可扩展性设计
横向扩展
- 横向扩展（scale out）也叫水平扩展，指用更多的节点支撑更大量的请求。例如如果1台机器支撑10 000TPS，那么两台机器是否能支撑20 000TPS？
- 纵向扩展（scale up）也叫垂直扩展，扩展一个点的能力支撑更大的请求，它通常通过提升硬件实现，例如把磁盘升级为SSD。
如何扩展数据库
- 主从复制集群
- 分库、垂直分表
- 分片（sharding）
- 区间法（Range-Based）
- 轮流法（Round-Robin）
- 一致性哈希法（Consistent Hash）
如何扩展数据中心
- 两地三中心
- 同城多活
- 异地多活
性能设计
比较常见的性能问题如下
- 内存泄漏——导致内存耗尽。
- 过载——突发流量，大量超时重试。
- 网络瓶颈——需要加载的内容太多
- 阻塞——无尽的等待。
- 锁——通过限制。
- IO繁忙——大量的读写、分布式
- CPU繁忙——计算型常见问题。
- 长请求拥塞——连接耗尽。
性能指标
- 响应时间（Latency），就是发送请求和返回结果的耗时。
- 吞吐量（Throughput），就是单位时间内的响应次数。
树立目标
寻找平衡点
- 我们可以通过一组压力测试数据找到拐点。
定位瓶颈点
- 压力测试
- 日志分析
- 监控工具
服务通信优化
- 同步转异步
- 阻塞转非阻塞
- 序列化优化
通过消息中间件提升写性能
通过缓存提升读性能
- 缓存的常用模式
- Read Through模式
- Write Through模式
- Write Behind Caching模式
- Cache-Aside模式
- Cache-As-SoR模式
- 为缓存数据设置合理的过期时间
- 为缓存设置回收策略
- 先预热数据
数据库优化
- 通过执行计划分析瓶颈点
- 为搜索字段创建索引
- 通过慢查询日志分析瓶颈点
- 通过提升硬件能力优化数据库
- 目前各大互联网公司的数据库均使用SSD硬盘或者PCIE-FLASH，据说2012年的时候微博使用PCIE-FLASH支撑了Feed系统在春晚时的3.5万QPS。
简化设计
- 转移复杂度
- 从业务角度优化
一致性设计
事务
- 原子性（Atomicity）
- 一致性（Consistency）
- 隔离性（Isolation）
- 未提交读（Read uncommitted）
- 提交读（Read committed）
- 可重复读（Repeatable reads）
- 可序列化（Serializable）
- 隔离级别
- 持久性（Durability）
CAP定理
- 一致性（Consistence）
- 可用性（Availability）
- 分区容错性（Partition tolerance）
分布式系统的一致性分类
- 以数据为中心的一致性模型
- 1.严格一致性（Strict Consistency
- 2.顺序一致性（Sequential Consistency）
- 3.因果一致性（Causal Consistency）
- 4.FIFO一致性（FIFO Consistency）
- 以用户为中心的一致性模型
- 1.单调读一致性（Monotonic-read Consistency）
- 2.单调写一致性（Monotonic-write Consistency）
- 3.写后读一致性（Read-your-writes Consistency）
- 4.读后写一致性（Writes-follow-reads Consistency）
- 业界常用的一致性模型
- 弱一致性
- 最终一致性（Eventual Consistency）
- 强一致性（Strong Consistency）
- 如何实现强一致性
- 两阶段提交
- 三阶段提交（3PC）
- 如何实现最终一致性
- 重试机制
- 本地记录日志
- 可靠事件模式
- Saga事务模型
- TCC事务模型
- 分布式锁
- 基于数据库实现悲观锁和乐观锁
- 基于ZooKeeper的分布式锁
- 基于Redis实现分布式锁
- 如何保证幂等性
- 幂等令牌（Idempotency Key）
- 在数据库中实现幂等性
