工作不到一年，做出了100k系统，老板给我升职加薪
看了下自己上一次发技术文还是在6月15日，算了算也是两个来月了。别怕，短暂的离开，是为了更好的相遇。
来到新公司以后啊，发现公司的搜索业务是真的太多了，大大小小有几百个搜索业务。来了之后得先梳理、熟悉业务，才能有所产出嘛。
但是，在工作了大概一个月的时候，优秀的龙叔发现，这组内的系统优化空间很大啊，简直可以说巨大啊。
所以说，即便是完善的大公司，机会也是有的，大家在自己的工作岗位上也要好好把握机会。在公司想要得到好的提升，主要有三方面可以发力：
第一、直接业务价值显著，比如具体的PV、UV值提升了多少个点； 第二、系统架构迭代升级或者重构，间接带来了用户体验、或者业务价值； 第三、技术突破，在某个领域方向上做到技术突破或者创新；
小伙伴们，升职加薪指日可待啊...
这些系统都是历史包袱沉重啊，是不是感觉历史包袱这个词很熟悉，对于去搞一些历史包袱很沉重的工程，我们惯用的方法是是什么呢？当然是直接重构他
这对于工作不满一年的龙叔来说还是蛮有挑战的，但咱不怕，去做更具挑战性的事，才能更好的锻炼我们的能力，才会意义非凡。
反复思考，反复琢磨了几天后，向leader提出了系统重构的大致方案。一般在公司你想做什么都可以和leader提出来，互联网公司还是比较open的，但是leader会不会采纳你的方案就不一定了。
其实，龙叔对于自己已经画了很多方案图，调查很多业务场景、做了很多讨论之后做的方案还是蛮有信心的。
做就做好准备，不然就是浪费机会。
好了，接下来就不废话了，从几个方面说说这次系统设计：
背景介绍
大家都知道龙叔是做搜索的，所以这次的系统肯定是和搜索相关的，先和大家唠唠搜索整体链路，搜索链路主要分这几个部分，给大家画个图。
搜索引擎链路都包含这三部分，数据源、搜索引擎服务、搜索业务。是不是很简单，感觉搜索也没那么难。
搜索链路确实都包括这三部分，但没我说的那么简单，每两个部分之间链路很长，业务非常复杂。举例说下数据源到搜索引擎服务的链路。
首先数据源不是单一数据源、比如说个电商场景的数据源，主要有商家商品数据、用户数据、爬虫数据等多种数据源。
我这次要做的链路是从数据源到搜索引擎服务这一段，简单点就是数据源提供的数据，需要结构化之后入到搜索引擎，这样搜索引擎才能提供搜索服务。
可这数据源真的是五花八门，提供数据的方式也是五花八门的。
设计步骤
背景基本就介绍到这里了，接下来就说说设计一个系统的步骤。说实话，毕竟是第一次做系统设计，当时真的是无从下手。不过帅气的龙su有法宝啊，多请教，多思考，多查资料。
在方案评审之前我已经做了很多方案设计图，这部分的努力主要是为了通过方案评审，这非常重要，通不过评审，老板不会让你做，就没有资源可以用，这项目就搁浅了。
这部分主要从以下几个步骤发力：
旧系统摸底。找出旧系统的所有不支持当前业务场景的点，有哪些是对当前业务影响较大的，哪些是对未来业务影响较大的，这些都要细细整理出来。不过这块我做起来还算轻松，旧系统在设计架构上就被我找到很多问题。
可能真的是由于历史原因吧，以前搜索是一个BU，现在只是大数据里的一个组了，这中间经历了多少改朝换代啊，历史包袱重的无法背负了，只能选择抛弃他了。
从上面的架构图可以很清晰的看出来这个系统有三个严重问题：
第一个、业务层数据到达队列完全依赖于业务方上报。这本来是件无可厚非的事，你要用搜索引擎，那就得上报数据来。就好比你用数据库，你总得把数据存进去吧。
但这事在公司行不通，历史包袱太沉重。业务方完全不想上报数据，虽然勉强上报，经常增量数据丢失。这一丢失数据导致搜索出不来。最终还是咱的锅，这...
