超大流量分布式系統(tǒng)架構(gòu)解決方案：人人都是架構(gòu)師2.0

定　價(jià)：￥89.00

作　者：	高翔龍著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787121385056	出版時(shí)間：	2020-03-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	236	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書共5章，每一章的內(nèi)容幾乎都是獨(dú)立的，大家完全可以有選擇性地閱讀。第1章以大規(guī)模服務(wù)化架構(gòu)作為全書的開(kāi)篇，主要介紹了分布式系統(tǒng)架構(gòu)的演變過(guò)程，以及在大規(guī)模服務(wù)調(diào)用場(chǎng)景下，如何實(shí)施服務(wù)治理。第2章重點(diǎn)介紹了在大促前夕，如何在線上實(shí)施全鏈路壓測(cè)，以及有指導(dǎo)性地進(jìn)行容量規(guī)劃和性能優(yōu)化，讓系統(tǒng)堅(jiān)如磐石。第3章重點(diǎn)介紹了如何有效地對(duì)流量實(shí)施管制，若采用合理且有效的方式管制住峰值流量，使其井然有序地對(duì)系統(tǒng)進(jìn)行訪問(wèn)，則在任何情況下，系統(tǒng)就都能穩(wěn)定運(yùn)行。第4章重點(diǎn)介紹了在大促搶購(gòu)的場(chǎng)景下，如何解決高并發(fā)讀和高并發(fā)寫等核心技術(shù)難題。第5章詳細(xì)地介紹了關(guān)系型數(shù)據(jù)庫(kù)的架構(gòu)演變過(guò)程，還重點(diǎn)介紹了在實(shí)際的訂單業(yè)務(wù)場(chǎng)景下，如何保證數(shù)據(jù)的最終一致性。

作者簡(jiǎn)介

　　云集基礎(chǔ)架構(gòu)負(fù)責(zé)人，技術(shù)委員會(huì)委員，經(jīng)歷了云集架構(gòu)從0到1的蛻變，見(jiàn)證了云集業(yè)務(wù)的井噴式增長(zhǎng)，擁有大量高并發(fā)、大流量，以及海量數(shù)據(jù)處理的實(shí)戰(zhàn)經(jīng)驗(yàn)，負(fù)責(zé)云集基礎(chǔ)技術(shù)平臺(tái)的架構(gòu)設(shè)計(jì)和中間件研發(fā)等工作，熱衷于開(kāi)源技術(shù)，常年游走在GitHub上。

