我想這個問題，十個人回答得有十一個答案，因為另外的那一個是大家妥協(xié)的結(jié)果。哈哈，我理解，架構(gòu)就是骨架，如下圖所示：
人類的身體的支撐是主要由骨架來承擔的，然后是其上的肌肉、神經(jīng)、皮膚。架構(gòu)對于軟件的重要性不亞于骨架對人類身體的重要性。
這個問題我問過的面試者不下于數(shù)十次，回答五花八門，在我看來，模式就是經(jīng)驗，設計模式就是設計經(jīng)驗，有了這些經(jīng)驗，我們就能在特定情況下使用特定的設計、組合設計，這樣可以大大節(jié)省我們的設計時間，提高工作效率。
作為一個工作10年以上的老碼農(nóng)，經(jīng)歷的系統(tǒng)架構(gòu)設計也算不少，接下來，我會把工作中用到的一些架構(gòu)方面的設計模式分享給大家，望大家少走彎路?？傮w而言，共有八種，分別是：
這是最簡單的一種設計模式，我們的大部分本科畢業(yè)設計、一些小的應用，基本上都是這種模式，這種模式的一般設計見下圖：
如上圖所示，這種模式一般只有一個數(shù)據(jù)庫，一個業(yè)務應用層，一個后臺管理系統(tǒng)，所有的業(yè)務都是用過業(yè)務層完成的，所有的數(shù)據(jù)也都是存儲在一個數(shù)據(jù)庫中的，好一點會有數(shù)據(jù)庫的同步。雖然簡單，但是也并不是一無是處。
基本上所有的大型的網(wǎng)站都有或多或少的采用這一種設計模式，常見的應用場景是使用CDN技術(shù)把網(wǎng)頁、圖片、CSS、JS等這些靜態(tài)資源分發(fā)到離用戶最近的服務器。這種模式的一般設計見下圖：
如上圖所示，這種模式較單庫單應用模式多了一個CDN、一個云存儲OSS(七牛、又拍等雷同)。一個典型的應用流程(以用戶上傳、查看圖片需求為例)如下：
程序顯示該圖片，查看完成。
由上可知，這個模式的關(guān)鍵是智能DNS，它能夠解析出離用戶最近的服務器。運行原理大致是：根據(jù)請求者的IP得到請求地點B，然后通過計算或者配置得到與B最近或通訊時間最短的服務器C，然后把C的IP地址返回給請求者。這種模式的優(yōu)缺點如下：
這種模式主要解決單機數(shù)據(jù)庫壓力過大，從而導致業(yè)務緩慢甚至超時，查詢響應時間變長的問題，也包括需要大量數(shù)據(jù)庫服務器計算資源的查詢請求。這個可以說是單庫單應用模式的升級版本，也是技術(shù)架構(gòu)迭代演進過程中的必經(jīng)之路。
這種模式的一般設計見下圖：
如上圖所示，這種模式較單庫單應用模式與內(nèi)容分發(fā)模式多了幾個部分，一個是業(yè)務數(shù)據(jù)庫的主從分離，一個是引入了ES，為什么要這樣？都解決了哪些痛點，下面具體結(jié)合業(yè)務需求場景進行敘述。
場景一：全文關(guān)鍵詞檢索
我想這個需求，絕大多數(shù)應用都會有，如果使用傳統(tǒng)的數(shù)據(jù)庫技術(shù)，大部分可能都會使用like這種SQL語句，高級一點可能是先分詞，然后通過分詞index相關(guān)的記錄。SQL語句的性能問題與全表掃描機制導致了非常嚴重的性能問題，現(xiàn)在基本上很少見到。
這里的ES是ElasticSearch的縮寫，是一種查詢引擎，類似的還有Solr等，都差不多的技術(shù)，ES較Solr配置簡單、使用方便，所以這里選用了它。另外，ES支持橫向擴展，理論上沒有性能的瓶頸。同時，還支持各種插件、自定義分詞器等，可擴展性較強。在這里，使用ES不僅可以替代數(shù)據(jù)庫完成全文檢索功能，還可以實現(xiàn)諸如分頁、排序、分組、分面等功能。具體的，請同學們自行學習之。那怎么使用呢？一個一般的流程是這樣的：
實際中怎么用，還請同學們根據(jù)實際情況做組合、取舍。
場景二：大量的普通查詢
這個場景是指我們的業(yè)務中的大部分輔助性的查詢，如：取錢的時候先查詢一下余額，根據(jù)用戶的ID查詢用戶的記錄，取得該用戶最新的一條取錢記錄等。我們肯定是要天天要用的，而且用的還非常多。同時呢，我們的寫入請求也是非常多的，導致大量的寫入、查詢操作壓向同一數(shù)據(jù)庫，然后，數(shù)據(jù)庫掛了，系統(tǒng)掛了，領(lǐng)導生氣了，被開除了，還不起房貸了，露宿街頭了，老婆跟別人跑了，......
