一个好的架构是靠演变而来，而不是单纯的靠设计。刚开始做架构设计，我们不可能考虑到架构的高性能，高扩展，高安全等各方面的因素。随着业务需求越来越多，业务的访问压力也越来越大，架构也在不断的演变及进化。
一： 架构的原始阶段
万能的单机
架构的最原始阶段，即一台ECS（Elastic Compute Service弹性计算服务）服务器搞定一切。对应的web服务，db，静态文件资源都部署到同一台ECS上就ok。
一般5万-30w的pv访问量，结合系统内核参数调优，web应用的性能参数调优，数据库调优，基本上能为稳定的运行
二：架构基础阶段
web应用，数据库应用 物理分离
当访问量达到50万-100万pv的时候，部署在一台服务器上的web应用和数据库应用，会对服务器的cpu，内存，磁盘IO，带宽等系统资源进行竞争。（产生资源竞争）。这时候就出现了瓶颈。
解决方案：
将web应用和数据库应用进行物理隔离，单独部署。来解决性能问题
采用ECS+RDS模式
三： 架构动静分离阶段
静态缓存+文件存储
通过将动态请求和静态请求的访问分离，有效解决服务器的cpu，内存 磁盘IO，以及带宽压力
当访问量到100万-300万pv的时候，这时候前端web服务出现性能瓶颈。大量的web请求阻塞，同时服务器的cpu，内存，磁盘IO，带宽都有压力。
解决方案：
1 将网站的静态资源 存储在oss上，静态资源包括（网站图片，html，js，css文件）
2 通过cdn将静态资源分布式缓存在各个节点上实现“”就近访问“”
架构采用：CDN+ECS+OSS+RDS
四： 架构分布式阶段 负载均衡
当访问量达到300万-500万pv的时候，虽然“”动静分离“”有效分离了静态请求的压力，但是动态请求的压力已经让服务器吃不消了。最直观的现象是：
瓶颈：
1 前端访问阻塞，延迟，服务器进程增多，cpu100%
2 出现常见的502,503 504 的错误码
单台web服务器已经无法满足需求，需要通过负载均衡技术增加多台web服务器（对应ECS可以选择不同可用区，进步一保障高可用） 告别单机时代，转变为分布式架构阶段
解决方案：
架构采用：CDN+SLB+（ECS1，ECS2，，，）+OSS+RDS
五： 架构数据缓存阶段
数据库缓存
当访问量到500万-1000万pv的时候
虽然负载均衡+多台ECS解决了动态请求的性能压力，但是这时候我们发现，数据库出现了
瓶颈:
1 RDS的连接数增加 并且阻塞，
2 cpu100% IO PS 飙升
解决方案：
通过数据库缓存，有效减少数据库访问压力，进一步提升性能
架构采用：
CDN+SLB+（ECS1，，，）+OSS+云数据库memchace（或者redis）+RDS
六： 架构扩展阶段
垂直扩展
当访问量到1000万-5000万pv。虽然这个时候我们可以看到通过分布式文件系统OSS已经解决了文件存储的性能问题
cdn也解决了静态资源访问的性能问题。但是当访问量再次增加，这个时候web服务器和数据库方面依然是瓶颈。
解决方案：
在此，我们通过垂直扩展，进一步切分web服务器和数据库的压力，解决性能问题
“”垂直扩展“”：按照不同的业务（或者数据库），切分到不同的服务器（数据库）上，这种切分叫垂直扩展
垂直扩展第一招： 业务拆分
在业务层，可以把不同的功能模块拆分到不同的服务器上进行单独部署。比如，用户模块，订单模块，商品模块等，拆分到不同的服务器上部署
垂直扩展第二招：数据库读写分离
在数据库层，当结合结合数据库缓存，数据库压力还是很大的时候，我们可以通过读写分离的方式，进一步切分及降低数据库的压力
垂直扩展第三招：分库，分表
我们可以把用户模块，订单模块，商品模块分别存放到不同的数据库中，如用户模块库，订单模块库，商品模块库
架构采用：
CDN+SLB+（ECS，，)+OSS+云数据库memcache（redis）+RDS读写分离
七：架构分布式+大数据阶段：水平扩展
当访问量达到5000万pv以及以上的时候，垂直扩展的框架也已经开始“”山穷水尽了“”
瓶颈：
1 读写分离仅解决 读 的压力， 面对高访问量的时候，数据库在“”写“”的压力上面“”力不从心了“”，
2 分库虽然将压力拆分到不同的数据库中。但单表达到TB级别以上，显然已经达到传统关系型数据库处理的极限
水平扩展第一招： 增加更多的web服务器
通过业务垂直拆分部署在不同的服务器后，当后续压力进一步增大，增加更多的webservice 进行水平扩展
水平扩展第二招：增加更多的SLB
单台SLB也存在单点故障的风险，即slb也存在性能极限，如qps最大值5w，通过dns轮询，将请求轮询转发至不同可用区的SLB上面，实现SLB水平扩展
水平扩展第三招：采用分布式缓存
单台存在性能极限 ，最大吞吐峰值为512Mbps
我们可以部署多台memcache，在代码层通过hash算法将数据分别缓存至不同的云数据库中
水平扩展第四招： sharding+nosql
面对高并发，大数据的需求，传统的关系型数据库已不在适用。
采用： DRDS（mysql sharding 分布式解决方案）+OTS（基于列存储的分布式数据库） 对应的分布式数据库来根本性的解决问题。
架构采用CDN+DNS轮询+SLB+ECS+OSS+云数据库memcache+DROS+OTS（现在已更名为表格存储Table Store）