圖書目錄

目錄
第 1 章大系統(tǒng)小做――大規(guī)模服務(wù)化架構(gòu) 1
1．1 分布式系統(tǒng)的架構(gòu)演變過(guò)程 1
1．1．1 單機(jī)架構(gòu) 3
1．1．2 集群架構(gòu) 4
1．1．3 垂直拆分業(yè)務(wù)子系統(tǒng) 6
1．1．4 服務(wù)化架構(gòu)演進(jìn) 8
1．1．5 服務(wù)化與微服務(wù)架構(gòu)的區(qū)別 9
1．1．6 集群與分布式的區(qū)別 10
1．1．7 前后端分離架構(gòu)演進(jìn) 11
1．1．8 API 網(wǎng)關(guān)服務(wù) 14
1．1．9 分布式多活數(shù)據(jù)中心架構(gòu)演進(jìn) 17
1．2 服務(wù)治理需求 20
1．2．1 服務(wù)化與 RPC 協(xié)議 20
1．2．2 基于服務(wù)治理框架 Dubbo 實(shí)現(xiàn)服務(wù)化 22
1．2．3 警惕因超時(shí)和重試引起的系統(tǒng)雪崩 26
1．2．4 為什么需要實(shí)施服務(wù)治理 28
1．2．5 關(guān)于服務(wù)化后的分布式事務(wù)問(wèn)題 31
1．2．6 注冊(cè)中心性能瓶頸方案 32
1．2．7 分布式多活架構(gòu)下的服務(wù)就近調(diào)用方案 34
1．3 服務(wù)治理之調(diào)用鏈 35
1．3．1 Google 的 Dapper 論文簡(jiǎn)介 36
1．3．2 調(diào)用鏈的實(shí)現(xiàn)方案 38
1．3．3 基于非侵入式運(yùn)行期 AOP 方案實(shí)現(xiàn)數(shù)據(jù)采集上報(bào) 48
1．3．4 調(diào)配采樣率 57
1．4 本章小結(jié) 58
第 2 章大促備戰(zhàn)核彈――全鏈路壓測(cè) 59
2．1 為什么要在線上實(shí)施全鏈路壓測(cè) 60
2．2 業(yè)務(wù)系統(tǒng)如何區(qū)分壓測(cè)流量 63
2．2．1 壓測(cè)流量打標(biāo)方案 63
2．2．2 在鏈路上下文信息中傳遞壓測(cè)標(biāo)記 65
2．2．3 外部第三方接口走 Mock 67
2．2．4 壓測(cè)數(shù)據(jù)的隔離方案 68
2．3 如何發(fā)起大規(guī)模的壓測(cè)流量 69
2．3．1 數(shù)據(jù)構(gòu)造平臺(tái) 69
2．3．2 自研全鏈路壓測(cè)軍演系統(tǒng)的一些經(jīng)驗(yàn)分享 71
2．4 本章小結(jié) 74
第 3 章削峰填谷――流控方案 75
3．1 為什么需要限流 76
3．2 限流方案 79
3．2．1 常見(jiàn)的限流算法 80
3．2．2 基于 Guava 實(shí)現(xiàn)平均速率限流 83
3．2．3 接入層限流方案 86
3．2．4 應(yīng)用層限流――限時(shí)搶購(gòu)限流方案 89
3．3 基于時(shí)間分片的削峰方案 92
3．3．1 活動(dòng)分時(shí)段進(jìn)行實(shí)現(xiàn)削峰 93
3．3．2 通過(guò)答題驗(yàn)證實(shí)現(xiàn)削峰 93
3．4 基于消息隊(duì)列的解耦、削峰、最終一致性方案 94
3．4．1 基于消息隊(duì)列實(shí)現(xiàn)解耦 95
3．4．2 常見(jiàn)消息中間件的使用 96
3．4．3 基于消息隊(duì)列的一些典型案例 113
3．5 本章小結(jié) 116
第 4 章大促搶購(gòu)核心技術(shù)難題――讀/寫優(yōu)化方案 117
4．1 緩存技術(shù)簡(jiǎn)介 118
4．1．1 本地緩存 119
4．1．2 本地緩存的痛點(diǎn) 121
4．1．3 神秘的 off-heap 技術(shù) 122
4．2 高性能分布式緩存 Redis 127
4．2．1 基于 Jedis 客戶端操作 Redis 128
4．2．2 基于 RedisCluster 模式實(shí)現(xiàn) Sharding 129
4．3 同一熱賣商品高并發(fā)讀難題 133
4．3．1 多級(jí)緩存方案 135
4．3．2 緩存穿透思考 139
4．3．3 RedisCluster 模式下的讀/寫分離方案 140
4．4 同一熱賣商品高并發(fā)寫難題 143
4．4．1 InnoDB 引擎的行鎖問(wèn)題 143
4．4．2 基于 Redis 樂(lè)觀鎖的庫(kù)存扣減方案 145
4．4．3 嵌入 Lua 腳本的庫(kù)存扣減方案149
4．4．4 基于 AliSQL 數(shù)據(jù)庫(kù)提升并發(fā)寫性能 155
4．5 本章小結(jié) 161
第 5 章星羅棋布――分庫(kù)分表方案 162
5．1 關(guān)系數(shù)據(jù)庫(kù)的架構(gòu)演變 163
5．1．1 數(shù)據(jù)庫(kù)讀/寫分離 163
5．1．2 數(shù)據(jù)庫(kù)垂直分庫(kù) 164
5．1．3 數(shù)據(jù)庫(kù)水平分庫(kù)與水平分表 165
5．1．4 MySQL Sharding 與 MySQL Cluster 的區(qū)別166
5．2 Sharding 中間件 167
5．2．1 常見(jiàn)的 Sharding 中間件對(duì)比 167
5．2．2 Shark 簡(jiǎn)介 169
5．2．3 Shark 的架構(gòu)模型 170
5．2．4 使用 Shark 實(shí)現(xiàn)分庫(kù)分表后的數(shù)據(jù)路由任務(wù) 171
5．2．5 分庫(kù)分表后所帶來(lái)的影響 178
5．2．6 全局唯一 SequenceID 解決方案 179
5．2．7 基于 Solr 滿足多維度的復(fù)雜條件查詢 182
5．2．8 關(guān)于分布式事務(wù) 183
5．3 數(shù)據(jù)庫(kù)的 HA 方案 184
5．3．1 基于配置中心實(shí)現(xiàn)主備切換 185
5．3．2 基于 Keepalived 實(shí)現(xiàn)主備切換 186
5．3．3 保障主備切換過(guò)程中的數(shù)據(jù)一致性 188
5．4 訂單業(yè)務(wù)冗余表需求 190
5．4．1 冗余表的實(shí)現(xiàn)方案 190
5．4．2 數(shù)據(jù)最終一致性方案 192
5．5 本章小結(jié) 195
附錄 196
后記223