不敢想，所以要求我們必須分散數(shù)據(jù)庫的壓力，一個業(yè)界較成熟的方案就是數(shù)據(jù)庫的讀寫分離，寫的時候入主庫，讀的時候讀從庫。這樣就把壓力分散到不同的數(shù)據(jù)庫了，如果一個讀庫性能不行，扛不住的話，可以一主多從，橫向擴展。可謂是一劑良藥??！那怎么使用呢？一個一般的流程是這樣的：
比較簡單吧，一些聰明的、愛思考的、上進的同學可能發(fā)現(xiàn)問題了，也包括上面介紹的場景一，就是延遲問題，如：數(shù)據(jù)還沒有到從庫，我就馬上讀，那么是讀不到的，會發(fā)生問題的。
對于這個問題，各家公司解決的思路不一樣，方法不盡相同。一個普遍的解決方案是：讀不到就讀主庫，當然這么說也是有前提條件的，但具體的方案這里就不一一展開了，我可能會在接下來的分享中詳解各種方案。
另外，關(guān)于數(shù)據(jù)庫的復制模式，還請同學們自行學習，太多了，這里說不清。該總結(jié)一下這種模式的優(yōu)缺點的了，如下：
上面的模式看似不錯，解決了性能問題，我可以不用露宿街頭了、老婆還是我的，哈哈。但是
軟件系統(tǒng)天生的復雜性決定了，除了性能，還有其他諸如高可用、健壯性等大量問題等待我們解決，再加上各個部門間的扯皮，更讓我們碼農(nóng)雪上加霜，所以
繼續(xù)吧......
微服務模式可以說是最近的熱點，花花綠綠、大大小小、國內(nèi)國外的公司都在吹捧，實踐這個模式，可是大部分都沒有弄清楚為什么要這么做，也并不知道這么做有什么好處、壞處，在這里，我將以我自己的親身實踐說一下我對這個模式的看法，不喜勿噴！隨著業(yè)務與人員的增加，遇到了如下的問題：
為了解決上述問題，我司使用了微服務模式，這種模式的一般設計見下圖：
如上圖所示，我把業(yè)務分塊，做了垂直切分，切成一個個獨立的系統(tǒng)，每個系統(tǒng)各自衍化，有自己的庫、緩存、ES等輔助系統(tǒng)，系統(tǒng)之間的實時交互通過RPC，異步交互通過MQ，通過這種組合，共同完成整個系統(tǒng)功能。
那么，這么做是否真的解決上述問題了呢？不玩虛的，一個個來說。對于問題一，由于拆分成了多個子系統(tǒng)，系統(tǒng)的壓力被分散了，而各個子系統(tǒng)都有自己的數(shù)據(jù)庫實例，所以數(shù)據(jù)庫的壓力變小。
對于問題二，一個子系統(tǒng)A的數(shù)據(jù)庫掛了，只是影響到系統(tǒng)A和使用系統(tǒng)A的那些功能，不會所有的功能不可用，從而解決一個數(shù)據(jù)庫掛了，導致所有功能不可用的問題。
問題三、四，也因為拆分得到了解決，各個子系統(tǒng)有自己獨立的GIT代碼庫，不會相互影響。通用的模塊可通過庫、服務、平臺的形式解決。
問題五，子系統(tǒng)A發(fā)生改變，需要上線，那么我只需要編譯A，然后上線就可以了，不需要其他系統(tǒng)做同樣的事情。
問題六，順應了康威定律，我部門該干什么事、輸出什么，也通過服務的形式暴露出來，我部只管把我部的職責、軟件功能做好就可以。
問題七，所有需要我部數(shù)據(jù)的需求，都通過接口的形式發(fā)布出去，客戶通過接口獲取數(shù)據(jù)，從而屏蔽了底層數(shù)據(jù)庫結(jié)構(gòu)，甚至數(shù)據(jù)來源，我部只需保證我部的接口契約沒有發(fā)生變化即可，新的需求增加新的接口，不會影響老的接口。
問題八，不同的子系統(tǒng)需要不同的權(quán)限，這個問題也優(yōu)雅的解決了。
問題九，暫時控制住了復雜性，我只需控制好大的方面，定義好系統(tǒng)邊界、接口、大的流程，然后再分而治之、逐個擊破、合縱連橫。
目前來說，所有問題得到解決！bingo!
