5分钟熟悉“系统架构设计”（架构演进）
【写在最前】
我们在平时的编程学习中，经常会接触到“ 系统架构设计 ”这个概念；
但是很多小白并不能准确理解这个概念，以及常用系统的架构演进过程，甚至是在查阅了很多资料之后仍然是云山雾罩。
通过本文知识，让我们花5分钟时间彻底搞懂它，相信聪明的你，看完一定会有收获！
【正文开始】
什么是架构设计模式?
我想这个问题，如果有5个人回答，估计能得出6个答案，因为第6个就是大家互相讨论（妥协）的结果（^_^）。
在我看来，设计模式就是设计经验，只有具备了足够多的经验，才能够根据业务自身的具体情况，组合出最适合当前业务的架构设计，从而控制投入成本，提高工作效率。
笔者在IT行业深耕十余年，经历过的架构设计（演进）可以说数以百计，今天把一些架构设计模式的一些经验分享给大家，以飨读者。
当前业界的架构设计，大体上可以分为 6种：
1. 单库单应用模式
这种模式一般只有一个数据库，一个后台管理系统（当然也可以有前台应用）。
这是最简单的架构设计模式，也是所有IT初学者最先（必须）接触到的模式。
说一下该模式的优缺点：
优点：结构简单、开发速度快、实现简单，可用于产品的第一版原型验证需求、用户少的设计。
缺点：性能差、没有解决“高并发，高可用、大数据、易扩展“的问题（所以不能用于正式业务的生产环境）
注1：该架构是其他架构设计模式的基础（再复杂的架构，也都是在这个模式上不断演进的）
注2：目前流行的前后端分离模式，只是将前端工程化，但本质上并没有改变应用架构的本质，所以在本文中仍然归类为这一种。
2、内容分发模式
这种模式主要解决”静态资源（网页，图片，js,css等）的访问性能问题”
与单库单应用模式相比：多了一个OSS云存储（阿里云，七牛云等）和一个CDN加速网络
CDN加速原理：
1）程序通过调用OSS上传接口，得到图片访问地址U，并把U地址入库
2）CDN网络会将真实图片资源，在各个CND节点缓存一份；
3）用户访问地址U时，CDN先拿到用户端IP，然后再通过一个DNS智能查询算法，找出与该用户距离最近（或通讯时间最短）的CDN节点服务器，将该服务器的缓存图片下发给用户。
说一下该模式的优缺点：
优点：资源下载快、无需过多的开发与配置，同时也减轻了后端服务器对资源的存储压力，减少带宽的使用。
缺点：目前来说OSS，CDN的价格还是稍微有些贵，只适用于中小规模的应用，另外由于网络传输的延迟、CDN同步策略等，会有数据不一致的问题。
3、查询分离模式
这种模式主要解决“查询性能问题”.
