作业

存储

MySQL

• 关系型数据库存储

• 支持事务，一致性强

• 有不同的隔离级别

MongoDB

• 文档数据库

• 适用于实时的插入、更新与查询的需求，并具备应用程序实时数据存储所需的复制及高度伸缩性。

• 非常适合文档化格式的存储及查询。

• 高伸缩性的场景：MongoDB 非常适合由数十或者数百台服务器组成的数据库。

• 对性能的关注超过对功能的要求。

HBase

• 存储容量大，一个表可以容纳上亿行，上百万列；

• 可通过版本进行检索，能搜到所需的历史版本数据；

• 负载高时，可通过简单的添加机器来实现水平切分扩展，跟Hadoop的无缝集成保障了其数据可靠性（HDFS）和海量数据分析的高性能（MapReduce）；

• 可有效避免单点故障的发生。

搜索

Elasticseach

• 分布式的搜索引擎和数据分析引擎

• 全文检索，结构化检索，数据分析

• 对海量数据进行近实时的处理

缓存

Redis

• 读写性能优异

• 持久化

• 数据类型丰富

• 单线程

• 数据自动过期

• 发布订阅

• 分布式

队列

RabbitMQ

• 异步处理

• 应用解耦

• 流量削峰

服务器

Openresty

用于方便地搭建能够处理超高并发、扩展性极高的动态 Web 应用、Web 服务和动态网关。

对于服务经行正向或反向代理

LVS

更加强大的代理和负载均衡功能

容器

Docker

利用容器化技术，实现高效的 ci/cd

确保环境的一致性、

Kubernetes

实现服务的自动扩缩容、监控、报警及服务资源的调度

分布式协同

ZooKeeper

• 数据发布/订阅

• 负载均衡

• 命名服务

• 分布式协调/通知

• 集群管理

• Master 选举

• 分布式锁

• 分布式队列



总结

互联网系统面临的挑战

• 高并发，大流量

• 高可用

• 海量数据

• 用户分布广泛，网络情况复杂

• 安全环境恶劣

• 需求快速变更，发布频繁

• 渐进式发展

应对高并发挑战的两个技术方向

• 垂直伸缩

• 水平伸缩

互联网架构演化

应用数据分离

使用缓存改善系统性能

应用服务器集群改善系统的并发处理能力

数据库读写分离

反向代理和 CDN 加速网站响应

使用分布式文件系统和分布式数据库系统

使用 nosql 和搜索引擎

业务拆分

服务化及中台化