Uber 经过6年的快速发展，技术构成已经非常复杂，下面看下 Uber 官方公布的技术栈
底层基础
使用混合云模式，结合了多个云服务提供商，全球多个数据中心，如果一个数据中心出错，马上转到另一个，开通了Uber服务的城市，会被分配到物理距离最近的数据中心，并且每个城市的数据都会备份到一个异地数据中心，所有的数据中心都是运行态的，没有单独作为备份的数据中心
在存储方面，以一个 Postgres 数据库起步，后来发展迅速，对存储的要求越来越高，需要提升存储的可用性，并要求降低系统响应时间
现在使用的是 Schemaless、Riak、Cassandra
Schemaless是内部基于 Mysql 构建的存储系统，用于长期的数据存储，Riak 和 Cassandra 用于高可用、低延时的需求
分布式存储和分析使用 Hadoop 体系
缓存使用 Redis，采用了 Twemproxy redis集群方案，Twemproxy 使缓存层具有良好的扩展性，并且不会牺牲缓存命中率
日志
日志对于问题处理、商务分析等都非常重要，日志信息会进入 Kafka 集群，然后被多处消费，例如 Hadoop、文件存储系统、实时处理服务等等
日志的搜索和可视化使用了 ELK（Elasticsearch, Logstash, Kibana）
服务发现和路由
Uber使用SOA架构，在其复杂的网络环境中，各个服务之间必须可以互相沟通，通过结合使用HAProxy 和 Hyperbahn 来解决这个问题
Hyperbahn 是 Uber 开源的一套服务发现和路由系统，专门用于包含大量微服务的大规模系统，可以使服务间的发现和沟通非常简单和可靠
老一点的服务使用 HAProxy 把请求路由到其他服务，使用 HTTP 传输 JSON，这个传输数据的方式可读性好，非常有助于排查错误
后来使用了HTTP的替代协议，例如 SPDY、HTTP/2、TChannel，结合接口定义语言，如Thrift、Protobuf，在系统的速度和可靠性上都很有帮助
开发与部署
开发语言主要是 Python Node.js Go Java，初期使用 Python 和 Node.js，后来为了高性能的需求，采用了 Java 和 Go
Java 还有非常丰富的开源生态系统，例如 Hadoop 和其他分析工具，而 Go 的特点很明确，高效、简洁、快速
在一些系统级的需求上，使用 C/C++，以保证性能
Phabricator 是一个强有力的工具，可以做代码的review和审查、bug跟踪、项目管理、团队成员沟通等等，使用 OpenGrok 帮助搜索代码，做代码导航，文档生成使用 Sphinx，开发环境尽量与产品真实环境一致
对于部署流程，对很多开源工具进行了整合，在其上构建出适合自己的部署系统，整合的工具例如
Packer（容器镜像管理）、Vagrant（开发环境管理）、Boto（Amazon Web Services接口）、Unison（文件同步）
使用 Puppet 进行系统配置管理，使用 Jenkins做持续集成
监控
使用 Go 开发了一个指标数据收集和存储的系统，指标来自Uber的任何部分，例如 server,service,code
数据收集上来之后，进行趋势分析，使用Grafana 来构建仪表盘和图表
还开发了一个异常检测工具，基于历史数据构建预期模型，指标收集上来之后，和模型进行对比，检查当前数值是否在预期范围内
小结
可以看出Uber的技术构成比较复杂，有开源工具，有自研系统，也开源了一些自己的东西
内容整理自Uber官网发布的文章，原文内容更多，地址
https://eng.uber.com/tech-stack-part-one/
有兴趣的话可以看下，建议多看几遍，很有帮助
