XXX管理平台系统——架构

简介:
XXX管理平台系统架构
前言
系统架构是项目中技 术实现的最重要的环节。系统架构的良好与否关系到系统的性能指标、安全指标、稳定性指标、可扩展性、业务实现等等。
系统架构涉及到系统硬件的选型、网络拓扑、操作系统选型、数据库选 型、 B/S C/S 的选型、 B/S 各框架的选择、缓存的实现、数据库设计 等诸多方面。
在大型 IT 企业中,项目经理和架构师是分离的;但对于国内 IT 公司尤其是小企业来说,就成了一种奢 望。项目经理一肩挑的现状至少短期之内还是无法改变的,这自然也增加了项目经理的痛苦指数和工作量。
关于系统架构是什么?我最认同一句话:架构即关注点分离。
项目经理不是万能的,系统架构需要更广博的知识,当然某些方面专业的知识也是必须的,这取决于平时知 识的积累和总结,也需要其他团队成员共同的努力。
关于部分系统架构图的内容参见:
系统硬件
关于系统硬件的选型,首先是根据业务需求和性能指标确定硬件的需求数量和相应型号;举例说:一个普通 的 B/S 系统需要 有 web 应用服务器,数据库服务器,如果对于性能有较高的要求,则需要增添 cache 服务器;如果对于稳定性和高可用性 有特殊的要求,则需要对相应的服务器进行集群处理。
关于系统硬件的选型,一是关于厂商的选择 ( IBM HP 之争 ) ,一是关于机器架构的选择 (PC 服务器和小型机 ) ,再则是某种机型的选择(在本系统中主要为 HP360 HP580 );再细的话就是更细型号的选择了 (HP360 HP580 都至少有十几种型号 ) ,最后是机器选件,比如是否需要扩充硬盘、内存或者 CPU
其实最重要的一项就是预算,呵呵。本系统的硬件采购是由甲方采购的,但是架构是由自己做的,方案如果 有之前的案例就会很轻松很多,很不幸,这个方案改了几十版,跨度达到 4 个月。无他,对硬件,我不熟。
系统软 件
关于系统软件的选择主要上是操作 系统、数据库、开发工具
选择什么样的操作系统与计算机硬件本身有很密切的联系,当然也与甲方的要求有关。 Linux/Windows/ 专有 UNIX 都是可选项, windows 囿于安全性原因,一般不为推崇; UNIX 与硬件有很大关联,一般也很少用;所 以普遍选择的是 Linux
关于操作系统版本的选择,一般建议选择目前市 面比较稳定的版本,最新的版本往往意味着兼容性问题,太老的版本一般有性能问题;
关于操作系统的 32/64 位的选择,这个需要硬件的支持;在 64 CPU 安 装 32 位的操作系统意味着资源的浪费;在这个项目上曾经考虑有所欠妥,结果造成了一定的问题。
关于数据库的选择,与操作系统有一定关系,也和对系统的安全性、稳定性、高并发性有一定关系;虽然一 个好的 DBA 在任 何一种数据库上都可以构建出高可用性的数据库,呵呵。
关于开发工具的选择,与操作系统相关,也与甲方的要求有关,开发工具一向有 java 微 软两条线路之争;在本系统中采用的当然是 java 了。
关于 web 中间件的选择,与开发工具、操作系统都有关系, JBOSS websphere tomcat resin web logic 都有一定的拥蹇和市场;取决与甲方的要求和本团队对相应系统的熟悉程度。
B/S 架构
关于系统软件架构通常是指的是 B/S 部分实现的具体框架,此部分仍属于技术架构部分。
众所周知, B/S 的框架有不下数十种,常用的有 SSH Structs + Spring + Hibernate )和 SSI Structs + Spring + iBatis ), SSH SSI 从 本质上没有什么不同,就是实现业务逻辑层、控制层、数据持久层和展现层的分离。
B/S 缓存的架构: OS Cache + Eh Cache
         说到软件架构,我就不太在行了;我做过 Powerbuilder ASP java(JSP,HTML,CSS,Javascript,structs,spring,xml,xsl,ajax,web service) 不过都是入门级水平,实在连个称职的程序员都算不上,唯 一的好处就是对方方面面都略知一二,查资料方便一点而已,呵呵。我个人只是在数据仓库和数据库开发、设计方面还算有点研究。
