《后端技术面试 38 讲》学习笔记 Day 07
21丨分布式架构：如何应对高并发的用户请求
原文摘抄
当同时访问系统的用户不断增加的时候，需要消耗的系统计算资源也不断增加，需要更多的 CPU 和内存去处理用户的计算请求，需要更多的网络带宽去传输用户的数据，需要更多的磁盘空间去存储用户的数据。当消耗的资源超过了服务器资源的极限的时候，服务器就会崩溃，整个系统无法正常使用。
垂直伸缩与水平伸缩
传统的行业，比如银行、电信这些企业的软件系统，主要是使用垂直伸缩这种手段实现系统能力的提升，在服务器上增强，提升服务器的硬件水平。
所谓的水平伸缩，指的是不去提升单机的处理能力，不使用更昂贵更快更厉害的硬件，而是使用更多的服务器
分布式架构是互联网企业在业务快速发展过程中，逐渐发展起来的一种技术架构，包括了一系列的分布式技术方案：分布式缓存、负载均衡、反向代理与 CDN、分布式消息队列、分布式数据库、NoSQL 数据库、分布式文件、搜索引擎、微服务等等，还有将这些分布式技术整合起来的分布式架构方案。
另一方面，数据库中的数据是以原始数据的形式存在的，而缓存中的数据通常是以结果形式存在
心得体会
- 分布式架构，就是一堆更高吞吐量、更低延迟的支持分布式协议的中间件集群搭配干活的方案，按需引入。
工作体验
- 技术就是遇到瓶颈时的推动，kylin的查询性能优势主要体现在聚合查询，在千万级的明细级查询性能已经不够满足其号称的亚秒级了。而我们系统采取将数据再在ElasticSearch再存一份，明细查询路由到es中。而在kyligence 4.5之后，kylin 引入了clickhourse作为其明细级的查询引擎，称为分层储存。
22 | 缓存架构：如何减少不必要的计算？
原文摘抄
一般说来，缓存可以分成两种，通读缓存和旁路缓存。
通读（read-through）缓存，应用程序访问通读缓存获取数据的时候，如果通读缓存有应用程序需要的数据，那么就返回这个数据；如果没有，那么通读缓存就自己负责访问数据源，从数据源获取数据返回给应用程序，并将这个数据缓存在自己的缓存中。
旁路（cache-aside）缓存，应用程序访问旁路缓存获取数据的时候，如果旁路缓存中有应用程序需要的数据，那么就返回这个数据；如果没有，就返回空（null）。应用程序需要自己从数据源读取数据，然后将这个数据写入到旁路缓存中。
但是缓存也不是万能的，如果不恰当地使用缓存，也可能会带来问题。首先就是数据脏读的问题，缓存的数据来自数据源，如果数据源中的数据被修改了，那么缓存中的数据就变成脏数据了。
主要解决办法有两个，一个是过期失效，另一个办法就是失效通知
如果缓存的数据没有热点，写入缓存的数据很难被重复读取，那么使用缓存就不是很有必要了。
心得体会
- 通读，就是缓存中间件来读取实际数据，往往都是静态的。
- 旁路，应用控制读取实际数据。
工作体验
- 工作中主要是使用redis，或者本地缓存。全都是旁路缓存。并且遵循旁路设计，即使缓存异常、宕机，也不影响请求实际数据。
