创业公司搭建自己的技术架构

本文涉及的产品
网络型负载均衡 NLB,每月750个小时 15LCU
日志服务 SLS,月写入数据量 50GB 1个月
传统型负载均衡 CLB,每月750个小时 15LCU
简介: 创业公司搭建自己的技术架构

领读:

这篇文章比较简要,说了一下主流的选型,小公司可以快速搭建项目!一般来说,我建议大家先找开源项目,能在现成开源项目上再二次修改,这样无疑大量减少开发时间和提高效率!

其实这里面主要给大家说的是技术选型。

由于我中型互联网公司工作,针对用于手机 APP 或者 pc 的后台开发,基本可以支撑几万用户。本文会对可能用到的相关技术进行技术选型的说明,以及技术的架构介绍

技术指标

说一下一些技术指标的计算过程可以作为其他同学的参考

  • QPS, 如果是 5 万日活,使用集中在每天的 4 小时,每个用户大概产生 100 的请求,那么平均下来,我们系统大概应该支撑的请求为:50000 * 100 / (4 * 60 * 60) = 350 qps/s
  • 业务数据 业务量,我们自己是新闻业务,可能会有其他的业务,比如游戏,商城等等,基本每天新增的业务数据都会在同一个量级, 每日 10000, 另外跟用户相关的信息也是比较大的一块,比如用户的订阅等行为,一共 5 万的用户,保存相关信息可能大概需要 100 条的数据。
  • 缓存大小 主要业务数据和用户相关的热点数据限时保存在缓存中, 大概需要 5 个 G 左右。
  • 日志大小 用户日志和请求日志。大概每天 3 个 G 左右
  • 这些数据需要运维人员的估算,

技术架构

image.png

我们基于阿里云来搭建,对图中的内容和技术选型进行一下说明:

负载均衡

可选方案:SLB, Nginx.

  • SLB 要收钱,但是比较便宜,有保证,不会挂。但是可配置的很少,不能根据域名做 ip 映射
  • Nginx, 没啥缺点,需要一定的知识。建议:SLB + Nginx, SLB 绑定域名作为统一的入口,然后每个服务器上再搭建 Nginx.
  • 大多数金融公司的选择

CDN

用于缓存静态文件等等。七牛和阿里的都还可以。

  • 七牛要做的久一点, 各种图片处理的接口要完善一些
  • 阿里的 CDN 要稍微好一点点, 但是没有不安全的访问方式,访问稍微没有那么灵活。图片处理功能弱一点。
  • 是解决前端延迟的好办法
  • 搜索公纵号:MarkerHub,关注回复[ vue ]获取前后端入门教程

分布式调用框架

目前可选的有 ZK + dubbo. ZK + Motan, ZK + dubbox, edas。

  • dubbo, 阿里的服务治理框架,已经不维护了,切换反应有点慢
  • dubboX, 当当基于 dubbo 搞的,还在维护可以一用,推荐。
  • Motan, 微博的服务治理矿建, 刚开源,需要学习一下, 推荐。
  • Edas, 阿里云服务,要收钱,侵入型很强,不推荐

MQ

可选的有:ActiveMQ, rocketMQ, robbitMQ,Kafka 各有好处, 但是考虑到运维的难度,推荐 rocketMQ。

Redis

用来做缓存, 自建成本有点高,需要 Codis, 分片,集群,主从等等,很麻烦。建议直接用阿里的也可以用来处理分布式的数据共享 session 的工具、

数据库

主要基于读写分离和主从复制考虑,目前可以自建和选用阿里的 DRDS。

  • DRDS 要花钱,成本较高,没有必要
  • 自建, 不用中间件,直接 1 写 2 只读, 然后配置读写分离的数据源,内网 SLB 进行读集群。解决之。

搜索

apache solr 搜索引擎。相比其他用起来还可以。建议 ELK, 可以自动同步数据库,除了搜索引擎的功能外,还可以做日志搜索,监控系统。代码管理工具Jenkins 与 Sonar 集成是代码管理工具重要体现。apache 中 sonar 代码管理。是我们优化方案找出代码不规格的重要工具、Jenkins 是我们打包发布重要工具。

一些典型的业务场景说明

把业务底层做成 SOA 模块,通过分布式调用框架对外提供服务。后期进行 SOA 到微服务的改造都会涉及。单独做一个小的系统来运行定时任务热点数据放缓存,然后通过 MQ 来更新缓存日志等数据有必要可以考虑上个 Mongo

