为什么要扩容说人话就是, 无论如何优化性能,能达到的最大值是肯定的,对于一个用户量大的利用,能够对服务器进行各种优化,诸如限流、资源隔离,然而下限还是在那里,这时候就应该扭转咱们的硬件,例如应用更强的CPU、更大的内存,在前文中举了一个学生食堂打饭的例子,如果学生多了,能够通过令牌桶算法优先给高三学生令牌打饭,然而如果高三的学生还是很多呢?那就只有减少窗口或者食堂的数量,也就是硬件上的扩容。
扩容策略扩容策略能够分为两种, 一种是对单机整体扩容,也就是机器外部蕴含CPU、内存、存储设备等,另一种是扩容对应的组件,例如扩内存、扩磁盘、扩CPU。
整机硬件整机扩容的益处是,有很多业余的服务器硬件供应商,例如IBM、浪潮、DELL、HP等,业余的硬件供应商,他们组装以及搭配方面可能教训更加丰盛,另外有些公司会对组件进行一些优化,从而服务器更加稳固,能够类比为买电脑,有的人可能抉择买淘宝卖家曾经组装好的台式,有的人可能本人买各种硬件本人回家组装,对于个别人而言,抉择前者是较为靠谱的抉择,因为你即便懂硬件的一些参数,也难保本人搭配的机器是否能施展各个部件最大性能。
组件对于一些技术能力强悍的公司,更多的是本人买各种组件组装,这样老本更低,因为节俭了组装等费用,并且能够依据业务个性化定制,例如有的公司是计算密集型的,那么次要是更换更强的CPU,有的IO密集型,那么扩容的应该是内存等,有的公司须要存储大量的数据,那么可能扩容的是硬盘等存储设备。
组件蕴含:
cpu
Intel、Amd ,参考频率、线程数等网卡
百兆->千兆 -> 万兆内存
ECC校验磁盘
SCSI HDD（机械）、HHD（混合）、SATA SSD、PCI-e SSD、 MVMe SSDAKF拆分准则在Redis集群拆分准则之AKF中,具体介绍了AKF拆分准则的详情,这儿简略回顾一下:
对于一个利用,如果单机不足以撑持服务申请,那么能够建设诸如主主、主从等模式的集群:
这个叫AKF准则X轴扩大,目标是将申请分流在多台机器上,然而多台机器两头要解决数据同步性的问题,越多的机器数据不同步的可能性越大,这也就意味着没法有限整体复制扩容。所以能够整顿收集服务器内热点的业务申请,将业务分离出来,只对热点业务进行扩容,这就是AKF准则的Y轴拆分:
对业务拆分之后,某个业务还可能太热点,也就是Y轴拆分后程度复制还是不足以撑持数据申请,那么能够将业务的数据进行拆分, 具体来说就是,某个业务的数据,能够放在多个中央,例如在湖北、北京、上海部署机房,各地的人们须要申请数据时,由离得近的服务器提供服务。
拆分扩容后存在的问题随着业务的增长，零碎变得越来越宏大, 依据零碎性能拆分成独立而又互通的我的项目, 比方交易系统、财务零碎、生产流程零碎、物流零碎、网站零碎等等,然而分布式构造会存在很多问题。对于这些问题每一个都值得深入探讨,这儿简略的提一下,前面再开篇幅。
数据共享问题所有的服务之间数据如何共享同步,这是一个须要思考的问题,微服务架构中,数据不可能只有一份,没法防止机器损坏等起因造成的数据失落,多份数据之间如何同步?目前可供参考的解决思路是建设数据中心、搭建数据库集群。
接口调用问题不同的服务器之间进行调用遵循近程调用协定RPC
JAVA RMI：Java近程办法调用，即Java RMI（Java Remote Method Invocation）是Java编程语言里，一种用于实现近程过程调用的应用程序编程接口。 它使客户机上运行的程序能够调用近程服务器上的对象。
dubbo:提供了面向接口代理的高性能RPC调用
长久化数据雪崩问题数据库分库分表,参考:MySQL调优之分区表。资源隔离,参考:亿级流量架构之资源隔离思路与办法。缓存设定数据长久化策略:Redis长久化之RDB和AOF。高并发问题缓存:诸如缓存击穿、穿透、雪崩等,参考Redis击穿、穿透、雪崩产生起因以及解决思路。
数据闭环:为了便于了解,举个例子,对于淘宝而言,有网页版、IOS版、安卓版、还有什么一淘等等,尽管客户端不一样,然而展现的商品信息是雷同的,也就是一件商品,无论是哪个端用的数据是一样的,须要一套计划来解决并发下依据雷同数据在不同端进行不同展现的问题,这就叫数据闭环。
数据一致性问题这是一个难点,粗心就是多个服务器之间数据如何保障一致性,同样的商品在不同客户端服务端端价格应该是一样的, 通常应用分布式锁。