总结下，就是业务方不想上报数据、上报数据总是丢失，锅还得搜索来背。
第二个、数据处理完成直接交付给数据应用，这个问题蛮严重的。数据处理其实意味着会消耗大量的计算资源和时间，而一旦数据应用层服务挂掉或者崩溃，将会导致服务短时间无法恢复。
比如1000w的数据处理需要一个24core机器处理12小时，一旦下游的solr或者RS集群崩溃，把一份全量数据恢复回来，需要数据处理系统重新计算12小时，这恢复时间谁顶的住啊？
由于第一个问题存在，也就是数据上报容易丢失，所以必须依靠全量数据来恢复丢失的增量，我们的近200个业务基本每天都会做一次全量，这可是大把的计算资源浪费啊。
资源浪费一点倒也还好，但是这异常情况下的数据恢复时间确实是个大问题，用户可等不及这么长时间啊。
总结下，就是计算资源浪费，数据应用层服务无法做到无状态，恢复成本高昂。
第三个、数据处理系统耦合度太高，系统太复杂，维护困难。数据处理一般包括数据清洗和业务组装，数据清洗可以算作是业务变化较少的，但是业务组装规则是灵活多变的，这部分经常会由于业务方的变动而产生开发的需求。
业务变动频繁、业务繁多导致系统变得复杂，系统复杂耦合度还很高，导致这个系统维护和开发成本很大，日常需求开发已经成为难题了。
业务场景调查。搜索有很多场景，比如电商场景，内容场景，直播场景。场景很多，公司业务形态上也是都有这些，但不是所有的场景都使用了我们的搜索服务。
要去摸底一下那些没有使用的为啥没用，没用肯定是我们做的不好，摸底的主要目标的就是搞清楚到底哪点不好。深入到业务上去了解，才能更好的设计系统。
新系统设计。前两步骤已经找到了旧系统缺陷和业务问题，新的系统首先要解决之前的问题，其次就是做一些前瞻性的设计。
新系统设计这块包括以下几个步骤：
业务梳理 这块其实在旧系统摸底和业务调查的时候已经做的差不多了，只需要在精细化的梳理下。
业务抽象 业务抽象指的是一系列的业务问题，抽象为一种通用的解决方案。这块蛮复杂的，在这块需要花费大量时间。
技术调研 每一种技术都有他的适用场景。举个例子，使用搜索引擎，到底是用solr还是用es、还是自研呢？这就需要你对技术方案有了解，知道这些技术方案的优缺点，最终才能找出适合业务发展的技术方案。
方案探讨 好的设计不是一蹴而就的，也不是某个人的智慧象征。好的设计是一群人智慧的结晶，是一个不断迭代的产品，所以需要多讨论。
方案确定 前面的问题解决了，基本方案差不多也该定下来了。为保证方案不会出现返工情况，你需要再拉上leader开个最终的项目方案评审会加上确定项目排期。
架构图介绍
说了那么多好像还没说到我的设计到底在哪里，接下里就来说说我的设计。
在整个设计中我也做了好几版的设计图，草稿就不放出来了，直接放最终的一版设计方案来说，中间解释的时候会说那些演进的点。
首先我设计这个系统目标有如下：
零上报 指的是数据不依赖业务方上报，有数据变更立刻感知到 准实时 数据变更之后实时进入引擎，提供搜索服务 高吞吐 高容错 低耦合 易维护
这几个目标已经完全解决了之前系统存在的问题，比如上报数据问题，资源浪费问题，紧急恢复时间长的问题。
整体上我采用了分层设计方案结合微服务的思想，把复杂的问题分层抽象，各层次之间功能单一且分明，耦合度低，维护方便。
当然这样的设计会导致数据链路变得略长，会有多余的网络传输延时。现在的网卡已经够大了，网络传输在这个项目中不是不足为虑。
自上而下，沿着数据流动的方向，逐层解释下为何这么设计：
第一层，业务数据层，这是不变的，一致存在的。目前我们共有快200个业务场景，每个业务方的数据源是不同的，同时也有交叉的，比如商品数据在类目搜索、内容搜索、订单搜索、商品推荐上都使用，他们确是不同的业务场景，数据有交叉也有不同。
但其实这里我们不必太关心业务方的数据来源，不管是何种来源最终都会有一个存储介质，只需要关心数据实际存储在哪里的。
把多种存储介质抽象出来，用一个服务去监听这些介质的数据变更行为，这就是接下来的数据监听层。
第二层，数据监听层。主要负责监听变更的业务数据，把变更的数据获取到，用规定的格式输出到下游队列即可。
第三层，数据缓冲层。数据缓冲一般用在系统与系统之间，通常情况下不要让系统与系统之间直接传递数据，这样的数据传递会有很高的风险，得依赖接收端系统的稳定性。
有了数据缓冲，系统之间就不直接交互数据了，系统之间没什么依赖关系，也不会互相影响。
第四层，数据处理层。这一层最终需要把零散的、不规则的数据处理为一个搜索可用的DOC数据。这块任务蛮艰巨的，当时在讨论这一层的时候，花费了很多时间。
数据处理包括两部分，一部分是一些通用型处理，比如去html标签、数据格式int转string等等处理逻辑；另一部分是一些变化较多的业务部分，比如一个doc有十五个字段，其中有三个来自A业务，三个来自B业务，而这些来自都是需要实时去业务方拿结果的。再比如对DOC中的字段会进行一些计算操作，具体计算规则根据业务而定的。
这些操作都很依赖于业务方，变化之多，很难把控。所以这块在设计上需要很灵活。
根据抽取出的这两部分特性，把不变的通用性较强的那部分定义为数据清理，用一个单独服务处理，这里采用spark stream流去实时做数据清洗，处理完成之后输出到kafka队列。
灵活变化的部分用一个单独服务处理，业务变更采用脚本方式动态发布，修改灵活、即时生效。
第五层，数据存储层。故名思义就是做一个存储，前面已经计算好了一个完整的DOC数据。整个计算过程已经耗费了计算资源和时间，所以必须存储起来。一旦数据应用层服务数据异常，可以很及时用这里的数据做恢复。
不需要计算，直接拿过去用，恢复起来成本够低了吧。
有了存储层，既可以保证下游服务可以完全无状态，还可以保证快速恢复，同时还可以用作全量数据。龙su简直是个设计天才，前途无量啊....
