|
一、什么是五高？ 五高即： 高可用、高可扩展、高性能、高安全、高可管理 高可用（High Availability）即应用全年的停机时长要在标准范围内。 2个9即99%是基本可用，全年不可用时间是87.6小时 3个9即99.9%是基本可用，全年不可用时间是8.76小时 4个9即99.99%是基本可用，全年不可用时间是52.56分钟 5个9即99.999%是基本可用，全年不可用时间是5.256分钟 经常说的高并发并不是五高之一，高并发即通过设计保证系统能够同时并行处理很多请求 高并发相关常用的一些指标有响应时间（Response Time），吞吐量（Throughput），每秒查询率QPS（Query Per Second），并发用户数等。 响应时间：系统对请求做出响应的时间。例如系统处理一个HTTP请求需要200ms，这个200ms就是系统的响应时间。 吞吐量：单位时间内处理的请求数量。 QPS：每秒响应请求数。在互联网领域，这个指标和吞吐量区分的没有这么明显。 并发用户数：同时承载正常使用系统功能的用户数量。例如一个即时通讯系统，同时在线量一定程度上代表了系统的并发用户数。 二、如何保证高可用？ 保证系统正常运行的规则就是：冗余，系统增加了冗余还不够当然如果系统之间出现了故障，人工干预则需要耗时，为了保证高可用就需要自动故障转移，即一个节点宕机立即自动切到另外一台保证系统的高可用。 三、互联网架构分层？ 还记的大学时学习的计算机网络这本书吗，里面的OSI七层模型首先来回忆一下。 OSI七层模型： 第一层 物理层，第二层 数据链路层 ，第三层 网络层，第四层 传输层，第五层 会话层，第六层 表示层 第七层 应用层 如上图，是互联网分布式架构分为： 客户端层： 调用方是 应用APP或者PC浏览器 硬件负载均衡层: F5可以 汇聚链接，去除https的s, 负载请求 即典型的三明治结构。 是一种硬件的负载，而F5的探测机制：心跳 一问一答形式和发送多次，比如发送三次在多少时间内三次没有应答就证明断链。 而F5属于温备，即有多台F5，备用机器启动但是限流。 除了F5，还有 DNS和HA Proxy可以解决同样的问题。 反向代理层：系统入口， 使用nginx进行反向代理，实现原理是： keep alived + virtual IP web应用层：实现核心应用逻辑，返回html或者json 服务层：如果实现了服务化，就有这一层 数据-缓存：缓存加速访问存储 数据-数据库层：数据库固化数据存储 四、如何实现各个层级之间的扩展（即冗余）？ 硬件负载均衡层: 硬负载均衡层的水平扩展，是通过三明治结构实现的。在这一层布三层F5实现水平扩展。F5的官方名称叫本地流量管理器，可以做4-7层负载均衡，具有负载均衡，应用交换，会话交换，状态监控，智能网络地址转换，通用持续性，相应错误处理、高级路由，SSL加速，TCP优化，IPV6网关，智能端口镜像，SSL加速，智能HTTP压缩，TCP优化，第7层速率整形、内容缓冲、内容转换、连接加速、连接加速、高速缓存、Cookie加密、选择性内容加密、应用工具过滤、拒绝服务(Dos)攻击、SYN FLood保护、防火墙----包过滤、包消毒等。 F5提供12种灵活的算法将所有流量均衡的分配到各个服务器，而面对用户，只是一台虚拟服务器。假如一台服务器发生宕机，F5会检查出来并将该服务器标识为宕机，从而不将用户的访问请求传送到该台发生故障的服务器上，一旦宕机恢复又F5查证后又将流量切到该恢复的服务器上。 反向代理层: 反向代理层水平扩展是通过 DNS轮询实现，如上图dns-server对于一个域名配置了多个解析IP，每次DNS解析请求来访问dns-server，会轮询这些ip, 当nginx成为瓶颈的时候，只要增加服务器数量，新增的nginx服务的部署，增加一个外网ip就能扩展反向代理层的性能，做到理论上的无限高并发。 web应用层(服务器节点): web应用层的水平扩展，即服务端节点，是通过nginx实现的,通过修改nginx.conf可以设置多个web后端 当web后端成为瓶颈的时候，只要增加服务器的数量部署，在nginx配置中配置新的web后端，就能扩展站点层的性能，做到理论上的无限高并发。 服务层: 服务层水平扩展是通过服务连接池实现的，站点通过RPC-客户端调用下游的服务层RPC-服务端中的连接池会建立与下游服务多个连接，当服务成为瓶颈的时候，只要增加服务器数量，新增服务部署，在RPC-客户端处建立新的下游服务连接，就能扩展服务层性能，做到理论上的无限高并发，如果需要优雅的进行服务层自动扩容，则需要zookeeper等注册发现。 数据层的水平扩展： 即将一台服务器上的数据（缓存和数据库）水平拆分到不同服务器上去以达到扩充系统性能的目的 以数据库为例，按照范围水平拆分： 每一个数据服务，存储一定范围数据，上图为例，user0库存储的范围0-1kw,user1库存储的范围1kw-2kw 优点：1、规则简单，service只需要判断一下uid范围就能路由到对应的存储服务； 2、数据均衡性好； 3、比较容易扩展，可以随时加一个uid[2kw到3kw]的数据服务 缺点：请求的负载不一定均衡，一般来说，新注册的用户会比老用户更加活跃，大的排列服务请求压力会更大。 以数据库为例，按照哈希水平拆分： 每一个数据库，存储某个key值hash后的部分数据上图为例 user0库存储偶数uid数据，user1库存储奇数uid数据 优点: 1、规则简单，service只需对uid进行hash能路由到对应得存储服务； 2、数据均衡性好 3、请求均衡性好 缺点: 不容易扩展，扩展一个数据服务，与主从同步读写分离来扩充数据库性能的方式有本质不同 通过水平扩展来扩充系统性能，与主从同步读写分离来扩充数据库性能的方式有本质不同： 1、每个服务器上存储的数据量是总量的1/n,所以单机的性能也会有提升； 2、n个服务器上的数据没有交集，那个服务器上数据的并集是数据的全集； 3、数据水平拆分到了n个服务器上，理论上读性能扩充了n倍多。 通过主从同步读写分离扩展数据库性能： 1、每个服务器上存储的数据量和总量相同； 2、n个服务器上的数据都一样，都是全集； 3、理论上读性能扩充了n倍，写仍然是单点，写性能不变；
|
|
|
