泪目，不堪回首！
博主毕业4年了，最近秋招开始了，每次回想起自己的秋招，都感觉到当时自己特别的可惜（菜是原罪）,自己当时简历上面的项目，只有一个 农资电商平台,当时的秒杀系统还没有那么普及（简历人均秒杀系统）。
第一次微众面试
当年自己的八股文背的其实还可以，但是自己的项目就只是一个单机系统，分布式？微服务？什么玩意？,还记得当时微众面试，是二面，在一个酒店房间，面试官笑嘻嘻的看着我，说让我先画一下我项目里面的农资电商平台， 我脑子嗡嗡叫，啥？咋画， 就一个安卓系统，一个前端页面，和一个后台系统？
大概长这样子
image.png我擦，这也太简单了吧， 我是不是该画复杂一点？ 或者说，我这个能叫架构吗？就这样，犹豫之间，毛线都没有画出来... 我记得当时好像画了个这样子的玩意。。毫无意外的，嗝屁了～
这玩意有点四不像，不说了，丢脸～
image.png
第二次微众面试
第二次微众面试，毕业有快一年了，抱着试一下的心态，找了个师姐内推, 那时候我在干啥呢，在搞爬虫。公司离微众比较近，就在金蝶那边,下班了溜过去，跟面试官吧啦了一会八股文，好家伙，没一会就掏出了一张纸：
来画一下你们现在这个爬虫系统的架构图！
当时系统的部署架构长这样吧， 比上面的看起来还简单一点。
image.png但是，我就是画不出手啊！！！心里想着太简单了啊！！这玩意能叫架构吗？
摊牌了， 我不会画！
现在想起来，真的太憋屈了，年轻啊！那如果现在来回头看的话，能怎么画呢？
单体系统的部署架构图
image.png
爬虫系统的分层架构图
image.png
爬虫系统的业务架构
image.png
架构图
从上面的各个方向描述架构来看，其实即使是单体系统 也能够画出不一般的架构图！（为啥当时我就不会呢！）最近在看架构相关的内容（华仔的课），在4+1 视图里面，从多方面描述了我们的系统，可以参考下面的描述，
image.png
你的秒杀系统，架构是怎么样的？
单体系统
不管你们简历吹的多牛逼，我猜你们的服务，大部分都是长这个样子的，猜对的话点个关注, 只有浏览器是分布式的。
image.png
那我该如何去描述我的单体系统呢？
架构设计的三大原则：
- 简单原则
- 合适原则
- 演进原则
每一条原则都符合我们大学做的秒杀系统啊！！
简单原则：一个系统就可以满足我们秒杀服务的所有动作，没有太多的中间件依赖合适原则：在我们的实践项目中，单体系统是最适合不过的了。（主要是没钱啊！拆分服务，引入中间件，部署集群，都得钱啊！）演进原则：这个比较好理解，没有什么系统架构是一出生就定下来的，是随着时间，业务需求，不断演变出来的。
总结：
我们架构的优势： 成本低，系统复杂度低，维护成本低，快速定位问题劣势：稳定性差，并发量低，扩展性弱等
在梳理架构时，每个方案都有他的优势和缺点，所以需要了解你目前方案的优缺点。才能更好的向面试官展示你的系统！
服务拆分
好家伙，参加了个科创比赛，资金到位了，能买更多机器了，那不得将服务优化一下，拆分个微服务系统出来！
image.png
在这个服务拆分的架构中，我们做了哪些动作？
- 静态资源隔离（CDN加速
） - 代理服务器（Nginx
） - 服务拆分，应用独立部署
- 服务rpc通信 （rpc框架 & 注册中心
）
1、前后端分离
在单体系统中，我们的静态资源（Html,JS,CSS 和 IMG）可能都是通过我们服务端进行返回，存在的问题是：
- 前端代码维护
成本比较高（全栈开发成本也高） - 前端代码发布，需要整个系统进行发布
- 服务器带宽
，请求资源
占用等
那么通过前后端分离所带来的好处就很明显了：
- 代码独立维护（低耦合
）,发布成本低(高效率
) - 前后端通过接口交互动态数据
- CDN资源
访问加速,减少后端服务压力（高性能
）
2、反向代理