幸亏下面有相应的项目经理,也是项目中的技术经理,他在这方面是权威, B/S 技术架构本来就是一个虚虚实实的框架, 呵呵。
系统同步和接口架构
关于数据同步,在本平台中是最重要的环节,缺少数据的系统是无用的;为了实现系统数据同步架构,我曾 先后在虚拟机上进行过 oracle 高级复制、 Oracle Stream 测 试,也曾为了该同步和公司技术总监吵过 N 多次,他主张用程序来实现,不过在他那边总是不了了之。
尽管通过测试,高级复制和 stream 都可以实现实时数据同步,不过我知道在实际生产环境中是远远不会这么简单的;
首先源数据和目标源的结构并非完全一致,允许目标源的结构大于原数据源的结构
其次多环节数据实时同步,从中心数据库到电信数据库,再从电信数据库同步到网通数据库。
再次各数据库均采用 RAC 方式,现实的例子中很少有类似应用。
最后 Oracle stream 有许多的 bug ,需要进行不断调试和 patch 升级。
事实上,在同步方案的过程中,也遭遇到很大的困难,前后的测试和最终顺利实施经历了 2 个月之久,不过 stream 仍需要不断的人工监控和干预。我相信到目前为止即使市面上也没有任何一种完全稳定的同步方案。
关于 MQ Webservice LDAP 接口,目前的业务和技术虽然已经完全实现,但是还缺乏稳定性和一致性。
总结
系统架构是项目最重要的技术部分,它是否应该是项目经理的职责,暂且不谈;从现实的角度而言,技不压 身,技能服众还是很有意义的;从项目经理角度来看,你能够准确的对项目进度、难度、工作量进行评估,对团队成员面临的困难迅速给出解决方案,减少项目经理 和团队成员的沟壑;从团队成员角度来看,信任自己的项目经理,也是项目成功的一个重要因素。
项目经理能够通过对系统架构的设计 , 尽快评估出各部分的工作量 , 以安排相应的人力资源和工作计划 , 做到有的放矢 , 实际上本项目虽然包含几个业务系统 , 加上对本公司相关资源和技能的评估 , 但我个人认为系统集成和数据同步等在项目实施中占据了 50% 的工作量 .
 





本文转自baoqiangwang51CTO博客,原文链接: http://blog.51cto.com/baoqiangwang/313494 ,如需转载请自行联系原作者
相关文章
|
14天前
|
监控 安全 API
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
本文详细介绍了PaliGemma2模型的微调流程及其在目标检测任务中的应用。PaliGemma2通过整合SigLIP-So400m视觉编码器与Gemma 2系列语言模型,实现了多模态数据的高效处理。文章涵盖了开发环境构建、数据集预处理、模型初始化与配置、数据加载系统实现、模型微调、推理与评估系统以及性能分析与优化策略等内容。特别强调了计算资源优化、训练过程监控和自动化优化流程的重要性,为机器学习工程师和研究人员提供了系统化的技术方案。
133 77
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
|
9天前
|
NoSQL 关系型数据库 MySQL
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
108 56
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
|
7天前
|
机器学习/深度学习 算法 数据可视化
基于深度混合架构的智能量化交易系统研究: 融合SSDA与LSTM自编码器的特征提取与决策优化方法
本文探讨了在量化交易中结合时序特征和静态特征的混合建模方法。通过整合堆叠稀疏降噪自编码器(SSDA)和基于LSTM的自编码器(LSTM-AE),构建了一个能够全面捕捉市场动态特性的交易系统。SSDA通过降噪技术提取股票数据的鲁棒表示,LSTM-AE则专注于捕捉市场的时序依赖关系。系统采用A2C算法进行强化学习,通过多维度的奖励计算机制,实现了在可接受的风险水平下最大化收益的目标。实验结果显示,该系统在不同波动特征的股票上表现出差异化的适应能力,特别是在存在明确市场趋势的情况下,决策准确性较高。
