因为发现没有办法实现每周按时更新。。改为“文章精选”了
外卖客户端容器化架构的演进 — 美团技术团队
- 移动端跨平台技术介绍
技术 | 原理 | 优势 | 劣势 |
---|---|---|---|
WebView 容器 | 原生的接口封装、暴露给JavaScript调用;js编写的页面运行在WebView中 | 跨端+原生能力 | 跨端的能力受限于桥接层,渲染无法保证原生体验 |
React Native | 使用自己的DSL生成中间格式,映射到对应平台,渲染成平台的组件 | 体验有提升 | 渲染时需要JavaScript和原生之间通信,在有些场景可能会导致卡顿;需要开发熟悉Native |
Flutter | Dart语言,基于Skia引擎自绘 | 性能好 | 与现有架构共存 |
- 美团外卖业务的发展历程 动端上的架构: 为了适应业务的发展要求,也经历了组件化、平台化、RN混合化,再到现在向容器化的变迁。
我是如何将业务代码写优雅的 — 掘金-蚂蚁保险体验技术
对代码进行渐进式重构是提升代码健壮性的有力武器;设计高内聚低耦合的代码可以让你在做需求的过程中沉淀出一套通用解决方案;合理冗余可以简化复杂的场景,让开发变得高效、测试变得容易;拒绝过度抽象,拥抱简单,灵活变化。保持 眼观六路 的好习惯能让代码质量提升一个台阶。
服务端高并发分布式架构演进之路 — segment fault
写的非常清楚,层层递进,motivation和解决思路铺开讲更容易理解和记忆。
- 概念说明
- 分布式:系统中的多个模块在不同服务器上部署
- 高可用:系统中部分节点失效时,其他节点能够接替它继续提供服务
- 集群:一个特定领域的软件部署在多台服务器上并作为一个整体提供一类服务
- 负载均衡:请求发送到系统时,通过某些方式把请求均匀分发到多个节点上,使系统中每个节点能够均匀的处理请求负载
- 正向代理和反向代理:正向代理是代理服务器代替系统内部来访问外部网络的过程,反向代理是外部请求访问系统时通过代理服务器转发到内部服务器的过程
- 架构演进
版本 | 演进 | 特点 | 技术 | 短板 |
---|---|---|---|---|
0 | 单机架构 | Tomcat和数据库部署在同一台服务器上 | - | 随着用户数的增长,Tomcat和数据库之间竞争资源,单机性能不足以支撑业务 |
1 | Tomcat与数据库分开部署 | Tomcat和数据库分别独占服务器资源,显著提高两者各自性能 | - | 随着用户数的增长,并发读写数据库成为瓶颈 |
2 | 引入本地缓存和分布式缓存 | 通过缓存能把绝大多数请求在读写数据库前拦截掉,大大降低数据库压力。 | memcached作为本地缓存,Redis作为分布式缓存,缓存一致性、缓存穿透/击穿、缓存雪崩、热点数据集中失效等 | 缓存抗住了大部分的访问请求,随着用户数的增长,并发压力主要落在单机的Tomcat上,响应逐渐变慢 |
3 | 引入反向代理实现负载均衡 | 在多台服务器上分别部署Tomcat,使用反向代理软件(Nginx)把请求均匀分发到每个Tomcat中 | Nginx、HAProxy,session共享、文件上传下载 | 反向代理使应用服务器可支持的并发量大大增加,但并发量的增长也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 |
4 | 数据库读写分离 | 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,对于需要查询最新写入数据场景,可通过在缓存中多写一份,通过缓存获得最新数据 | Mycat,数据一致性,数据同步 | 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 |
5 | 数据库按业务分库 | 不同业务的数据保存到不同的数据库中,使业务之间的资源竞争降低 | 导致跨业务的表无法直接做关联分析,需要通过其他途径来解决 | 随着用户数的增长,单机的写库会逐渐会达到性能瓶颈 |
6 | 把大表拆分为小表 | 只要实时操作的表数据量足够小,请求能够足够均匀的分发到多台服务器上的小表,数据库就能通过水平扩展的方式来提高性能 | MPP(大规模并行处理) | 数据库和Tomcat都能够水平扩展,可支撑的并发大幅提高,随着用户数的增长,最终单机的Nginx会成为瓶颈 |