反向代理的作用比较明显， 由于我们服务拆分成多个，那么我们和前端进行交互时，需要提供一个通用的入口。而这个入口，就是我们的反向代理服务器(Nginx)。例如：服务域名：https://www.jiuling.com ，根据restful规范，我们可以通过 https://www.jiuling.com/user/1.0/login 将请求转发到 用户服务的登录接口中。
3.进程间通信
随着服务的拆分，在部分功能的实现上，就会涉及到服务间相互调用的情况，例如：
image.png在常见的实现方案上，我们会采用 注册中心 和 RPC框架,来实现这一能力。而我们比较常用的实现方案就是 zookeeper & dubbo。
image.png
为什么要使用 RPC 框架？
当我们提到使用 RPC框架 的时候，是否有去思考过，为什么要使用 RPC框架？ 每个服务提供 RESTful 接口，不是也能够完成服务间通信吗？这里就需要进行对比 RPC 和 RESTful 的区别了:
- 数据报文小&传输效率快
：RPC
简化了传输协议中一些必要的头部信息，从而加快了传输效率。 - 开发成本低
：例如 Dubbo
框架，封装好了服务间调用的逻辑(如：反射
，建连
和超时控制
等)，只需要开发相应的接口
和数据模型
即可。 - 服务治理
: 在分布式场景下，我们的服务提供者不止一台，那么就涉及到 服务健康
，负载均衡
和服务流控
等情况需要处理，而这部分能力在rpc & 注册中心
的架构下，都已经满足了。
说完优点后，再来分析一下，RPC的缺点:
- 耦合性强
：相较于 RESTful
而言，RPC
框架在跨语言的场景下实现比较困难。并且版本依赖
比较强。服务脱离了当前内网环境
后，无法正常提供服务,迁移成本高。 - 内网调用
：RPC
更适合内网传输，在公网环境下，显得没那么安全。
分布式微服务
在上一个版本的服务拆分中, 我们根据不同的业务边界，功能职责,划分出了多个子系统,而针对不同的系统，他所承受的负载压力是不一样的，例如：订单服务的每个请求处理耗时较长（其他服务压力不大），为了挺升我们的下单量，我们可以只扩容订单服务即可,这就是我们在服务拆分所带来的收益，性能使用率提升！
image.png从上面的图我们可以看到，有些服务出现了不同的重影，每一个方块,可以理解为一台机器,在这个架构中， 为了保证我们的下单成功率，以及下单量，我们主要将服务器集中在了订单服务。除此之前，再来看看我们的中间件集群部署：
- mysql 主从架构
：读写分离，减轻主库压力，确保数据能正常写入，保障订单数据落库. - zookeeper 主从架构
：保障注册中心可用，避免导致全链路雪崩。 - redis 哨兵集群
：避免redis
宕机导致大流量直接打到数据库中。
小结
到这里为止，一般我们自己开发的系统，也就基本完成了整个秒杀系统的演进了。可能大伙一直有个疑问，为什么少了我们最熟悉的MQ呢？在整个调用链路中，我都是以同步调用的方式去讲述这一个秒杀系统的架构,因为这个已经满足我们当前的流量诉求了，在架构设计的原则里面，提到的，合适原则，和演进原则。在当前满足流量需求的情况下，我们需要先思考引入消息中间件，带来的问题是什么？解决的问题又是什么？在权衡利弊后，才是我们决策是否要使用这个方案的时候。
高性能
在上述架构演进的过程中，我们通过服务拆分，垂直扩容，分布式部署等方式,提升了我们架构的性能和稳定性,对于我们自研阶段的架构演进已经是足够满足我们的流量诉求了，但如果我们想继续优化我们的系统，提升服务性能，可以从以下几个方面进行优化：
- 资源预热
- 缓存预热
- 异步调用
1、资源预热
在上面的服务拆分阶段, 我们就提到了资源动静分离, 这里的静态资源包括：html,js,css,img 等。我们活动阶段，可以通过后台管理系统，将商品服务中的活动的静态资源预热到CDN，加速资源的访问。