但是，還有許多其他的副作用會隨之產(chǎn)生，如RPC、MQ的超高穩(wěn)定性、超高性能，網(wǎng)絡延遲，數(shù)據(jù)一致性等問題，這里就不展開來講了，太多了，一本書都講不完。
另外，對于這個模式來說，最難把握的是度，切記不要切分過細，我見過一個功能一個子系統(tǒng)，上百個方法分成上百個子系統(tǒng)的，真的是太過度了。實踐中，一個較為可行的方法是：能不分就不分，除非有非常必要的理由！。
這個模式可以說是應對超高查詢壓力的一種普遍采用的策略，基本的思想就是在所有鏈路的地方，能加緩存就加緩存，如下圖所示：
如上圖所示，一般在三個地方加入緩存，一個是客戶端處，一個是API網(wǎng)關(guān)處，一個是具體的后端業(yè)務處，下面分別介紹。
客戶端處緩存：這個地方加緩存可以說是效果最好的---無延遲。因為不用經(jīng)過長長的網(wǎng)絡鏈條去后端業(yè)務處獲取數(shù)據(jù)，從而導致加載時間過長，客戶流失等損失。雖然有CDN的支持，但是從客戶端到CDN還是有網(wǎng)絡延遲的，雖然不大。具體的技術(shù)依據(jù)不同的客戶端而定，對于WEB來講，有瀏覽器本地緩存、Cookie、Storage、緩存策略等技術(shù)；對于APP來講，有本地數(shù)據(jù)庫、本地文件、本地內(nèi)存、進程內(nèi)緩存支持。以上提到的各種技術(shù)有興趣的同學可以繼續(xù)展開來學習。如果客戶端緩存沒有命中，那么就會去后端業(yè)務拿數(shù)據(jù)，一般來講，都會有個API網(wǎng)關(guān)，在這里加緩存也是非常有必要的。
API網(wǎng)關(guān)處緩存：這個地方加緩存的好處是不用把請求發(fā)送到后方，直接在這里就處理了，然后返回給請求者。常見的技術(shù)，如http請求，API網(wǎng)關(guān)用的基本都是nginx，可以使用nginx本身的緩存模塊，也可以使用Lua+Redis技術(shù)定制化。其他的也都大同小異。
后端業(yè)務處：這個我想就不用多說了，大家應該差不多都知道，什么Redis,Memcache,Jvm內(nèi)等等，不熬述了。
實踐中，要結(jié)合具體的實際情況，綜合利用各級緩存技術(shù)，使得各種請求大程度的在到達后端業(yè)務之前就被解決掉，從而減少后端服務壓力、減少占用帶寬、增強用戶體驗。至于是否只有這三個地方加緩存，我覺得要活學活用，心法比劍法重要！總結(jié)一下這個模式的優(yōu)缺點：
這種模式主要解決單表寫入、讀取、存儲壓力過大，從而導致業(yè)務緩慢甚至超時，交易失敗，容量不夠的問題。一般有水平切分和垂直切分兩種，這里主要介紹水平切分。這個模式也是技術(shù)架構(gòu)迭代演進過程中的必經(jīng)之路。
這種模式的一般設計見下圖：
如上圖所示紅色部分，把一張表分到了幾個不同的庫中，從而分擔壓力。是不是很籠統(tǒng)？哈哈，那我們接下來就詳細的講解一下。首先澄清幾個概念，如下：
主機：硬件，指一臺物理機，或者虛擬機，有自己的CPU，內(nèi)存，硬盤等。
實例：數(shù)據(jù)庫實例，如一個MySQL服務進程。一個主機可以有多個實例，不同的實例有不同的進程，監(jiān)聽不同的端口。