31 5
基于深度混合架构的智能量化交易系统研究: 融合SSDA与LSTM自编码器的特征提取与决策优化方法
|
18天前
|
机器学习/深度学习 人工智能 并行计算
【AI系统】Kernel 层架构
推理引擎的Kernel层负责执行底层数学运算,如矩阵乘法、卷积等,直接影响推理速度与效率。它与Runtime层紧密配合,通过算法优化、内存布局调整、汇编优化及调度优化等手段,实现高性能计算。Kernel层针对不同硬件(如CPU、GPU)进行特定优化,支持NEON、AVX、CUDA等技术,确保在多种平台上高效运行。
70 32
|
18天前
|
存储 机器学习/深度学习 人工智能
【AI系统】计算图优化架构
本文介绍了推理引擎转换中的图优化模块,涵盖算子融合、布局转换、算子替换及内存优化等技术,旨在提升模型推理效率。计算图优化技术通过减少计算冗余、提高计算效率和减少内存占用,显著改善模型在资源受限设备上的运行表现。文中详细探讨了离线优化模块面临的挑战及解决方案,包括结构冗余、精度冗余、算法冗余和读写冗余的处理方法。此外,文章还介绍了ONNX Runtime的图优化机制及其在实际应用中的实现,展示了如何通过图优化提高模型推理性能的具体示例。
48 4
【AI系统】计算图优化架构
|
3天前
|
机器学习/深度学习 存储 人工智能
基于AI的实时监控系统:技术架构与挑战分析
AI视频监控系统利用计算机视觉和深度学习技术,实现实时分析与智能识别,显著提升高风险场所如监狱的安全性。系统架构包括数据采集、预处理、行为分析、实时决策及数据存储层,涵盖高分辨率视频传输、图像增强、目标检测、异常行为识别等关键技术。面对算法优化、实时性和系统集成等挑战,通过数据增强、边缘计算和模块化设计等方法解决。未来,AI技术的进步将进一步提高监控系统的智能化水平和应对复杂安全挑战的能力。
|
8天前
|
机器学习/深度学习 前端开发 算法
婚恋交友系统平台 相亲交友平台系统 婚恋交友系统APP 婚恋系统源码 婚恋交友平台开发流程 婚恋交友系统架构设计 婚恋交友系统前端/后端开发 婚恋交友系统匹配推荐算法优化
婚恋交友系统平台通过线上互动帮助单身男女找到合适伴侣,提供用户注册、个人资料填写、匹配推荐、实时聊天、社区互动等功能。开发流程包括需求分析、技术选型、系统架构设计、功能实现、测试优化和上线运维。匹配推荐算法优化是核心,通过用户行为数据分析和机器学习提高匹配准确性。
37 3
|
6天前
|
前端开发 搜索推荐 安全
陪玩系统架构设计陪玩系统前后端开发,陪玩前端设计是如何让人眼前一亮的?
陪玩系统的架构设计、前后端开发及前端设计是构建吸引用户、功能完善的平台关键。架构需考虑用户需求、技术选型、安全性等,确保稳定性和扩展性。前端可选用React、Vue或Uniapp,后端用Spring Boot或Django,数据库结合MySQL和MongoDB。功能涵盖用户管理、陪玩者管理、订单处理、智能匹配与通讯。安全性方面采用SSL加密和定期漏洞扫描。前端设计注重美观、易用及个性化推荐,提升用户体验和平台粘性。
32 0
|
6天前
|
监控 Java 数据中心
微服务架构系统稳定性的神器-Hystrix
Hystrix是由Netflix开源的库,主要用于微服务架构中的熔断器模式,防止服务调用失败引发级联故障。它通过监控服务调用的成功和失败率,在失败率达到阈值时触发熔断,阻止后续调用,保护系统稳定。Hystrix具备熔断器、资源隔离、降级机制和实时监控等功能,提升系统的容错性和稳定性。然而,Hystrix也存在性能开销、配置复杂等局限,并已于2018年进入维护模式。
15 0
|
21天前
|
弹性计算 API 持续交付
后端服务架构的微服务化转型
本文旨在探讨后端服务从单体架构向微服务架构转型的过程,分析微服务架构的优势和面临的挑战。文章首先介绍单体架构的局限性,然后详细阐述微服务架构的核心概念及其在现代软件开发中的应用。通过对比两种架构,指出微服务化转型的必要性和实施策略。最后,讨论了微服务架构实施过程中可能遇到的问题及解决方案。