这个可以说是单库单应用模式的升级版本，也是架构迭代演进过程中的必经之路。
与单库单应用模式相比：进行了业务数据库的主从分离，并引入了ES搜索引擎
为什么要这样做呢？下面结合两个业务需求场景进行叙述。
场景一：业务读多写少
有统计数据表明，一般的业务系统，读（查询）场景跟写（保存）场景的比例在7；3（甚至8：2）以上
这就决定了我们的系统中会有大量的查询请求。
如果仅仅是因为数据库的写性能遇到了问题，而导致我们的系统80%的读场景不可用，这显然是不能够接受的。
针对此问题，业界较为成熟的方案就是对数据库进行”读写分离“，即写的时候入主库，读的时候读从库。
这样就把压力分散到不同的数据库了，如果一个读库性能不行，扛不住的话，可以一主多从，横向扩展。
一般的业务流程是这样的：
1）服务端把一条业务数据，写到主数据库（master）
2）主数据库通过”同步策略“将该数据同步到从库中（slave）
3）需要数据查询时，直接去从库（slave）读相应的数据
一些聪明的、爱思考、想上进的同学可能发现问题了：就是数据的延迟问题，
比如：数据还没有同步到从库，我就马上读，那么肯定是读不到的。
对于这个问题，各家公司解决的思路不一样，方法也就不尽相同。
比如其中一个解决方案是：先尝试读从库，如果读不到就再尝试读主库。
场景二：关键词全文检索
业务系统都会有关键字搜索的需求，如果使用传统的数据库技术，基本都会使用like这种SQL语句。
众所周知：当数据量达到一定级别，SQL全表扫描会有严重的性能问题。
解决办法就是全文检索场景直接走ES搜索引擎（ES不仅可以替代数据库完成全文检索功能，还可以实现诸如分页、排序、分组等功能）
ES搜索引擎的一般使用流程为，
1）服务端把一条业务数据落业务库，同时异步发送给ES
2）ES把该条记录按照预定规则、配置放入自己的索引库
3）客户端查询时，由服务端把这个请求发送到ES，ES根据需求拼装、组合数据，返回给客户端
说完了两个场景，该总结一下这种设计模式的优缺点的了：
优点：减少数据库的压力，理论上提供无限高的读性能，间接提高业务(写)的性能，专用的查询、索引、全文(分词)解决方案。
缺点：数据延迟，数据一致性的保证和解决。
4、分库分表模式
这种模式主要解决"单表写入压力过大的问题"，这个模式也是架构迭代演进过程中的必经之路。
对于单个业务表，一般有水平切分和垂直切分两种，这里主要介绍水平切分。
理论上：一台主机可以有多个实例，一个实例中可以有多个库，一个库可以有多个表。
实践中：一台主机上只有一个实例，一个实例中只有一个库，库==实例==主机，所以才有了分库分表这个简称。
接下来以一个例子来讲解一下分表流程：
假设用户表(user)，数据量有1亿用户，查询、插入、存储都出现了问题，怎么分呢？
首先，分析问题，这个明显是由于数据量太大了而导致的问题。
其次，设计方案，可以分为10个库，这样每个库的数据量就降到了1KW，单表1KW数据量还是有些大，而且不利于以后量的增长，所以每个库再分100个表，这个每个单表数据量就为10W了，对于查询、索引更新、单表文件大小、打开速度，都有益处。
再次，给IT运维部门打电话，要10台物理机，扩展数据库...... 最后，逻辑实现，这里是最有学问的地方。首先是写入数据，需要知道写到哪个分库分表中，读也是一样的，所以，需要有个请求路由层，负责把请求分发、转换到不同的库表中，
说说这个模式的问题：
1）事务问题
因为分库分表，传统事务完成不了，而分布式事务又太笨太重，所以这里需要有一定的策略，保证在这种情况下事务能够完成。常用的策略如：最终一致性、复制、特殊设计等。
2）关联和分组查询改造
该模式下，传统的 join, orderby,grouby 都不能再用了，需要在业务代码层进行改造。(如何解决这些副作用不是一句两句能说清楚的，以后会单独开篇，敬请及时关注作者）
该总结一下这种模式的优缺点的了，如下：
优点：减少数据库单表的读写压力。
缺点：事务保证困难、业务逻辑需要做大量改造。
5、微服务架构模式
上面的模式看似不错，但也只是解决了部分性能问题。但是软件系统天生的复杂性，决定了还有其他诸如”高可用、健壮性、易扩展“等大量问题等待我们去解决.