庫：指表的集合，如學校庫，可能包含教師表、學生表、食堂表等等，這些表在一個庫中。一個實例中可以有多個庫。庫與庫之間用庫名來區(qū)分。
表：庫中的表，不必多說，不懂的就不用往下看了，不解釋。
那么怎么把單表分散呢？到底怎么個分發(fā)呢？分發(fā)到哪里呢？以下是幾個工作中的實踐，分享一下：
主機：這是最主要的也是最重要的點，本質(zhì)上分庫分表是因為計算與存儲資源不夠?qū)е碌?，而這種資源主要是由物理機，主機提供的，所以在這里分是最基本的，畢竟沒有可用的計算資源，怎么分效果都不是太好的。
實例：實例控制著連接數(shù)，同時受OS限制，CPU、內(nèi)存、硬盤、網(wǎng)絡IO也會受間接影響。會出現(xiàn)熱實例的現(xiàn)象，即：有些實例特別忙，有些實例非常的空閑。一個典型的現(xiàn)象是：由于單表反應慢，導致連接池被打滿，所有其他的業(yè)務都受影響了。這時候，把表分到不同的實例是有一些效果的。
庫：一般是由于單庫中大單表數(shù)量的限制，才采取分庫。
表：單表壓力過大，索引量大，容量大，單表的鎖。據(jù)以上，把單表水平切分成不同的表。
大型應用中，都是一臺主機上只有一個實例，一個實例中只有一個庫，庫==實例==主機，所以才有了分庫分表這個簡稱。
既然知道了基本理論，那么具體是怎么做的呢？邏輯是怎么跑的呢？接下來以一個例子來講解一下。
這個需求很簡單，用戶表(user)，單表數(shù)據(jù)量1億，查詢、插入、存儲都出現(xiàn)了問題，怎么辦呢？
首先，分析問題，這個明顯是由于數(shù)據(jù)量太大了而導致的問題。
其次，設計方案，可以分為10個庫，這樣每個庫的數(shù)據(jù)量就降到了1KW，單表1KW數(shù)據(jù)量還是有些大，而且不利于以后量的增長，所以每個庫再分100個表，這個每個單表數(shù)據(jù)量就為10W了，對于查詢、索引更新、單表文件大小、打開速度，都有一些益處。接下來，給IT部門打電話，要10臺物理機，擴展數(shù)據(jù)庫......
最后，邏輯實現(xiàn)，這里應該是最有學問的地方。首先是寫入數(shù)據(jù)，需要知道寫到哪個分庫分表中，讀也是一樣的，所以，需要有個請求路由層，負責把請求分發(fā)、轉(zhuǎn)換到不同的庫表中，一般有路由規(guī)則的概念。
怎么樣，簡單吧？哈哈，too 那義務。說說這個模式的問題，主要是帶來了事務上的問題，因為分庫分表，事務完成不了，而分布式事務又太笨重，所以這里需要有一定的策略，保證在這種情況下事務能夠完成。采取的策略如：最終一致性、復制、特殊設計等。再有就是業(yè)務代碼的改造，一些關(guān)聯(lián)查詢要改造，一些單表orderBy的問題需要特殊處理，也包括groupBy語句，如何解決這些副作用不是一句兩句能說清楚的，以后有時間，我單獨講講這些。
該總結(jié)一下這種模式的優(yōu)缺點的了，如下：
這種模式主要解決突發(fā)流量的到來，導致無法橫向擴展或者橫向擴展太慢，進而影響業(yè)務，全站崩潰的問題。這個模式是一種相對來說比較高級的技術(shù)，也是各個大公司目前都在研究、試用的技術(shù)。截至今日，有這種思想的架構(gòu)師就已經(jīng)是很不錯了，能夠拿到較高薪資，更別提那些已經(jīng)實踐過的，甚至實現(xiàn)了底層系統(tǒng)的那些，所以，你懂得......
