人人都是架构师:分布式系统架构落地与瓶颈突破

人人都是架构师:分布式系统架构落地与瓶颈突破是一本货真价实的互联网场景下大型网站架构演变过程中核心技术难题的解决方案，由高翔龙编著。本书全部来源于作者真实经历的生产案例，大型网站应对高并发、大流量的应急宝典，全书毫无保留地阐述了作者多年在互联网企业的架构设计经验，具体内容包括分布式服务案例全面剖析、大流量限流/消峰案例全面剖析、从接入层到存储系统、数据库分库分表案例全面剖析等等，作者不吹牛、不夸张，脚踏实地为你剖析架构如何落地，欢迎免费下载阅读。

内容介绍

《人人都是架构师:分布式系统架构落地与瓶颈突破》并没有过多渲染系统架构的理论知识，而是切切实实站在开发一线角度，为各位读者诠释了大型网站在架构演变过程中出现一系列技术难题时的解决方案。本书首先从分布式服务案例开始介绍，重点为大家讲解了大规模服务化场景下企业应该如何实施服务治理；然后在大流量限流/消峰案例中，笔者为大家讲解了应该如何有效地对流量实施管制，避免大流量对系统产生较大冲击，确保核心业务的稳定运行；接着笔者为大家讲解了分布式配置管理服务；之后的几章，笔者不仅为大家讲解了秒杀、限时抢购场景下热点数据的读/写优化案例，还为大家讲解了数据库实施分库分表改造后所带来的一系列影响的解决方案。

《人人都是架构师:分布式系统架构落地与瓶颈突破》非常适用于任何对分布式系统架构感兴趣的架构师、开发人员以及运维人员。相信阅读本书你将会有知其然和知其所以然的畅快感。

人人都是架构师内容重点

本书每一章的内容几乎都是独立的，大家完全可以挑选自己感兴趣或者有需要的部分进行阅读。本书一共包含5章，笔者首先从分布式服务案例开始讲起，将大家带进分布式系统的殿堂。在第1章中，笔者讲解了大型网站的架构演变过程，让大家对分布式系统建立一个基本的认识。当然，本章的重点是讲解企业在大规模服务化后应该如何实施服务治理，以及应该如何构建一个分布式调用跟踪系统，以一种可视化的方式来展现跟踪到的每一个请求的完整调用链，并收集调用链上每个服务的执行耗时，整合孤立日志等。

为了避免大促场景下峰值流量过大，对系统造成较大负载导致产生雪崩现象，笔者在本书的第2章为大家讲解了大流量限流/消峰案例，让系统的负载压力始终处于一个比较均衡的水位，从而保护系统的稳定运行。笔者首先从限流算法开始讲起，然后分享了业务层面和技术层面等两个维度的流量管制方案。当然，本章的重点是为大家演示如何通过MQ来实现大流量场景下的流量消峰。

人人都是架构师的第3章为大家讲解了分布式配置管理服务案例（配置中心）。尽管目前一些中小型互联网企业仍然将本地配置作为首选，但是当网站发展到一定规模后，继续采用本地配置所暴露的问题将会越来越多。大型网站使用分布式配置管理平台不仅能够实现配置信息的集中式管理、降低维护成本和配置出错率，还能够动态获取/更新配置信息。本章的重点是为大家演示如何基于ZooKeeper构建一个分布式配置管理平台，以及使用淘宝Diamond和百度Disconf系统来实现分布式配置管理服务。

热点数据的读/写操作其实是秒杀、限时抢购场景下最核心的技术难题。在大促场景下，由于峰值流量较大，大量针对同一热卖商品的并发读/写操作一定会导致后端的存储系统产生性能瓶颈，因此第4章为大家讲解了大促场景下热点数据的读/写优化案例。尽管商品信息可以缓存在分布式缓存中，通过集群技术，可以在理论上认为其容量是无限的，但是对于大促场景下的热卖商品来说，由于单价比平时更给力、更具吸引力，因而自然会比平时吸引更大的流量进来；这时同一个Key必然会落到同一个缓存节点上，而分布式缓存在这种情况下一定会出现单点瓶颈，因此笔者为大家演示了如何实施多级Cache方案来防止分布式缓存系统出现单点瓶颈。由于写操作无法直接在缓存中完成，因此大量的并发更新热点数据（库存扣减）都是针对数据库中同一行的——本书以MySQL为例，而这必然会引起大量的线程来相互竞争InnoDB的行锁；并发越大时，等待的线程就越多，这会严重影响数据库的TPS，导致RT线性上升，最终可能引发系统出现雪崩。为了避免数据库沦为瓶颈，笔者为大家演示了如何通过分布式锁、乐观锁在分布式缓存系统中扣减库存、通过抢购限流控制单机并发写流量，以及如何使用阿里开源的AliSQL数据库提升“秒杀”场景性能。

在本书的最后一章，笔者为大家讲解了数据库分库分表案例。本章演示了如何通过分库分表中间件Shark来帮助企业实施分库分表改造，以及分库分表后所带来一系列影响的解决方案，并重点分享了笔者在实际工作中订单业务实施分库分表改造后，应该如何同时满足Buyer和Seller的多维度查询需求。

