互联网架构下的核心技术
高可用设计
架构可用性
单点故障
集群（负载均衡技术）
- 硬件负载：F5、Netscalar
- 软件负载：apache、nginx、lvs、Haproxy
F5的高可用通过standBy建立心跳线，如果主服务挂掉，通过心跳线启用备用的服务。
Nginx通过lvs+keepalived 实现一主多从的机构来保证高可用。
热备
同时启动多台相同服务，提供服务的只用一台。
zookeeper / redis-sentiel / etcd
Zab（Paxos）Raft（etcd/nacos/redis-sentinel）/ Raft / gossip 提供数据一致性算法，保证高可用
多机房部署
应用的可用性
微服务的集群部署，不仅提高可用性还会提升性能
容错性
- fall fast
- 服务隔离
- 代码容错处理
- 数据的严谨性、数据的校验
- 幂等行，事务处理（数据）
自我保护能力
- 熔断（降级）
- 限流（降级）
- 缓存（主动降级）
监控
- 系统资源（CPU、内存、磁盘）
- 应用层面分析：log4j（系统执行情况）：ELK （日志收集分析）->错误码设计。
- 告警：设置告警规则，Alertmanager
- 应用监控：应用吞吐量、访问量，cat、链路监控
- 系统资源：
高并发
架构层面
- 微服务：将服务进行拆分，针对性能瓶颈计算资源。针对核心服务提供更大规模的集群。
- 数据库分片（分库分表）、读写分离
- 使用非结构化存储
- 服务的无状态化设计（堆机器提升性能）
- 分布式缓存（热点数据做缓存）
- 容量规划
异步化架构
异步队列
实时性要求不是很高的场景
代码层面
- 不要在for循环中调用rpc
- hashmap初始化
- 数据的预热
- 数据库层面、查询语句的优化
- 异步化（线程池的使用）
- 内存的使用
服务的无状态化
- session会话 ->> redis
- 数据的存储 -> A节点上存储 -->第三方节点
- 对象存储->A节点上存储 -->第三方节点
- 缓存A节点上的存储
服务负载均衡
集群的好处：
1. 流量分发
2. 扩容与缩容
负载均衡
- DNS轮询
- 二层负载（MAC）
- 三层负载（IP）
- 四层负载（IP+prot）-> nginx
F5/LVS/Nginx/HAProxy - 七层负载：应用层负载。HTTP协议中的东西，URI
Nginx/apache - Gateway
应用层负载
实现负载均衡的组件Ribbon、Dubbo、SpringCloud LoadBalancer
服务的幂等性
多次请求对于数据的变化和一次请求带来的数据变化保持一致
get操作天然幂等
- 状态机的幂等：一个数据在整个生命周期中所经历的状态
- 数据库的唯一约束
- token
reids实现幂等：setNx（key、value）
setNx()：多个进程调用这个方法的时候，只会有一个进程返回1，其他的返回0；