） ​

注重高性能的主机

现在的编程语言越来越完善。

编程语言发展历程： ​

机器语言>>>>汇编语言

常用的指令集制定出一套标准

指令集功能化模块化的出现提升了性能。

指令集在计算机性能提升方面有一个非常大的里程碑。

Inter 出名的处理器8086

处理器加入很多指令去提升计算机的性能。

二八理论 ​

20有用，80很少用

80%的指令集只有在20%的场合里去使用

基于晶体管的电脑

如果一个电脑包含所有的指令集，就会出现一种情况：

​ 80%的指令集是不经常用的，20%的指令集会被经常调用

CISC（桌面级）

RISC（精简指令集）

大型计算机是主流，凭借IO处理能力和稳定性、安全性！！！

基于大型主机进行的集中式架构，计算

大型主机的问题 ​

1. 复杂性，运维和维护很贵
2. 很贵，
3. 大型主机是一个单点的机器
4. 我们的摩尔定律，个人电脑不断提升

去IOE ​

09年阿里发起了去IOE运动（利用国内外的开源中间件实现分布式架构）

1. IBM的小型机
2. ORACLE数据库（商业数据库）
3. EMC的存储设备

13年完成最后一台小型机的替换。

12年开源了Dubbo

分布式架构好处： ​

1. 吞吐量很高
2. 迭代很快

分布式架构的意义

1. 单机的提升投入产出比不高
2. 单机处理的瓶颈
3. 稳定性和可用性

分布式架构的常见概念 ​

集群

分布式

节点

副本机制

中间件

集群 ​

分布式 ​

我把一个业务按照某种规则去拆分的方式

分成多个模块

多个模块之间进行消息通讯

然后达到一个整体。

应用层的分布式架构。

应用层按照某种领域去拆分

DDD领域驱动

节点 ​

独立按照分布式协议去完成一个完整逻辑的个体。叫做一个节点

数据副本 ​

数据的相互备份：数据副本的概念。避免单点故障

中间件 ​

中间：应用层和操作系统之间的一个位置。

这个软件提供了一个操作系统服务之外的一些服务，而且也不能定义为应用层面的叫中间件。

能够让程序开发人员，更方便的去输入输出，通讯，关注他自己关注的领域

（消息中间件，缓存中间件，RPC框架）

架构发展过程 ​

架构跟着业务去发展，架构支持一定的并发量。

需要前瞻性的考虑一些问题

业务有多大体量，我去支撑就好了

电商平台架构的发展历程。

1. 按照产品维度去看待问题
2. 给予数据量、访问量的提升
3. 网站的结构发生了变化

单一的架构 ​

1. 定义一些指标，检测用户的访问量，以及监控后台CPU的使用情况。

2. 被动的服务卡掉了

应用和数据分离 ​

便于针对某个服务器做垂直升级

集群架构 ​

通过域名去访问，

DNS去解析，ip地址+端口号。

http:无状态。

通过session保存会话状态，tomcat中生成的。

Session是服务端的对象，

Cookie是浏览器的对象。

Cookie中存储sessionId

完成会话状态的保存。

Cookie有有效范围

Session会丢失 ​

集群，访问到不同的服务其上边。

数据库读写分离-优化 ​

数据库的水平拆分，

读写分离。

通过什么方式做数据的路由。

用什么做mysql的数据同步。

Binglog

网络延迟带来的短暂的不同步的状态

减轻读库的压力。

DB mycat做数据路由的中间件。

搜索引擎做检索的问题 ​

Slor luence electicsearch

ES 基于源数据做一个索引，

全量的同步，还是增量的同步

同步同步，还是异步同步。

数据分析，智能推送

基于访问量激增，

很多人会访问同一块数据，热点数据，

经常访问，频繁访问的。

缓存中间件 ​

用缓存中间件 redis做缓存中间件。

最早的缓存来源来自于CPU的缓存。

