作者 | 阿凡博客
出品 | ****博客
封图 | 视觉中国
某些App怎么扛住1分钟10亿请求？
架构的演进路线
百万级并发：1秒100万次请求。
千万级并发：一分钟6亿次请求，差不多就是需求的极限。
架构的设计和架构优化要符合需求本身，不能无限制优化。
基本概念
（1）分布式（系统中，多个模块在不同服务器上部署）
（2）集群（一个软件部署在多台服务器，并作为一个整体，提供一类服务）
（3）高可用（系统中部分节点失效，其他节点能够接替它继续工作或有相应的处理预案）
（4）负载均衡（把请求均匀的发到多个节点上）
架构演进：
单机架构
DNS服务器，做域名解析的服务器，作用是，经过DNS将www.taobao.com这类的域名转换为实际IP地址，浏览器转而访问这个IP对应的tomcat。
瓶颈：用户增长，tomcat和数据库之间竞争资源，单机性能不足以支撑业务。
第一次：Tomcat和数据库分开部署（最常见架构）
Tomcat和数据库分别独占服务器资源，显著提高两者各自性能（tomcat服务器找一个内存大的，DB服务器找一个硬盘大的，带宽更宽的）。
瓶颈：用户量增长，数据库并发读写，尤其是读，成为瓶颈。
注意，不会通过数据库集群解决。
第二次演进：引入本地缓存甚至分布式缓存
在Tomcat服务器上（Java程序所在的地方）加入缓存，可以把绝大多数请求（尤其是查询）在访问数据库前拦截掉。
Redis放在Tomcat服务器上，如果不够用。
那么Redis可以自己放在一个服务器，也可以多弄几台Redis服务器，配置成主从同步（提升可用性可以加上哨兵）。
瓶颈：用户数量增长，并发压力主要在单机的tomcat上，响应逐渐变慢。
第三次演进：引入反向代理和负载均衡
使用反向代理，将大量的用户请求，均匀分发到每个Tomcat中（一般来讲，Tomcat对应100个并发，nginx对应5万个并发，具体的要看服务器性能）。
瓶颈：应用服务器可支持的并发量大大增加，缓存能力也可以轻易扩展，并发量增长意味着更多请求穿透到数据库，单机的数据库最终成为瓶颈。
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，使用数据库中间件（Mycat），通过它来组织数据库的分离读写。
瓶颈：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，相互影响性能。
第五次演进：数据库按业务分库
把不同的业务数据保存到不同的数据库中，业务之间的资源竞争降低，访问量大的业务可以部署更多的服务器。
瓶颈：用户数量增长，单机的写库会逐渐达到性能瓶颈。
第六次演进：把数据库的大表拆成小表
其他环节同上。
比如针对订单生成，可以按照月份，甚至小时创建表。
这种做法可以称作分布式数据库，但逻辑上仍然是一个完整的数据库整体，现在有一种架构叫MPP（大规模并行处理），针对于各种这类问题的使用场景。
瓶颈：数据库和tomcat都可以大规模水平扩展，最终单机的nginx会成为瓶颈。
第七次演进：使用LVS让多个Nginx负载均衡
LVS是软件，运行在操作系统内核态，可以对TCP请求或高层网络协议进行转发，分发的性能远高于Nginx，大概十几万。
F5是硬件，跟LVS做的事情类似，但性能更高，而且价格昂贵。
这种方式，用户可达千万或上亿级别。
瓶颈：LVS达到瓶颈，或用户分布在不同的地区，与服务器机房的距离不同，导致访问延迟的不同。
第八次演进：DNS轮询实现机房间的负载均衡
在DNS中配置一个域名对应多个IP。
每个IP地址对应到不同的机房里的虚拟IP。
做到机房级别的水平扩展，已经是从请求并发量来讲，过亿的处理方案，十几亿或几十亿的并发，暂时没人考虑。
瓶颈：检索，分析的需求越来越多，单靠数据库无法解决各种各样的需求。
第九次演进：引入NoSQL数据库和搜索引擎
数据量多到一定规模的时候，关系型数据库不再适用，而且数据量较大的查询，MySQL不一定能运行出结果，对于海量数据的处理，通过分布式文件系统HDFS来存储，对于key-value类型的数据，通过HBase、Redis等处理，对于抓取查询，可以通过ES等解决，对于多维分析，通过kylin、Druid等解决。
引入更多的组件同时必然极大的提高系统复杂度，不同的组件的数据还需要同步，需要考虑一致性问题。
第十次演进：大应用拆为小应用
结构图中上下不变：
按照业务板块来划分应用，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，甚至可以做到部分功能关闭。
瓶颈：不同应用之间，存在公用的模块，导致包含公共功能的部分在升级时，全部相关代码都要跟着升级。
第十一次演进，抽离成微服务
类似于我们现在写的SpringCloud的项目结构，尤其是当用户，支付等功能在多个应用中都存在，抽离出来效率更高
现在想实现这种效果，可以用现成的框架。
再往下演进，ESB服务总线做接口管理，容器化技术实现运行环境隔离，云平台承载大型系统
云平台中的几个概念：
IaaS：基础设施即服务，可申请硬件资源的层面。
PaaS：平台即服务，提供云平台常用的技术组件的开发和维护。
SaaS：软件即服务，开发好一个应用，部署之后，按照功能或要求付费。
总结
（1）架构调整是否必须按照上面的路线演变？
不一定！！！上面讲的是电商方向，已有的演化线路。
（2）对于即将实施的系统，架构要设计到什么程度？
够用就行，问清楚什么叫够用，设计要满足下一阶段用户量和性能指标的要求。
（3）微服务和大数据架构？
这俩架构，解决的是同一个系统中，不同环节的问题。
不用比好坏，也不用分开处理。
版权声明：本文为****博主「阿凡博客」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：
https://blog.****.net/qq_43107323/article/details/104919132
2020 AI 开发者万人大会将于6月26日通过线上直播形式，让开发者们一站式学习了解当下 AI 的前沿技术研究、核心技术与应用以及企业案例的实践经验，同时还可以在线参加精彩多样的开发者沙龙与编程项目。参与前瞻系列活动、在线直播互动，不仅可以与上万名开发者们一起交流，还有机会赢取直播专属好礼，与技术大咖连麦。
今日福利：评论区留言入选，都可获得价值299元的「2020 AI开发者万人大会」在线直播门票一张。 快来动动手指，写下你想说的话吧！
热 文 推 荐
☞无代码时代来临，程序员如何保住饭碗？
☞老板不让走，程序员机智提加薪 50 %，都学着点！
☞Python 爬取疫情期间全球股市走向，笑不出来......
☞软件欺诈的骗局揭露：“替罪羊”究竟是如何构建的？
☞从零开始构建：使用CNN和TensorFlow进行人脸特征检测
另一种声音：容器是不是未来？
☞探索比特币独特时间链、挖矿费用及场外交易的概念
你点的每个“在看”，我都认真当成了喜欢