一边写到存储层，也会一边写到kafka队列，数据应用层需要获取kakka队列数据做增量索引。
整个分层的设计架构就是这样了，中间的业务细节就不一一讲解了。
懂搜索的朋友肯定会说了，这里的整个系统说的都是增量，那全量怎么更新。
这就到点上了，全量我采用了主动触发的方式，可以想一想那些场景需要做一次全量。
第一、业务发生了字段级别的变更，比如增加了一个字段，或者某个字段的全部值发生了变化。
第二、第一次接进来的业务，但已经有很大一部分原始数据。
第三、有大批增量丢失，导致无法通过容错机制恢复，而且不是很确定丢失那些增量。
第四、存储层有脏数据。
第五、数据应用层有脏数据或者异常了。
两种方式做全量，一种是需要计算的，通过增量链路计算做一份全量。另一种是直接通过hbase全量数据来做全量。
hbase有脏数据的情况下只能重新计算，或者清理脏数据。
架构设计注意点
整体的系统架构主要由我完成，系统开发那可是集结了全组的功力。总共用时一个Q出了第一版，目前线上已经跑了好几个业务，最高qps能达到100k，截了一个线上运行的7天业务指标图。
说下一些注意点，希望对大家有用。
设计前
对业务一定要非常熟悉，这样设计出的系统才能更好的服务业务 多做技术方案调查，只有见的多了你才会思考的多了，思考的多了才会有所见解 多沟通，很多问题自己一个人想着可能很完美，但很可能这时你钻到思维的牛角尖了，沟通能减少这样的错误
设计中
多画架构图，画出来便于你更多的思考，图画更具有渲染和说服力，图片的表达能力比文字强 细节地方一定要画流程图，流程图画得好写代码才能轻松 多做项目评审会，项目评审就是一个产品迭代，只是还没做出产品就已经有迭代了 更多的倾听业务，系统设计是为了解决业务问题，是为业务服务的。你的系统可以不是完美的，但对于业务和用户一定是价值最大的
开发中
线上系统异常处理要完善 测试要完善，功能测试、性能测试都得做 系统监控一定要完善，这个非常重要，没有监控和日志，出了问题就是两眼一抹黑 项目排期一定要做好，一般项目开发都是多人协同开发，不能影响整体排期 有风险及时暴露，这点很重要，很多人在项目中遇到问题或者风险点不敢暴露出来，害怕暴漏出来大家怀疑自己的能力，老板会给低绩效等。想着自己能很快解决，一般遇到风险都很难自己独自解决，不然也不会构成风险。暴露出来，大家群策群力，也不会拖延到项目排期。
上线后
及时关注自己的服务监控指标，一般上线前都会经过测试、压测等，很多人就上线关注一会觉得没问题，就去庆功去了，别把庆功酒喝错了味道。业务是实时变化的，你要根据业务变化确定你的观察时机，正确观察几个周期无误后，才可以确定无误，以防年终奖没了。敏感业务都必须灰度很长时间做观测。 听取反馈意见，收集反馈意见及时迭代自己的产品。 挖掘潜在业务需求，提前布局迭代。
总结
龙su是第一次做系统性设计，两个重要的点给大家说说
第一、想清楚在做，想清楚就是指前期需要花费大量的时间去做系统架构调研、讨论，细节构思清楚。我的这个系统设计花在调研、探讨、设计上的时间占据总时间的五分之二。构思和测试的时间是最长的，开发的时间是最短的。前期想的越清楚，开发难度越小。更有甚者，开发到中途发现设计不通，再开始返工。
第二、小步快跑，试错迭代，借用Pony老师的总结。现在互联网公司的项目都是要求很快速上线的，所以在开发上我们需要快速出产品，然后再不断迭代。不能一开始就做一个完美产品，这样用户是等不住的。
事实上不存在一开始做出来就是完美的产品，只有手机大量用户意见，不断迭代、不断改进、不断创新的产品才有可能是好产品。
我是龙su，一个在互联网大器晚成的帅叔叔，我们下期见。