应用层面利用缓存，

基于源数据的副本，

NoSql not only sql

非关系型数据库的数据存储。

利用redis做缓存。

1. 缓存雪崩
2. 缓存击穿
3. 缓存的持久化

基于缓存做双读双写，

数据库与缓存之间的同步问题

这中间会有一致性的问题。

先读缓存，再读数据库

怎么解决。

数据库问题 ​

PV 即 Page View，页面浏览量， 用户每一次对网站中的每个页面访问均被记录1次。用户对同一页面的多次刷新，访问量累计。

PV, GV 方面

1. 数据IO

2. 数据量大

IO大的话，性能会降低

数据量大的话，性能会降低，

数据可以垂直分库

按照业务的纬度拆分数据库，不同的业务所使用的数据库放在不同的数据库中。

对数据库进行独立的部署，IO的问题。

分库分表，

分库：垂直拆分

分表：水平拆分（分片）

数据量大的问题。

一亿的数据量，

1. 数据库做隔离，
2. 保证在线数据，离线数据的指标
3. 运维人员与使用人员的隔离。

数据库可以看作是分布式

Redis可以看做是分布式数据库。

开发，运维需要拆分，

架构最终图 ​

领域驱动 ​

业务模型，按照领域驱动做拆分，

每一个模块做一个单独的项目

可以独立发布，或者做集群。

提炼 ​

一个服务的提炼，对外有web，有service的调用。

模块之间可以相互调用

Rpc、http,

面向服务的变成不是完全的SOA，服务之间相互调用，调用链非常复杂，

为了整理服务之间的调用

SOA：ESB ​

企业服务总线，

所有的调用全部调用ESB。

帮你屏蔽一些服务的信息，包括不同的数据协议，不同的数据格式，都可以进行统一的约束。

网关 ​

服务层单独做服务。

基于Ngix+lua做网关，

通过网关可以

1. 隔离内外网。
2. 做接口的处理路由

消息服务总线。 ​

梳理一下架构 ​

终端 >>>> web（应用服务） >>>> （服务治理的中间件） >>>> 领域服务 >>>> （数据库治理中间件） >>>> 数据库

服务治理中间件：dubbo

消息中间件：rabbitmq/kafka

数据库中间件：mycat/charding-jdbc

缓存：redis

配置中心：

定时调度中心：

链路调用监控系统调用

架构的发展不是一蹴而就的。

是慢慢的发展的。

冯诺依曼模型 ​

输入设备：（各个节点之间的通讯，服务之间的通讯，人机交互）

存储器：（关系型数据库、Nosql，分布式文件存储）

运算器：（领域服务）

控制器（LVS/ngis/规则引擎/调度）

输出设备（通讯的返回值，用户端的界面展示）

​

把整个分布式架构可以看做是超级计算机。

浅谈并发 ​

最早的并发，计算机的并发。

如何隔离不同指令

如何进行指令的切换，

进行内存隔离，

进行文件隔离，

然后出现了进程，

进程的调度

共享内存

进程需要CPU时间片的切换不能够实现真正意义上的并行。

进程中出现了线程，

线程是CPU调度的最小单元！

线程可以达到真正意义上进程内的一个并行

在进程内达到多个线程的并行。

线程的创建和切换的开销比较小

线程不安全问题。 ​

线程和内存之间会有本地内存，存储变量的缓存

类似于分布式架构缓存一致性的问题。

分布式架构的难点 ​

1. 三态 ​

a. 成功 b. 失败 c. 超时或者未知）

2. 分布式事务 ​

（多个存储节点下的数据库一致性问题）

3. 负载均衡 ​

（入口端的负载，领域服务层的负载、服务发现）

4. 一致性 ​

（CAP）

5. 故障的独立性 ​

（隔离，故障的隔离，单个节点的故障不影响集群的运行）

CAP

BASE

领域驱动

分布式架构的组成因素。

Xsell sftp：一些终端的一些工具。