数据库扩容:集群先简略说一下分布式与集群的区别,这两个词儿常常一起呈现,然而意义却有所不同,分布式会缩短单个工作的执行工夫来晋升工作效率，而集群强调的是进步单位工夫内执行操作数的减少来提高效率。更简略的来说，分布式是将步骤分到每台电脑上，不思考依赖关系，集群计划是指几个工作同时在解决。
繁多数据库存储难以满足业务需要时,采取集群的形式,将数据存储在不同的服务器,这能够是主主或者主从,主从中主负责写,从负责读,将与数据库无关的压力进行合成到多台机器上。
分布式ID在简单分布式系统中，往往须要对大量的数据和音讯进行惟一标识。很容易想到的是利用自增,然而自增有很多问题，例如ID有太强的法则,可能会被歹意查问收集,面对数据日渐增长，对数据分库分表后须要有一个惟一ID来标识一条数据或音讯，这样数据库的自增ID显然不能满足需要；特地一点的如商品、订单、用户也都须要有惟一ID做标识。此时一个可能生成全局惟一ID的零碎是十分必要的。概括下来，那业务系统对ID号的要求有哪些呢？
分布式ID要求面对分布式ID,须要满足上面的要求:
全局惟一性：不能呈现反复的ID号，既然是惟一标识，这是最根本的要求。趋势递增：在MySQL InnoDB引擎中应用的是汇集索引，因为少数RDBMS应用B-tree的数据结构来存储索引数据，在主键的抉择下面咱们应该尽量应用有序的主键保障写入性能。枯燥递增：保障下一个ID肯定大于上一个ID，例如事务版本号、IM增量音讯、排序等非凡需要。信息安全：如果ID是间断的，歹意用户的扒取工作就非常容易做了，间接依照程序下载指定URL即可；如果是订单号就更危险了，竞对能够间接晓得咱们一天的单量。所以在一些利用场景下，会须要ID无规则、不规则。上述123对应三类不同的场景，然而3和4的需要是互斥的，也就是无奈应用同一个计划满足。除了对ID号码本身的要求，业务还对ID号生成零碎的可用性要求极高，设想一下，如果ID生成零碎瘫痪，整个与数据无关的动作都无奈执行，会带来一场劫难。由此总结下一个ID生成零碎起码应该做到如下几点：
均匀提早和TP999提早都要尽可能低；可用性5个9(这是美团的要求,有些企业例如阿里要求6个9)；高QPS。分布式ID生成策略目前业界罕用的ID生成策略有很多,例如UUID、雪花生成算法、Redis、Zookeeper等,这儿只简略讲讲UUID以及Snowflake，前面要开篇详谈。
UUID生成算法UUID(Universally Unique Identifier)的规范型式蕴含32个16进制数字，以连字号分为五段，模式为8-4-4-4-12的36个字符，示例：550e8400-e29b-41d4-a716-446655440000，到目前为止业界一共有5种形式生成UUID，详情见IETF公布的UUID标准 A Universally Unique IDentifier (UUID) URN Namespace。
长处：
性能十分高：本地生成，没有网络耗费。毛病：
不易于存储：UUID太长，16字节128位，通常以36长度的字符串示意，很多场景不实用。信息不平安：基于MAC地址生成UUID的算法可能会造成MAC地址泄露，这个破绽曾被用于寻找梅丽莎病毒的制作者地位。ID作为主键时在特定的环境会存在一些问题，比方做DB主键的场景下，UUID就十分不实用：① MySQL官网有明确的倡议主键要尽量越短越好[4]，36个字符长度的UUID不符合要求。
All indexes other than the clustered index are known as secondary indexes. In InnoDB, each record in a secondary index contains the primary key columns for the row, as well as the columns specified for the secondary index. InnoDB uses this primary key value to search for the row in the clustered index.If the primary key is long, the secondary indexes use more space, so it is advantageous to have a short primary key.
...