7 | 使用LVS或F5来使多个Nginx负载均衡 | 网络第四层负载均衡 | 软件 LVS/硬件 F5 | 由于LVS也是单机的,随着并发数增长到几十万时,LVS服务器最终会达到瓶颈,此时用户数达到千万甚至上亿级别,用户分布在不同的地区,与服务器机房距离不同,导致了访问的延迟会明显不同 |
8 | 通过DNS轮询实现机房间的负载均衡 | 在DNS服务器中可配置一个域名对应多个IP地址,每个IP地址对应到不同的机房里的虚拟IP | 机房间的负载均衡,系统可做到机房级别的水平扩展 | 随着数据的丰富程度和业务的发展,检索、分析等需求越来越丰富,单单依靠数据库无法解决如此丰富的需求 |
9 | 引入NoSQL数据库和搜索引擎等技术 | 非关系型数据库 | 海量文件存储:HDFS;key value:HBase/Redis;全文检索:ElasticSearch;多维分析:Kylin/Druid | 引入更多组件解决了丰富的需求,业务维度能够极大扩充,随之而来的是一个应用中包含了太多的业务代码,业务的升级迭代变得困难 |
10 | 大应用拆分为小应用 | 按照业务板块来划分应用代码,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 | Zookeeper | 不同应用之间存在共用的模块,由应用单独管理会导致相同代码存在多份,导致公共功能升级时全部应用代码都要跟着升级 |
11 | 复用的功能抽离成微服务 | 应用和服务之间通过HTTP、TCP或RPC请求等多种方式来访问公共服务,每个单独的服务都可以由单独的团队来管理 | Dubbo, SpringCloud. 服务治理、限流、熔断、降级 | 不同服务的接口访问方式不同,应用代码需要适配多种访问方式才能使用服务,此外,应用访问服务,服务之间也可能相互访问,调用链将会变得非常复杂,逻辑变得混乱 |
12 | 引入企业服务总线ESB屏蔽服务接口的访问差异 | 通过ESB统一进行访问协议转换,应用统一通过ESB来访问后端服务,服务与服务之间也通过ESB来相互调用,以此降低系统的耦合程度 | SOA(面向服务)架构 | 业务不断发展,应用和服务都会不断变多,应用和服务的部署变得复杂,同一台服务器上部署多个服务还要解决运行环境冲突的问题,此外,对于如大促这类需要动态扩缩容的场景,需要水平扩展服务的性能,就需要在新增的服务上准备运行环境,部署服务等,运维将变得十分困难 |
13 | 引入容器化技术实现运行环境隔离与动态服务管理 | 应用/服务可以打包为Docker镜像,通过K8S来动态分发和部署镜像 | 容器化技术Docker,容器管理服务Kubernetes(K8S) | 使用容器化技术后服务动态扩缩容问题得以解决,但是机器还是需要公司自身来管理,在非大促的时候,还是需要闲置着大量的机器资源来应对大促,机器自身成本和运维成本都极高,资源利用率低 |
14 | 以云平台承载系统 | 系统可部署到公有云上,利用公有云的海量机器资源,解决动态硬件资源的问题,在大促的时间段里,在云平台中临时申请更多的资源,结合Docker和K8S来快速部署服务,在大促结束后释放资源 | - | - |
细数九种常见的设计模式 — 阿宝哥
- 3种类型:
- 创建型模式:单例/原型/工厂方法/抽象工厂/建造者
- 结构型模式:代理/适配器/桥接/装饰/外观/享元/组合
- 行为型模式:模版方法/策略/命令/职责链/状态/观察者/中介者/迭代器/访问者/备忘录/解释器
- 9种常用模式
- 建造者模式:分解,组装
- 工厂模式
- 简单工厂模式/静态方法模式
- 工厂方法模式/多态工厂模式:父类定义公共接口,子类生成具体对象
- 抽象工厂模式:提供一个创建一系列相关或相互依赖对象的接口
- 单例模式:用于保证一个类仅有一个实例,并提供一个访问它的全局访问点
- 适配器模式:解决两个软件实体间的接口不兼容的问题
- 观察者模式&发布订阅模式
- 策略模式:定义了一系列的算法,把它们一个个封装起来,并且使它们可以互相替换
- 职责链模式:多个对象都有机会处理请求,从而避免请求的发送者和接受者之间的耦合关系
- 模版方法:在抽象父类中封装了子类的算法框架,也包括实现一些公共方法以及封装子类中所有方法的执行顺序。子类通过继承这个抽象类,也继承了整个算法结构,并且可以选择重写父类的方法。