写在前面的话： 时间：2021.12.25 地点：陕西西安（居家办公） 人物：冷妆,刚入行的java小菜鸡 事件起因:在哪吒社区得到《亿级流量java高并发与网络编程实战》 事件经过:西安因为疫情居家办公，而我的电脑落在办公区域,大型社4现场

续前文：系统设计要点

引入正题之大型系统的演进

有图有真相

对于架构演变的认知，上图来自于dubbo官网：单一应用架构-垂直应用架构-分布式服务架构-流动计算架构

接下来所说的架构演进从不同类型的服务器-->集群服务和动静分离-->分布式系统-->提高数据的性能-->跨语言rpc组合

从不同类型服务器的选择（必需三台服务器）->集群服务和动静分离的优化-->并发增加，搭建分布式系统->完成之后就是提高数据的访问速度-->兼容一致性处理

---

不同类型的服务器

大型项目，高性能，至少三台服务器

1.应用服务器：处理业务逻辑(强大cpu支持)

2.数据库服务器：依赖磁盘检索的速度和数据缓存的容量（速度较快的硬盘的支持和大容量内存）

3.文件服务器：存储文件（大容量硬盘或内存）

---

集群服务与动静分离

以上搭建的只是单一应用服务器，能够处理的连接请求时有限的

集群的优势：1.负载均衡（分担服务器的压力）2：失败迁移（不会受到服务器宕机的影响）

这又让我想起西安一码通挂掉，修复了好久，难道。。。不敢想象

集群也相当于可以存放数据，处理请求，所以动静分离的优化是必然的

静：CDN一般将这些静态资源部署在各地边缘的服务器上，htML，css这些资源可以缓存在反向代理服务器上，前端还有webpack打包工具，统一打包

动：crud动态请求访问到应用服务器

---

分布式系统

并发数增加，项目扩大，分布式来拆分

所谓分布式系统：拆分部署，网络整合模块

其实根据上面三个必需的服务器可以理解到分布式系统可以分为

分布式应用：

垂直拆分：将项目根据业务功能拆分成不同的模块，然后再整合各个模块

水平拆分：经典的三层架构（各层部署在不同的机器上）

分布式文件系统:所有文件分散存储到多台计算机上

分布式数据库:所有数据库分散存储在多台计算机上

---

提高数据的性能

1：在应用服务器上使用缓存

缓存分为本地缓存和远程缓存

本地缓存：访问速度块

远程缓存：无限制扩容，CPU能力

2.对数据进行读写分离，主从同步的热备份

处理海量数据的话（ES搜素引擎）-->(Hdoop,Spark,Storm进行大数据技术处理)

3.关系型数据库与非关系型数据库搭配使用

---

跨语言组合RPC整合（Thrift，gRPC）

这听着有点生硬，说白了就是编程语言不兼容，需要给系统加一层跨语言的中转结构来强制整合，所以这是不得已的选择

---

限流与多层负载

1）拦截非法的请求，从而进行一定的限流

2）通过Keepalived实现LVS多机部署，LVS进行客户请求分流

3）通过Nginx进行动静分离

4）集群的服务，通过Nginx进行整合

5)Maven进行依赖管理，GIT进行版本控制 

---

多级负载架构

相比较而言就是DNS绑定了多个LVS集群

Nginx将动态请求的路径转发到特定的服务器上

重点说明：

级联的层次越多，就会造成请求在系统中路径越长，系统性能有了很大影响

结合实际项目具体情况以及压力测试的结果权衡考虑

---

 

写在后面的话： 事件结果：现在的时间完全按照自己的规划走下去，所以写下了以上blog 碎碎念：欢迎大家指出bLOG中的问题，督促笔者进一步改善，你的建议是笔者坚持的动力