奶奶从路边捡来一只小鸡。它总是喳喳的叫，但是周末我坐在那里的时候，它就会蹲在我脚上，很安详的样子。然后小鲜肉就过来说：麻麻，我好想吓唬它。小鸡被吓的到处乱串。我说了挺多话没法让小鲜肉停下来。我就叹了口气在那里看着。一个5岁的孩子本来就不具备换位思考的能力。还有一个问题，我其实根本不知道小鸡是怎样想的。只是觉得它趴在我脚上的时候很安心很安静。晚上下班我会把手伸到笼子里陪它待一会儿，因为我想它是很想自己的妈妈的。
本文首发于静儿1986的博客，原文地址是http://www.cnblogs.com/xiexj/p/6874654.html。
先说说我们部门的业务。我们部门掌管乐视网所有的视频音频等最核心数据的信息。所有子业务都围绕着这个核心数据。最笼统的分可以分为两块：读和写。
读数据除了直接依赖DB的内部操作之外，就是直接通过http请求的RPC调用。因为调用这个接口的业务方非常多，他们用的语言和技术非常杂，http有更好的通用性和便于运营人员等不懂技术的人排查问题，只能内网访问，也很安全。这是部门并发量最大的服务。单台机器QPS一般在2k多，低谷时在1k多，高峰时在3k多。线上11台接口服务器同时工作。但是读数据为了提高并发量，将全量的视频和专辑数据存在了memcached缓存里。所以一旦其他业务方更新了数据会直接发送MQ消息给读数据服务，读数据服务更新了缓存后要给业务方回复消息。
读数据还有一种被叫做离线数据推送。这是由于像搜索部门这样的，需要所有视频相关的全量数据，不合适通过接口访问。之前用的是他们直接依赖我们的数据库镜像。但是这样我们这边要进行数据库改造，分库分表或者其他的表结构修改，就要通知各个依赖业务方。所以我们就改用定时全量数据推送给他们和MQ实时数据发消息的方式进行解耦。
还有一个面向所有部门同事的服务，就是统一异常平台。部门的所有子业务的异常都会异步发送到统一的Redis中。可以在一个公共的平台统一查看。对于特定业务的，会给特定的同事发出告警邮件。
写数据的业务方非常多，我们部门也有。其他部门也有。写数据就是创建，修改和删除。写数据QPS很低。
创建时不仅要走我们这边，还要调用云存储，云转码等其他部门的接口。具体流程可参考之前的一篇文章：《一个请求过来都经过了什么》。
修改是走我们部门内部系统或者调用我们的API。
删除只能走我们部门内部系统，删除接口目前不向其他业务部门开放。
我自己目前主要做的就是读数据的部分。离线数据算是我开发的，其他人是拷贝的我的。目前正在进行RPC接口的改造。写我也做过。PGC项目是专业用户进行视频上传的，当年是我做的。这是一个平台。我做过数据接入。就是我们购买一些版权的公司将他们的视频的介质和媒体信息直接ftp放到我们服务器上，或者给我们一种调用方式我们自己去取，这种属于后台服务。我也维护过我们的视频后台系统。是我去美国做数据接入的时候，美国运营同事总是过来找我说我们系统的问题，由于时差，我只能自己动手改了。
后台服务可以自己想怎么写怎么写。其他的，不管是读接口，PGC还是后台系统都是采用的SOA架构将业务垂直分解为前端(对于平台来说就是和界面打交道的，对于读接口来说就是业务方调用的)，使用Dubbo来调用数据服务。基于这种设计，一个子业务的代码基本模块都分为API模块，WEB模块(读接口无此模块)，common模块(一些公用工具或者公用POJO), client模块（dubbo服务的接口），service服务(dubbo服务的实现，即服务提供者)。
简单介绍一下Dubbo：Dubbo是一种透明化的远程方法调用，就像调用本地方法一样调用远程方法，只需简单配置，没有任何API侵入。实现了软负载均衡及容错机制，服务自动注册与发现，能够平滑添加或删除服务提供者。
下面是今天的重点，吐槽一下我们目前读接口的架构不合理（当然不合理是很正常的，这是一个为期三年的古董），我们新方案已经设计好了。
读接口业务简单，并发支持需求大。如果说采用Dubbo层是为了与业务分离，提高服务的复用率，提高数据的统一性。目前一个子业务就自己弄一套Dubbo。有API和WEB两个对前端业务的也将就起到作用了。读接口就是一个api调服务，有啥复用的啊。Dubbo的读接口采用默认的阻塞模式，高并发的情况下Dubbo就会成为性能瓶颈。
业务方可以进行数据的更新，他们更新DB后还要维护我们的缓存。我们的缓存采用的乐视统一的CouchBase集群。CouchBase是Memcached的升级版。既然是走Memcached协议，那么就可以使用Moxi代理来提高性能。
简单介绍一下Moxi：它基于memcached开发，对于并发的gets请求，做合并来减少和memcahed server的交互。对热点访问的cache会在本地缓存，减少network hops。network hops就是网络路由跳数，距离目的网络所经过的路由器数目。对于某种类型的key，可以异步set。可配置超时时间，也有错误重试机制。
各个业务线反馈说Memcached不好用，有性能问题。好多业务线自己换成了Redis，解决了好多神奇问题。撇开这些数据不谈，给你一个用Redis而不用Memcached理由：Memcached的各种强化和代理Memcached自己都可以做，但是没有做。Redis却在不断的更新和优化。
