?[[417292]]?

本文轉載自微信公眾號「Java補習課」，作者九靈。轉載本文請聯系Java補習課公眾號。

淚目，不堪回首!

博主畢業4年了，最近秋招開始了，每次回想起自己的秋招，都感覺到當時自己特別的可惜(菜是原罪),自己當時簡歷上面的項目，只有一個 農資電商平臺,當時的秒殺系統還沒有那么普及(簡歷人均秒殺系統)。

第一次微眾面試

當年自己的八股文背的其實還可以，但是自己的項目就只是一個單機系統，分布式?微服務?什么玩意?,還記得當時微眾面試，是二面，在一個酒店房間，面試官笑嘻嘻的看著我，說讓我先畫一下我項目里面的農資電商平臺， 我腦子嗡嗡叫，啥?咋畫， 就一個安卓系統，一個前端頁面，和一個后臺系統?

大概長這樣子

??

我擦，這也太簡單了吧， 我是不是該畫復雜一點? 或者說，我這個能叫架構嗎?就這樣，猶豫之間，毛線都沒有畫出來... 我記得當時好像畫了個這樣子的玩意。。毫無意外的，嗝屁了～

這玩意有點四不像，不說了，丟臉～

??

第二次微眾面試

第二次微眾面試，畢業有快一年了，抱著試一下的心態，找了個師姐內推, 那時候我在干啥呢，在搞爬蟲。公司離微眾比較近，就在金蝶那邊,下班了溜過去，跟面試官吧啦了一會八股文，好家伙，沒一會就掏出了一張紙：

來畫一下你們現在這個爬蟲系統的架構圖!

當時系統的部署架構長這樣吧， 比上面的看起來還簡單一點。

??

但是，我就是畫不出手啊!!!心里想著太簡單了啊!!這玩意能叫架構嗎?

攤牌了， 我不會畫!

現在想起來，真的太憋屈了，年輕啊!那如果現在來回頭看的話，能怎么畫呢?

單體系統的部署架構圖

??

爬蟲系統的分層架構圖

??

爬蟲系統的業務架構

??

架構圖

從上面的各個方向描述架構來看，其實即使是單體系統 也能夠畫出不一般的架構圖!(為啥當時我就不會呢!)

最近在看架構相關的內容(華仔的課)，在4+1 視圖里面，從多方面描述了我們的系統，可以參考下面的描述，

??

你的秒殺系統，架構是怎么樣的?

單體系統

不管你們簡歷吹的多牛逼，我猜你們的服務，大部分都是長這個樣子的，猜對的話點個關注, 只有瀏覽器是分布式的。

??

那我該如何去描述我的單體系統呢?

架構設計的三大原則：

• 簡單原則
• 合適原則
• 演進原則

每一條原則都符合我們大學做的秒殺系統啊!!

簡單原則：一個系統就可以滿足我們秒殺服務的所有動作，沒有太多的中間件依賴

合適原則：在我們的實踐項目中，單體系統是最適合不過的了。(主要是沒錢啊!拆分服務，引入中間件，部署集群，都得錢啊!)

演進原則：這個比較好理解，沒有什么系統架構是一出生就定下來的，是隨著時間，業務需求，不斷演變出來的。

總結：

我們架構的優勢： 成本低，系統復雜度低，維護成本低，快速定位問題

劣勢：穩定性差，并發量低，擴展性弱等

在梳理架構時，每個方案都有他的優勢和缺點，所以需要了解你目前方案的優缺點。才能更好的向面試官展示你的系統!

服務拆分

好家伙，參加了個科創比賽，資金到位了，能買更多機器了，那不得將服務優化一下，拆分個微服務系統出來!

??

在這個服務拆分的架構中，我們做了哪些動作?

