高性能架构
上一篇文章初识架构让我们对架构设计的复杂度考虑有了一定了解，主要有个高可用、高性能、可扩展。但仅仅知道是不够用的，接下来，将从高性能来进行详细分享
1. 高性能数据库
从数据库分享高性能，主要是两个方面分别是：
1.1 读写分离
读写分离的主要原理是将读和写分散到不同的节点上
1.1.1 实现方式
数据库搭建主从模式，一主多从或一主一从。主服务器负责写， 从服务器负责读。从服务器通过复制的方式从主服务器同步数据。
在业务域实现分别有两种方式：
- 从代码层面实现。主要是代码封装，通过将读写请求分离出，请求不同的数据源
- 从中间件层实现。如：MysqlProxy等
1.1.2 带来的问题
读写分离将业务读写的压力分开，但是也带来了一些其他问题，如：
- 主从复制可能有延时，主从数据间数据不一致问题
- 将数据的读压力分散开，但是并没有减少数据库的写压力
- 为了区分度读写操作，需要引入中间件或对代码进行改造
1.2 分库分表
通常在数据表有压力的时候，我们会采取分库分表的策略，将数据分在不同的数据区域，减少数据存储压力。
1.2.1 分库
业务分库：按照业务模块将不同的数据存储到不同的数据库服务器
2.1.1 带来的d问题
- 事务问题： 多库间操作无法在一个事务内完成
- 成本问题：分库带来服务器数量增加，从而增加成本
- 数据查询带来复杂问题： 多库不利于 join()操作
1.2.2 分表
分表：单表存储数据过大时，需要对数据进行分表存储，放在不同的表中。分表又分为两种，分别是：垂直分表、水平分表。
垂直分表：把不常用的字段分出去。分表方式如：备注，内容等大字段
水平分表：对单表数据较大的进行分表。分表方式如： ID， 年月
1.2.2.1 分表策略
分表需要把数据分配到不同的表中，这就涉及到了表数据的分配算法。主要的分配算法有：
- 范围路由：如根据ID，1999999,10000009999999
- Hash路由：可以根据某些字段，进化hash计算，如 hash%表数。
- 配置路由：新建一张表，配置路由键与表之间的关系。如log_id，table_num两列。
1.2.2.2 带来的问题
- 数据表聚合操作标的麻烦，如：group by，count等
- 合适的数据路由策略选择，防止数据不均匀
1.3 优化策略
通常，我们在数据库出现瓶颈压力的时候可能优先考虑的是上述方案，这样其实是不对的。对于数据库方面的优化策略主要是：1、从硬件方面优化。2、SQL优化。3、增加缓存。4、分库分表。这样优化的如要目的主要是减少代码的改动量，保证业务的稳定性。
2. 高性能NoSQL
在某些情况下，我们需要根据具体情况选择合适的NoSQL，具体有如下NoSQL。
2.1 Key-Value形式
key-value形式的NoSQL主要解决关系型数据库无法存储数据结构的问题。以Redis为代表。
2.2 文档数据库
文档数据库主要解决关系型数据库强Schema问题。以MongoDB为代表。
2.2.1 优点 & 缺点
优点：1、新增字段简单。 2、对历史数据不会造成影响。 3、容易存储复杂结构数据，如JSON。
缺点：1、不支持ACID
2.3 列式数据库
列式数据库主要解决大数据场景下I/O问题。以HBase，clickhouse为代表
2.3.1 优点 & 缺点
优点：1、数据读取量小，如一行是4K, 某列可能只有4Byte，可以减少I/O。 2、同一列数据高度相似，可以提高压缩比例，易于存储。
缺点：1、对多列数据进行修改，查询多列由于是随机I/O，相对与行顺序I/O，性能较差。
2.4 全文搜索引擎
全文搜索引擎主要解决关系型数据库全文搜索性能问题。以ES为代表。
1 & 2 小结
关于数据库选择方式，我们需要以需求为导向。根据合适的业务场景选择合适的数据库。主要的考量指标有：数据量、并发量、一致性要求、读写分布、安全、运维等。
3. 高性能缓存架构
在应对一些又计算后得出的数据，或者读多写少的场景，一般存储系统无法应对，我们需要引入缓存。如：Redis，MemCache。接下来主要说一下系统引入缓存架构带来的问题。