章节目录

第1章 分布式服务案例 1

1.1 分布式系统的架构演变过程 2

1.1.1 单机系统 3

1.1.2 集群架构 4

1.1.3 拆系统之业务垂直化 6

1.1.4 为什么需要实现服务化架构 8

1.1.5 服务拆分粒度之微服务 10

1.2 系统服务化需求 11

1.2.1 服务化与RPC协议 11

1.2.2 使用阿里分布式服务框架Dubbo实现服务化 12

1.2.3 警惕Dubbo因超时和重试引起的系统雪崩 16

1.2.4 服务治理方案 18

1.2.5 关于服务化后的分布式事务问题 20

1.3 分布式调用跟踪系统需求 21

1.3.1 Google的Dapper论文简介 22

1.3.2 基于Dubbo实现分布式调用跟踪系统方案 25

1.3.3 采样率方案 35

1.4 本章小结 37

第2章 大流量限流/消峰案例 38

2.1 分布式系统为什么需要进行流量管制 39

2.2 限流的具体方案 42

2.2.1 常见的限流算法 43

2.2.2 使用Google的Guava实现平均速率限流 45

2.2.3 使用Nginx实现接入层限流 48

2.2.4 使用计数器算法实现商品抢购限流 49

2.3 基于时间分片的消峰方案 51

2.3.1 活动分时段进行实现消峰 52

2.3.2 通过答题验证实现消峰 52

2.4 异步调用需求 53

2.4.1 使用MQ实现系统之间的解耦 54

2.4.2 使用Apache开源的ActiveMQ实现异步调用 55

2.4.3 使用阿里开源的RocketMQ实现互联网场景下的流量消峰 61

2.4.4 基于MQ方案实现流量消峰的一些典型案例 72

2.5 本章小结 75

第3章 分布式配置管理服务案例 76

3.1 本地配置 77

3.1.1 将配置信息耦合在业务代码中 77

3.1.2 将配置信息配置在配置文件中 79

3.2 集中式资源配置需求 82

3.2.1 分布式一致性协调服务ZooKeeper简介 83

3.2.2 ZooKeeper的下载与集群安装 84

3.2.3 ZooKeeper的基本使用技巧 86

3.2.4 基于ZooKeeper实现分布式配置管理平台方案 87

3.2.5 从配置中心获取Spring的Bean定义实现Bean动态注册 93

3.2.6 容灾方案 95

3.2.7 使用淘宝Diamond实现分布式配置管理服务 96

3.2.8 Diamond与ZooKeeper的细节差异 101

3.2.9 使用百度Disconf实现分布式配置管理服务 102

3.3 本章小结 110

第4章 大促场景下热点数据的读/写优化案例 111

4.1 缓存技术简介 112

4.1.1 使用Ehcache实现数据缓存 114

4.1.2 LocalCache存在的弊端 116

4.1.3 神秘的off-heap技术 117

4.2 高性能分布式缓存Redis简介 120

4.2.1 使用Jedis客户端操作Redis 121

4.2.2 使用Redis集群实现数据水平化存储 122

4.3 同一热卖商品高并发读需求 124

4.3.1 Redis集群多写多读方案 125

4.3.2 保障多写时的数据一致性 126

4.3.3 LocalCache结合Redis集群的多级Cache方案 128

4.3.4 实时热点自动发现方案 130

4.4 同一热卖商品高并发写需求 132

4.4.1 InnoDB行锁引起数据库TPS下降 132

4.4.2 在Redis中扣减热卖商品库存方案 134

4.4.3 热卖商品库存扣减优化方案 138

4.4.4 控制单机并发写流量方案 141

4.4.5 使用阿里开源的AliSQL数据库提升秒杀场景性能 142

4.5 本章小结 148

第5章 数据库分库分表案例 149

5.1 关系型数据库的架构演变 150

5.1.1 数据库读写分离 150

5.1.2 数据库垂直分库 151

5.1.3 数据库水平分库与水平分表 152

5.1.4 MySQL Sharding与MySQL Cluster的区别 153

5.2 Sharding中间件 154

5.2.1 常见的 Sharding中间件对比 155

5.2.2 Shark简介 156

5.2.3 Shark的架构模型 157

5.2.4 使用Shark实现分库分表后的数据路由任务 159

5.2.5 分库分表后所带来的影响 166

5.2.6 多机SequenceID解决方案 167

5.2.7 使用Solr满足多维度的复杂条件查询 170

5.2.8 关于分布式事务 172

5.3 数据库的HA方案 173

5.3.1 基于配置中心实现主从切换 174

5.3.2 基于Keepalived实现主从切换 176

5.3.3 保障主从切换过程中的数据一致性 179

5.4 订单业务冗余表需求 180

5.4.1 冗余表的实现方案 181

5.4.2 保障冗余表的数据一致性 183

5.5 本章小结 186

后记 187

使用说明

1、下载并解压，得出pdf文件

2、如果打不开本文件，请务必下载pdf阅读器

3、安装后，在打开解压得出的pdf文件

4、双击进行阅读试读