• 靜態資源隔離(CDN加速)
• 代理服務器(Nginx)
• 服務拆分，應用獨立部署
• 服務rpc通信 (rpc框架 & 注冊中心)

1、前后端分離

在單體系統中，我們的靜態資源(Html,JS,CSS 和 IMG)可能都是通過我們服務端進行返回，存在的問題是：

前端代碼維護成本比較高(全棧開發成本也高)

前端代碼發布，需要整個系統進行發布

服務器帶寬，請求資源占用等

那么通過前后端分離所帶來的好處就很明顯了：

代碼獨立維護(低耦合),發布成本低(高效率)

前后端通過接口交互動態數據

CDN資源訪問加速,減少后端服務壓力(高性能)

2、反向代理

反向代理的作用比較明顯， 由于我們服務拆分成多個，那么我們和前端進行交互時，需要提供一個通用的入口。而這個入口，就是我們的反向代理服務器(Nginx)。例如：服務域名：https://www.jiuling.com ，根據restful規范，我們可以通過 https://www.jiuling.com/user/1.0/login 將請求轉發到 用戶服務的登錄接口中。

3.進程間通信

隨著服務的拆分，在部分功能的實現上，就會涉及到服務間相互調用的情況，例如：

??

在常見的實現方案上，我們會采用 注冊中心 和 RPC框架,來實現這一能力。而我們比較常用的實現方案就是 zookeeper & dubbo。

??

為什么要使用 RPC 框架?

當我們提到使用 RPC框架 的時候，是否有去思考過，為什么要使用 RPC框架? 每個服務提供 RESTful 接口，不是也能夠完成服務間通信嗎?

這里就需要進行對比 RPC 和 RESTful 的區別了:

• 數據報文小&傳輸效率快：RPC簡化了傳輸協議中一些必要的頭部信息，從而加快了傳輸效率。
• 開發成本低：例如 Dubbo框架，封裝好了服務間調用的邏輯(如：反射，建連和超時控制等)，只需要開發相應的接口和數據模型即可。
• 服務治理: 在分布式場景下，我們的服務提供者不止一臺，那么就涉及到 服務健康，負載均衡和服務流控等情況需要處理，而這部分能力在rpc & 注冊中心 的架構下，都已經滿足了。

說完優點后，再來分析一下，RPC的缺點:

• 耦合性強：相較于 RESTful而言，RPC 框架在跨語言的場景下實現比較困難。并且版本依賴比較強。服務脫離了當前內網環境后，無法正常提供服務,遷移成本高。
• 內網調用：RPC更適合內網傳輸，在公網環境下，顯得沒那么安全。

分布式微服務

在上一個版本的服務拆分中, 我們根據不同的業務邊界，功能職責,劃分出了多個子系統,而針對不同的系統，他所承受的負載壓力是不一樣的，例如：訂單服務的每個請求處理耗時較長(其他服務壓力不大)，為了挺升我們的下單量，我們可以只擴容訂單服務即可,這就是我們在服務拆分所帶來的收益，性能使用率提升!

??

從上面的圖我們可以看到，有些服務出現了不同的重影，每一個方塊,可以理解為一臺機器,在這個架構中， 為了保證我們的下單成功率，以及下單量，我們主要將服務器集中在了訂單服務。

除此之前，再來看看我們的中間件集群部署：

• mysql 主從架構：讀寫分離，減輕主庫壓力，確保數據能正常寫入，保障訂單數據落庫.
• zookeeper 主從架構：保障注冊中心可用，避免導致全鏈路雪崩。
• redis 哨兵集群：避免redis宕機導致大流量直接打到數據庫中。

小結

到這里為止，一般我們自己開發的系統，也就基本完成了整個秒殺系統的演進了。可能大伙一直有個疑問，為什么少了我們最熟悉的MQ呢?

在整個調用鏈路中，我都是以同步調用的方式去講述這一個秒殺系統的架構,因為這個已經滿足我們當前的流量訴求了，在架構設計的原則里面，提到的，合適原則，和演進原則。在當前滿足流量需求的情況下，我們需要先思考引入消息中間件，帶來的問題是什么?解決的問題又是什么?在權衡利弊后，才是我們決策是否要使用這個方案的時候。

高性能

在上述架構演進的過程中，我們通過服務拆分，垂直擴容，分布式部署等方式,提升了我們架構的性能和穩定性,對于我們自研階段的架構演進已經是足夠滿足我們的流量訴求了，但如果我們想繼續優化我們的系統，提升服務性能，可以從以下幾個方面進行優化：

• 資源預熱
• 緩存預熱
• 異步調用

1、資源預熱

在上面的服務拆分階段, 我們就提到了資源動靜分離, 這里的靜態資源包括：html,js,css,img 等。我們活動階段，可以通過后臺管理系統，將商品服務中的活動的靜態資源預熱到CDN，加速資源的訪問。

資源預熱： 通過預先將資源加載到CDN
回源：CDN找不到資源后，會觸發源站（商品服務）調用，進行查詢對應資源，如果源站存在該資源，則會返回到CDN中進行緩存。
OSS： 實際存儲靜態資源的服務（可參考阿里云OSS）

??