还有一个专门维护这个缓存数据一致性的服务。我个人觉得我们系统过分的强调了一致性，却牺牲了性能。下面是一些基本的理论：
分布式领域CAP理论：
- Consistency(一致性)，数据一致更新，所有数据变动都是同步的。
- Availability(可用性)，好的响应性能
- Partition tolerance(分区容错性)可靠性。
定理：任何分布式系统只可同时满足两点，没法三者兼容。
忠告：架构师不要将精力浪费在如何设计能满足三者的完美分布式系统，而是应该进行取舍。
一致性模型：
- 强一致性
- 单调一致性
- 会话一致性
- 弱一致性
- 最终一致性
BASE理论（CAP理论的延伸）：
- 基本可用（Basically Available）:允许损失部分可用性，保证核心可用
- 软状态（Soft State）:分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的提现。mysql replication的异步赋值也是一种体现。
- 最终一致性（Eventual Consistency）：
核心思想：即使无法做到强一致性，但是应用可以采用合适的方式达到最终一致性。
像我们常用的分布式存储：mysql的主从读写分离，redis缓存的master-slave形式的主从复制都是基于操作记录的，都会有时延，也就是保证最终一致性而已。
题外话：基本的理论和名词概念是很实用的。比如在之前公司做搜索引擎的时候，搜索引擎需要分词，分词的分词组件叫Tokenizer。这个不是搜索引擎特有的概念。Java的rt.jar这个最基础类库里有StringTokenizer和StreamTokenizer。如果你了解了这个，就很容易理解理解搜索引擎的分词是干什么用的。
再说我们项目中过分强调数据一致性而损失性能和高可用的事情。完全可以不对一致性不那么精益求精。这并不是说不追求完美。追求完美可以提现在哪些方面呢？
之前做的一个信用名片的项目，有的用户在某星手机的某些版本中上传头像，上传之后头是倒着的。经调查发现我们拍的照片在手机上可以各个角度拍摄，凭借着EXIF信息，这是一种专门为数码相机设置的格式。里面有拍摄时翻转手机的信息，可以有8种角度。很多操作系统和图片查看软件都会自动按照信息里的翻转角度，将图片翻转回来。但是某星的某些版本没有这个功能。针对这个问题，开始的时候，我用了一个国外的元数据萃取的工具包将这个EXIF信息的翻转信息提取出来。效果已经达到了。但是作为代码手艺人，觉得只是这么个小需要就添加了一个1MB多的jar包，而且实际上它的实现是解析构建DOM树的方式，意味着为了提取翻转信息，要解析构造整个文件对象。所以我自己又采用了直接读取图片二进制流的方式，取图片前面如果以0xFFD8开头的就是包含EXIF信息的，否则不予处理，读取文件结束。以0xFFD8开头的要判断是否包含旋转信息，包含旋转信息的判断是Intel标准还是Motorola标准，因为这两个标准高字节和低字节代表的含义正好相反。就这样一直到读到旋转信息或者判断出不存在旋转信息，文件关闭。所以最后读入的文件数据很少，效率大大提高。
在之前公司用Solr搜索引擎的时候，有个需求是过滤输入的html标签。但是在Solr中对索引读入后的第一个操作就是分词，使用Solr自带的或者外部的分词器。然后再对分好的词进行更细节的过滤或者近义词之类的。但是这第一步就直接破坏了文档的结构，变成了一个个单词，而不是html文档形式。再去除，可以去除，一个个过滤符号和单词是否是html标签，判断前后都是啥。能做，第一，麻烦，最重要的是效率低。所以我当时的做法是直接修改了自己用IK分词器的源码，读入数据第一个操作先过滤标签。这就很好办了，apache有现成的工具类。这样避免了读入读出带来的性能损耗。
说了这么多，架构到底是一个什么概念。我个人理解，在一个组织和系统内可以有很多维度的架构。
比如业务架构是我们老大要考虑的事情。他心目中有一个自己的业务架构定位，外面提了一个需求，他有自己的规划，这个是不是应该纳入我们的业务体系。
比如系统架构是管理者和架构师一起进行考虑的事情。业务定好了，那么用怎样的模块去划分这个业务更利于维护，更高效。
比如技术架构是架构师的最重要责任。真正从技术角度去展示一个系统，包括硬件的，软件的，抽象的，具体的。它包括网络，服务器，第三方产品使用和调用，软件架构和数据架构。
比如软件架构是开发人员可以接触到的软件开始的部分。比如一个web系统从nginx反向代理开始到一个SOA架构的系统：包括resin服务，resin服务上有一个mvc架构的程序，调用另一个服务的系统，系统又和缓存，数据库，消息队列，第三方调用打交道。
比如数据架构，这个之所以单提出来是因为数据是服务的核心。比如对一个WEB应用来说，有一些数据是直接可以放到客户端的，如JS，静态页面。还有一些数据是要放到服务端的。服务端的数据又要考虑是放在缓存还是数据库还是文件等等。放在什么地方要综合考虑效率，带宽，安全，数据有效性和可靠性。