這種模式的一般設計見下圖：
如上圖所示，多了一個彈性伸縮服務，用來動態(tài)的增加、減少實例。原理上非常簡單，但是這個模式到底解決什么問題呢？先說說由來和意義。
每年的雙11、六一八或者一些大促到來之前，我們都會為大流量的到來做以下幾個方面的工作:
提前準備10倍甚至更多的機器，即使用不上也要放在那里備著，以防萬一。這樣浪費了大量的資源。
每臺機器配置、調(diào)試、引流，以便讓所有的機器都可用。這樣浪費了大量的人力、物力，更容易出錯。
如果機器準備不充分，那么還要加班加點的重復上面的工作。這樣做特別容易出錯，引來領(lǐng)導的不滿，沒時間回家陪老婆，然后你的老婆就......(自己想)
在雙十一之后，我們還要人工做縮容，非常的辛苦。一般一年中會有多次促銷，那么我們就會一直這樣，實在是煩！
最嚴重的，突然間的大流量爆發(fā)，會讓我們觸不及防，半夜起來擴容是在正常不過的事情，為此，我們偷懶起來，要更多的機器備著，也就出現(xiàn)了大量的cpu利用率為1%的機器。
我相信，如果你是老板一定很震驚吧?。?！
哈哈，那么如何改變這種情況呢？請接著看
為此，首先把所有的計算資源整合成資源池的概念，然后通過一些策略、監(jiān)控、服務，動態(tài)的從資源池中獲取資源，用完后在放回到池子中，供其他系統(tǒng)使用。
具體實現(xiàn)上比較成熟的兩種資源池方案是VM、docker，每個都有著自己強大的生態(tài)。監(jiān)控的點有CPU、內(nèi)存、硬盤、網(wǎng)絡IO、服務質(zhì)量等，根據(jù)這些，在配合一些預留、擴張、收縮策略，就可以簡單的實現(xiàn)自動伸縮。怎么樣？是不是很神奇？深入的內(nèi)容我們會在的碼農(nóng)原創(chuàng)的公眾號文章中詳細介紹。
該總結(jié)一下這種模式的優(yōu)缺點的了，如下：
這種模式主要解決不同地區(qū)高性能、高可用的問題。
隨著應用用戶不斷的增加，用戶群體分布在全球各地，如果把服務器部署在一個地方，一個機房，比如北京，那么美國的用戶使用應用的時候就會特別慢，因為每一個請求都需要通過海底光纜走上個那么一秒鐘(預估)左右，這樣對用戶體驗及其不好。怎么辦？使用多機房部署。
這種模式的一般設計見下圖：
如上圖所示，一個典型的用戶請求流程如下：
用戶請求一個鏈接A
通過DNS智能解析到離用戶最近的機房B
使用B機房服務鏈接A
是不是覺得很簡單，沒啥？其實這里面的問題沒有表面這么簡單，下面一一道來。
首先是數(shù)據(jù)同步問題，在中國產(chǎn)生的數(shù)據(jù)要同步到美國，美國的也一樣，數(shù)據(jù)同步就會涉及數(shù)據(jù)版本、一致性、更新丟棄、刪除等問題。
其次是一地多機房的請求路由問題，典型的是如上圖，中國的北京機房和杭州機房，如果北京機房掛了，那么要能夠通過路由把所有發(fā)往北京機房的請求轉(zhuǎn)發(fā)到杭州機房。異地也存在這個問題。
所以，多機房模式，也就是異地多活并不是那么的簡單，這里只是起了個頭，具體的有哪些坑，會在另一篇文章中介紹。
該總結(jié)一下這種模式的優(yōu)缺點的了，如下：
至此，整個關(guān)于八種架構(gòu)設計模式及其優(yōu)缺點概述就介紹完了，大約1W字左右。最后，我想說的是沒有銀彈、靈活運用，共勉！
創(chuàng)新互聯(lián)www.cdcxhl.cn，專業(yè)提供香港、美國云服務器，動態(tài)BGP最優(yōu)骨干路由自動選擇，持續(xù)穩(wěn)定高效的網(wǎng)絡助力業(yè)務部署。公司持有工信部辦法的idc、isp許可證， 機房獨有T級流量清洗系統(tǒng)配攻擊溯源，準確進行流量調(diào)度，確保服務器高可用性。佳節(jié)活動現(xiàn)已開啟，新人活動云服務器買多久送多久。
重慶分公司
重慶分公司