上面有反復提到，引入一個技術的時候，需要同時考慮它所帶來的利和弊，那么 CDN的風險是什么呢?

• 成本 : 比較直接，就是得多花錢!
• 帶寬 ：在大流量的訪問下， CDN 是否能支撐那么多的帶寬，每個服務器能支撐的流量是有限的，需要考慮CDN是否能支撐業務的訪問量。
• CDN命中率: 在CDN命中率低的情況下，比如活動圖片,每一個小時都會發生改變，那么每次圖片的替換，都會觸發回源操作,這時候的資源訪問效率反而有所下降。

2、緩存預熱

與上面的靜態資源加速相對比，動態數據則需要通過緩存進行性能上的優化，老生常談，為什么redis 那么快?

單線程(redis的性能瓶頸并不在這，所以這個不算優勢)

• 多路I/O復用模型
• 數據結構簡單
• 基于內存操作

??

引入 redis 帶來的風險主要有:

• reids 宕機：單機部署的情況下，會導致大量的服務調用超時，最終引起服務雪崩。可通過Sentinel集群優化。
• 緩存擊穿：大流量下，緩存MISS和緩存過期等情況，會導致請求穿透到數據庫，如果數據庫扛不住壓力，會造成服務雪崩。可以通過 布隆過濾器進行優化。
• 數據一致性：緩存數據與DB 的數據一致性問題，需要通過更新策略進行保障。

3、異步調用

通過異步的方式，將減庫存成功的用戶，通過消息的方式，發送給訂單服務，進行后續的下單操作。可以在短時間內，將所有的商品銷售出去。整體的流程如下圖所示：

MQ異步調用為什么能過提升我們服務的吞吐量呢?

主要原因在于，通過異步調用的方式，我們將消息投遞過去了，就完成了這一次的請求處理，那么性能的瓶頸，由訂單服務，轉移到了秒殺服務這里。通過減少調用依賴，從而提升了整體服務的吞吐量。

??

MQ 帶來的常見問題：

• 數據一致性
• 重復消費：由于生產者重復投遞消息，或者消費緩慢導致重復推送消息。需要通過加鎖，消費冪等來保證消費正常。
• 消息堆積：生產能力遠大于消費能力情況下，會導致消息堆積。
• MQ可用性：MQ宕機的情況下，需要支持同步調用切換。
• 這里不做詳細介紹，后面會專門寫一篇MQ相關的文章。

高可用

能看到這里真不容易，感謝大家的支持。關于可用性這里，之前有寫過一篇 # 《高可用實戰》-B站蹦了，關我A站什么事?感興趣可以看一下。

高可用主要可以從：

• 動態擴容：根據服務壓力，針對不同服務進行動態擴容。
• 限流熔斷：可參考我之前的文章：# 《高可用實戰》-B站蹦了，關我A站什么事?
• 異地多活: 通過多機房部署，避免物理攻擊!

同城雙活

部署在同一個城市不同區的機房，用專用網絡連接。兩個機房距離一般就是幾十千米，網絡傳輸速度幾乎和同一個機房相同，降低了系統復雜度、成本。

??

這個模式無法解決極端的災難情況，例如某個城市的地震、水災，此方式是用來解決一些常規故障的，例如機房的火災、停電、空調故障。

異地多活

在上述模式中，沒辦法解決城市級別的服務容災，比如水災，地震等情。而通過異地多活的部署方案，則可以解決這種問題。

但是每個方案都是存在利和弊的，那么異地多活的弊端主要體現在網絡傳輸和數據一致性的問題上!

跨城異地主要問題就是網絡傳輸延遲，例如北京到廣州，正常情況下的RTT（Round-Trip Time 往返時延）是50毫秒，
當遇到網絡波動等情況，會升到500毫秒甚至1秒，而且會有丟包問題。

物理距離必然導致數據不一致，這就得從“數據”特性來解決，
如果是強一致性要求的數據（如存款余額），就無法做異地多活。

圖片地址：draw.io原圖