分布式架构概述

• 分布式（一个业务分成多个子业务）和集群的关系
  比如当前电商平台的业务主要有 用户、 商品、订单
  
  分布式： 一个业务拆分成多个子系统，部署在不同的服务器上
  集群： 同一个业务，部署在多个服务器上，保证服务器的高可用
• 大型网络的特点
  1） 访问量（tps每秒的速度、qps每秒的查询）
  2） 数据量（存储数据量）

• 电商平台的发展
  业务主要分为： 用户、 商品、订单

  容器： tomcat ；jsp/servlet
  数据库存储： mysql
  网络层面的知识：tcp/udp

1）一台服务器
一台（服务器、db）

2) 数据库服务器和应用服务器分离
用户量上去，服务器出现性能问题。单击负载越来越高，数据库服务器和应用服务器分离
一台服务器，一台db(ip：内网)

3） 应用服务器做集群
应用服务器做负载（分流，集群）

但是这里产生的问题
I) session 跨服务器问题
一台服务器上都会有session保存用户信息（登录信息）等。那么当有多台应用服务器时，如何保存session跨服务器的问题。（用户A发送登录请求到应用服务器A上，登录成功后；用户A发送修改用户密码的请求到应用服务器B上，那么应用服务器B如何知道用户A已经登录成功了？）
解决办法：
1）session sticky请求保证在同一个服务器上。
2）session replication 每个服务器都保存一个session，session同步开销，内存问题。
3）session 集中存储，存储在db、 存储在缓存服务器 （redis）
4）cookie (主流): 保存在客户端，
access_token(userid/token/timestamp) – 加密在客户端浏览器，过期时间 在服务器解析。只做传输协议，无状态
II) 如何做请求转发
解决办法：
负载均衡器ngix

4） 数据库的读写分离

问题：
一：数据库读写分离怎么操作
二：数据库的数据同步
三：数据库路由 mycat

5） 搜索商品(搜索引擎)

问题：
1. 搜索引擎的索引数据怎么去做同步，实时增量同步？ 还是定时全量同步？
根据场景来区分：
搜索结果（不需要实时的数据）：首页数据（增量索引）
后台数据（定时同步）

6） 缓存机制（热点数据）

流程：
先去读缓存数据，没有数据再去读数据库，并且将数据库中的数据放入到缓存中。
页面缓存
用户量是没有上限的 ，方式：缓存、 限流、 降级

7） 数据库的水平/垂直拆分

数据库io瓶颈
一张表存储量500万 – 1000万

拆分：
一： 垂直拆分（数据拆分）：按业务进行拆分 ： 商品 、 订单、用户（3个db），历史数据如何拆分。
二： 水平拆分（表拆分）：订单表 – 订单1 、订单2.。。

8） 应用服务器的拆分

拆分：
一： 垂直拆分： 不同的域名（解析到不同的服务器） 商品、用户、订单
二： 服务节点：如果商品服务器使用订单，得写订单的查询；订单服务器使用商品，得写商品的查询。这时就会出现代码冗余。、

这时需要提供商品服务、用户服务、订单服务。 服务器用到时就可以直接调用，可以使用webservice、dubbo（rpc）

监控（应用监控、数据库），日志采集、大数据分析。Spark

架构：