相关实践学习
快速体验阿里云云消息队列RocketMQ版
本实验将带您快速体验使用云消息队列RocketMQ版Serverless系列实例进行获取接入点、创建Topic、创建订阅组、收发消息、查看消息轨迹和仪表盘。
消息队列 MNS 入门课程
1、消息队列MNS简介 本节课介绍消息队列的MNS的基础概念 2、消息队列MNS特性 本节课介绍消息队列的MNS的主要特性 3、MNS的最佳实践及场景应用 本节课介绍消息队列的MNS的最佳实践及场景应用案例 4、手把手系列:消息队列MNS实操讲 本节课介绍消息队列的MNS的实际操作演示 5、动手实验:基于MNS,0基础轻松构建 Web Client 本节课带您一起基于MNS,0基础轻松构建 Web Client
目录
相关文章
|
机器学习/深度学习 人工智能 自然语言处理
四张图片道清AI大模型的发展史(1943-2023)
现在最火的莫过于GPT了,也就是大规模语言模型(LLM)。“LLM” 是 “Large Language Model”(大语言模型)的简称,通常用来指代具有巨大规模参数和复杂架构的自然语言处理模型,例如像 GPT-3(Generative Pre-trained Transformer 3)这样的模型。这些模型在处理文本和语言任务方面表现出色,但其庞大的参数量和计算需求使得它们被称为大模型。当然也有一些自动生成图片的模型,但是影响力就不如GPT这么大了。
4792 0
|
机器学习/深度学习 人工智能 自然语言处理
大模型开发:解释强化学习以及它与监督学习的不同之处。
强化学习(RL)是机器学习的一种,通过智能体与环境交互学习最优策略,以获取最大回报,常用于动态环境如游戏和机器人。与之不同,监督学习(SL)使用有标签的训练数据来预测新数据,适用于如图像分类等稳定问题。两者关键区别在于学习方式和应用场景:RL侧重环境交互和策略优化,适合未知动态环境;SL依赖已知标签数据,适合标签明确的任务。在大模型开发中,两者各有优势,并不断融合创新,推动人工智能发展。
693 2
|
缓存 Linux 开发工具
CentOS 7- 配置阿里镜像源
阿里镜像官方地址http://mirrors.aliyun.com/ 1、点击官方提供的相应系统的帮助 :2、查看不同版本的系统操作: 下载源1、安装wget yum install -y wget2、下载CentOS 7的repo文件wget -O /etc/yum.
251110 0
|
12月前
|
自然语言处理 IDE 开发工具
通义灵码编程智能体上线,支持Qwen3模型
通义灵码最全使用指南,一键收藏。
127723 31
通义灵码编程智能体上线,支持Qwen3模型
|
7月前
|
机器学习/深度学习 存储 API
DeepSeek强化学习(Reinforcement Learning)基础与实践
强化学习(RL)是机器学习的重要分支,专注于训练智能体在环境中通过试错学习最优策略。DeepSeek提供了强大的工具和API,帮助高效构建和训练RL模型。本文将详细介绍使用DeepSeek进行强化学习的基础与实践,涵盖环境构建、智能体定义、Q学习及DQN训练等内容,并提供代码示例,助你掌握这些技巧。
|
8月前
|
供应链 Go 区块链
基于区块链技术实现供应链的全程可追溯性
基于区块链技术实现供应链的全程可追溯性
381 17
|
运维 Devops
全球与中国DevOps市场现状及未来发展趋势
本文研究全球及中国市场DevOps现状及未来发展趋势,侧重分析全球及中国市场的主要企业,同时对比北美、欧洲、中国、日本、东南亚和印度等地区的现状及未来发展趋势
全球与中国DevOps市场现状及未来发展趋势
|
架构师 前端开发
上篇:技术架构的设计方法
技术思考本质还是结构化思考,所以常见的结构化思考方法也是适用的。这也是大家会看到很多技术架构师都会用一些方法论去分析问题的原因。但这里我不是重新去论述这些常见的技巧,而是分享从技术实战中得到的一些思考方法,为此我分为了技术架构设计的方法和技术 Leader 的思考方法两类。
1196 77
上篇:技术架构的设计方法
|
存储 缓存 前端开发
软件架构分层,你的项目处于什么阶段?
软件架构分层,你的项目处于什么阶段?
1140 0
软件架构分层,你的项目处于什么阶段?