微服务模式 可以说是最近的热点，花花绿绿、大大小小、国内国外的公司都在鼓吹，实践这个模式，可是大部分都没有弄清楚为什么要这么做，也并不知道这么做有什么好处、坏处，
在这里，我以自己的亲身实践说一下我对这个模式的看法，也请大家在评论区踊跃留言！
随着项目发展，业务与人员的规模会不断增加，从而会陆续遇到了如下问题：
1）数据库写压力大量增加，导致数据库不堪重负， 数据库一旦挂了，那么整个系统业务都挂了
2）业务代码越来越多，全都放在一个GIT里，越来越难以维护
3）上线要求越来越频繁，经常是一个小功能的修改，就要整个大项目要重新编译
4）其他一些外围系统直接连接数据库，导致一旦数据库结构发生变化，所有的相关系统都要通知，甚至对修改不敏感的系统也要通知
5）每个应用服务器需要开通所有的、相同的、访问权限和网络权限，因为每个服务器部署的应用都是一样的
慢慢的，所有人，都已经失去了对这个系统的把控......
微服务架构，就是为了解决上述这些问题，这种模式的一般设计见下图：
如上图所示，我们把业务分块做了垂直切分，切成一个个独立的业务系统，每个系统各自衍化，有自己的业务库、缓存库等，
系统之间的实时交互通过RPC远程调用，异步交互通过MQ消息队列
通过这种组合，共同完成整个系统功能。
这样，对于上面的5个问题，我们就都有了解决方案：
对于问题1：由于拆分成了多个子系统，系统的压力被分散了，而各个子系统都有自己的数据库实例，所以数据库的压力变小。
一个子系统A的数据库挂了，只是影响到系统A和使用系统A的那些功能，不会所有的功能不可用，从而可以解决一个数据库挂了，导致所有功能不可用的问题。
对于问题2：各个子系统有自己独立的GIT代码库，不会相互影响。通用的模块可通过库、服务、平台的形式解决。
对于问题3：子系统A发生改变，需要上线，那么我只需要编译A，然后只上线部署A就可以了，不需要其他系统做同样的事情。
对于问题4：所有需要访问的业务数据，都通过接口的形式发布出去，客户通过接口获取数据，从而屏蔽了底层数据库结构。我们只需保证接口契约没有发生变化即可，新的需求增加新的接口
对于问题5： 不同的子系统需要不同的权限，这个问题也优雅的解决了。
目前来看，所有问题都得到了解决？？？
注意：采用该架构，会有许多其他副作用随之产生，如RPC、MQ的超高稳定性、超高性能，网络延迟，数据一致性等问题，这里就不展开来讲了，太多了，一本书都讲不完。
另外：对于这个模式来说，最难把握的是拆分的维度，细粒度
一个较为可行的拆分指导原则是：能不分就不分，除非有非常必要的理由！
该总结一下这种模式的优缺点的了，如下：
优点：相对高性能，可扩展性强，高可用，适合于中等以上规模公司架构。
缺点：复杂、粒度不好把握。不仅需要一个能在高层把控大方向、大流程、总体技术的人，还需要能够针对各个子系统有针对性的开发。把握不好度或者滥用的话，投入产出会适得其反！
6、弹性伸缩模式
这种模式主要解决流量高并发（流量突发）的问题。
比如：天猫双11或京东618，会在特定的时间带来巨大流量，但是传统横向扩展方案实施又比较慢，如果设计处理不好就会影响业务，甚至全站崩溃。
这个模式是一种相对来说比较高级的技术，也是各个大公司目前都正在研究、试用的技术。
时至今日，有这种思想的架构师就已经是算是很不错了，更别提那些已经动手实践过的，所以，你懂得......
与微服务模式相比，这种架构会多出一个“弹性伸缩服务”，用来动态的增加、减少实例。
具体实现上，比较成熟的两种资源池方案是VM、Docker，每个产品目前都有着自己强大的生态。监控的点有CPU、内存、硬盘、网络IO、服务质量等，根据这些，在配合一些预留、扩张、收缩策略，就可以简单的实现自动伸缩。
该总结一下这种模式的优缺点的了，如下：
优点：弹性、随需计算，充分优化企业计算资源。
缺点：应用要从架构层做到可动态配置的横向扩展，弹性伸缩改造、依赖的底层配套比较多，对团队的技术水平、运维实力、应用规模要求都非常高。
【全文完】
