架构设计基本思路
1.架构扩展原则:
架构的可扩展性往往和并发是息息相关,没有并发的增长,也就没有必要做高可扩展性的架构。
2.扩展的两种方式:
Scale-up : 纵向扩展,通过替换为更好的机器和资源来实现伸缩,提升服务能力。
Scale-out : 横向扩展, 通过加节点(机器)来实现伸缩,提升服务能力。
3.可扩展性的理想状态:
一个服务,当面临更高的并发的时候,能够通过简单增加机器来提升服务支撑的并发度,且增加机器过程中对线上服务无影响(no down time),这就是可扩展性的理想状态!
开发语言选择
•PHP: facebook,yahho
•Java: taobao,163
•Python: google
•Net: Myspace
开发语言不是可伸缩性的关键,架构才是关键。
V1.0 简单架构
一个简单的小型网站或者应用背后的架构可以非常简单, 数据存储只需要一个mysql instance就能满足数据读取和写入需求(这里忽略掉了数据备份的实例),处于这个时间段的网站,一般会把所有的信息存到一个database instance里面。
不改变架构的优化方法,历史数据迁移
V2.0 垂直拆分
一般当V1.0 遇到瓶颈时,首先最简便的拆分方法就是垂直拆分,何谓垂直?就是从业务角度来看,将关联性不强的数据拆分到不同的instance上,从而达到消除瓶颈的目标。以图中的为例,将用户信息数据,和业务数据拆分到不同的三个实例上。对于重复读类型比较多的场景,我们还可以加一层cache,来减少对DB的压力。
垂直拆分后团队的再细分
V3.0 读写分离
此类架构主要解决V2.0架构下的读问题,通过给Instance挂数据实时备份的思路来迁移读取的压力,在Mysql的场景下就是通过主从结构,主库抗写压力,通过从库来分担读压力,对于写少读多的应用,V3.0主从架构完全能够胜任。
垂直拆分+读写分离后典型的数据架构图
对于V2.0 V3.0方案遇到瓶颈时,都可以通过水平拆分来解决,水平拆分和垂直拆分有较大区别,垂直拆分拆完的结果,在一个实例上是拥有全量数据的,而水平拆分之后,任何实例都只有全量的1/n的数据,以下图Userinfo的拆分为例,将userinfo拆分为3个cluster,每个cluster持有总量的1/3数据,3个cluster数据的总和等于一份完整数据(注:这里不再叫单个实例 而是叫一个cluster 代表包含主从的一个小mysql集群)。