3.1 缓存穿透
缓存穿透主要是数据的查询直接落在数据库上导致。造成缓存穿透的主要原因有两点，分别是：
- 查询数据不存在。
- 查询数据刚好失效，生成缓存时间较长。
解决策略：
- 缓存空数据
- 使用布隆过滤器
3.2 缓存雪崩
缓存雪崩主要是缓存失效，引起系统性能急剧下降。造成雪崩的主要原因是：
- 新缓存生成耗费时间，多线程同时更新缓存，造成DB压力，从而拖动系统西能。
解决策略：
- 更新锁机制：对缓存的更新进行加锁操作。
- 后台更新机制： 缓存长久有效，通过后台手动更新或缓存失效，触发后台更新等。
3.3 缓存热点
缓存热点主要是同一时间访问量急剧增大导致，如微博上"爆"点。
解决策略：
- 多级缓存：通过实时分析，将预热数据存入本地缓存中，然后才是缓存系统
- 将热点数据进行多副本保存：如key_1, key_2, key..n等，分散查询。
4. 单机高性能
增加单机高性能，则可以通过增加进程或线程的方式，我们一般通过增加线程的方式。主要的方式有两种：分别是：
- IO多路复用， Reactor
- AIO
5. 高性能负载均衡
通常，负载均衡也是高性能的一块，一个合适的负载均衡，对系统的提升也非常明显。从大往小了说，主要分为三类，分别是：DNS负载，硬件负载，软件负载。接下来将一一介绍。
5.1 DNS负载均衡
DNS负载均衡主要是有DNS厂商提供的一种负载均衡算法，其主要逻辑是：通过解析域名，可以返回不同的IP地址。如：解析www.jd.com，上海用户通过DNS解析出来的地址可能是：10.23.12.1; 黑龙江用户解析出来的是：60.111.23.55；这样通过不同的IP，访问就近的地址，加速用户的访问。
5.1.1 优点 & 缺点
DNS负载的优点主要有：1、直接又DNS厂商提供，操作简单，成本低。2、用户访问就近区域，加速用户访问速度。
缺点也比较明细：1、IP缓存时间长，用户可能更新不及时。
5.2 硬件负载均衡
硬件负载均衡主要是通过硬件层面来进行负载均衡，和交换机，路由器类似。主要代表有F5,A10。
5.2.1 优点 & 缺点
优点：1、性能强劲，可以支持百万级并发量。 2、支持在网络各层级进行负载，支持多种负载算法。3、支持安全防火。如：DDOS
缺点：1、价格昂贵，一般公司承受不起。2、可以根据业务配置，但是无法进行扩展和定制
5.3 软件负载均衡
软件负载均衡主要是通过软件来进行负载均衡，主要代表有Nginx（7层）、LVS（4层）等。同硬件想比，软件则无法支持那么大的并发量。但也有自己的优点。
5.3.1 优点 & 缺点
优点：1、部署运维简单，都提供部署方法。2、便宜，多加机器就可以部署。3、灵活，可以在网络7层或4层进行配置，支持扩展。
缺点：1、没有硬件负载那么大并发，如Nginx并发：5W/s。2、不支持网络安全防护，如DDOS攻击。
5.4 负载均衡算法分类
讲完了负载均衡，那接下来就讲解一下负载均衡算法的分类，主要也分为四大类，分别是：任务平分类、负载均衡类、Hash算法、性能最优类。接下来一一分析一下。
5.4.1 任务评分类
任务平分类主要是将任务平均分配，实现比较简单，无状态，和机器无关。如：轮询
5.4.2 负载均衡类
这里的负载均衡不是我们理解的负载均衡，而是通过计算出机器的性能，使用情况，如：CPU，IO，网卡连接数等，然后在分配任务。对机器性能做出平衡。防止差的机器接收大量的任务。如：加权轮询，负载最低优先
5.4.3 Hash类
负载均衡根据任务中的某些信息，进行hash计算，将相同hash值的任务放在同一个服务器上。这样可以满足某些特定业务需求。如：根据机器Ip进行hash计算，或者根据id进行hash计算。
5.4.4 性能最优类
性能最优类和负载均衡类有所不同，性能最优类是站在客户端的角度来看，谁处理任务快，就把任务多分配一些。负载均衡类是站在服务器端的角度来看。
6 总结
以上是总结的关于高性能架构设计时，我们可以考虑的点。在考虑设计时，我们不必拘泥于选择其中一点，而是进行搭配使用。为了满足业务需求，进行最大程度选择组合，这样才可以设计出符合业务的高性能架构。