资源预热： 通过预先将资源加载到CDN
回源：CDN找不到资源后，会触发源站（商品服务）调用，进行查询对应资源，如果源站存在该资源，则会返回到CDN中进行缓存。
OSS： 实际存储静态资源的服务（可参考阿里云OSS）
image.png上面有反复提到，引入一个技术的时候，需要同时考虑它所带来的利和弊，那么 CDN的风险是什么呢？
- 成本
: 比较直接，就是得多花钱！ - 带宽
：在大流量的访问下， CDN 是否能支撑那么多的带宽，每个服务器能支撑的流量是有限的，需要考虑CDN是否能支撑业务的访问量。 - CDN命中率
: 在CDN命中率低的情况下，比如活动图片
,每一个小时都会发生改变，那么每次图片的替换，都会触发回源操作
,这时候的资源访问效率反而有所下降。
2、缓存预热
与上面的静态资源加速相对比，动态数据则需要通过缓存进行性能上的优化，老生常谈，为什么redis 那么快？
- 单线程（redis的性能瓶颈并不在这，所以这个不算优势）
- 多路I/O复用模型
- 数据结构简单
- 基于内存操作
image.png引入 redis 带来的风险主要有:
- reids
宕机：单机部署的情况下，会导致大量的服务调用超时，最终引起服务雪崩。可通过Sentinel集群
优化。 - 缓存击穿
：大流量下，缓存MISS
和缓存过期
等情况，会导致请求穿透到数据库，如果数据库扛不住压力，会造成服务雪崩。可以通过 布隆过滤器
进行优化。 - 数据一致性
：缓存数据与DB
的数据一致性问题，需要通过更新策略进行保障。
3、异步调用
通过异步的方式，将减库存成功的用户，通过消息的方式，发送给订单服务，进行后续的下单操作。可以在短时间内，将所有的商品销售出去。整体的流程如下图所示：
MQ异步调用为什么能过提升我们服务的吞吐量呢？
主要原因在于，通过异步调用的方式，我们将消息投递过去了，就完成了这一次的请求处理，那么性能的瓶颈，由订单服务，转移到了秒杀服务这里。通过减少调用依赖，从而提升了整体服务的吞吐量。
image.pngMQ 带来的常见问题：
- 数据一致性
- 重复消费
：由于生产者重复投递消息，或者消费缓慢导致重复推送消息。需要通过加锁，消费幂等来保证消费正常。 - 消息堆积
：生产能力远大于消费能力情况下，会导致消息堆积。 - MQ可用性
：MQ宕机的情况下，需要支持同步调用切换。
这里不做详细介绍，后面会专门写一篇MQ相关的文章。
高可用
能看到这里真不容易，感谢大家的支持。关于可用性这里，之前有写过一篇 # 《高可用实战》-B站蹦了，关我A站什么事？感兴趣可以看一下。
高可用主要可以从：
- 动态扩容
：根据服务压力，针对不同服务进行动态扩容。 - 限流熔断
：可参考我之前的文章：# 《高可用实战》-B站蹦了，关我A站什么事？ - 异地多活
: 通过多机房部署，避免物理攻击
！
同城双活
部署在同一个城市不同区的机房，用专用网络连接。两个机房距离一般就是几十千米，网络传输速度几乎和同一个机房相同，降低了系统复杂度、成本。
image.png这个模式无法解决极端的灾难情况，例如某个城市的地震、水灾，此方式是用来解决一些常规故障的，例如机房的火灾、停电、空调故障。
异地多活
在上述模式中，没办法解决城市级别的服务容灾，比如水灾，地震等情。而通过异地多活的部署方案，则可以解决这种问题。但是每个方案都是存在利和弊的，那么异地多活的弊端主要体现在网络传输和数据一致性的问题上!
跨城异地主要问题就是网络传输延迟，例如北京到广州，正常情况下的RTT（Round-Trip Time 往返时延）是50毫秒，
当遇到网络波动等情况，会升到500毫秒甚至1秒，而且会有丢包问题。
物理距离必然导致数据不一致，这就得从“数据”特性来解决，
如果是强一致性要求的数据（如存款余额），就无法做异地多活。
