亚洲成无人码观看,av网址国产在线看每日更新

內(nèi)容簡介

　　本書共5章，每一章的內(nèi)容幾乎都是獨立的，大家完全可以有選擇性地閱讀。第1章以大規(guī)模服務化架構作為全書的開篇，主要介紹了分布式系統(tǒng)架構的演變過程，以及在大規(guī)模服務調(diào)用場景下，如何實施服務治理。第2章重點介紹了在大促前夕，如何在線上實施全鏈路壓測，以及有指導性地進行容量規(guī)劃和性能優(yōu)化，讓系統(tǒng)堅如磐石。第3章重點介紹了如何有效地對流量實施管制，若采用合理且有效的方式管制住峰值流量，使其井然有序地對系統(tǒng)進行訪問，則在任何情況下，系統(tǒng)就都能穩(wěn)定運行。第4章重點介紹了在大促搶購的場景下，如何解決高并發(fā)讀和高并發(fā)寫等核心技術難題。第5章詳細地介紹了關系型數(shù)據(jù)庫的架構演變過程，還重點介紹了在實際的訂單業(yè)務場景下，如何保證數(shù)據(jù)的最終一致性。

作者簡介

　　云集基礎架構負責人，技術委員會委員，經(jīng)歷了云集架構從0到1的蛻變，見證了云集業(yè)務的井噴式增長，擁有大量高并發(fā)、大流量，以及海量數(shù)據(jù)處理的實戰(zhàn)經(jīng)驗，負責云集基礎技術平臺的架構設計和中間件研發(fā)等工作，熱衷于開源技術，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)模服務化架構 1
1．1 分布式系統(tǒng)的架構演變過程 1
1．1．1 單機架構 3
1．1．2 集群架構 4
1．1．3 垂直拆分業(yè)務子系統(tǒng) 6
1．1．4 服務化架構演進 8
1．1．5 服務化與微服務架構的區(qū)別 9
1．1．6 集群與分布式的區(qū)別 10
1．1．7 前后端分離架構演進 11
1．1．8 API 網(wǎng)關服務 14
1．1．9 分布式多活數(shù)據(jù)中心架構演進 17
1．2 服務治理需求 20
1．2．1 服務化與 RPC 協(xié)議 20
1．2．2 基于服務治理框架 Dubbo 實現(xiàn)服務化 22
1．2．3 警惕因超時和重試引起的系統(tǒng)雪崩 26
1．2．4 為什么需要實施服務治理 28
1．2．5 關于服務化后的分布式事務問題 31
1．2．6 注冊中心性能瓶頸方案 32
1．2．7 分布式多活架構下的服務就近調(diào)用方案 34
1．3 服務治理之調(diào)用鏈 35
1．3．1 Google 的 Dapper 論文簡介 36
1．3．2 調(diào)用鏈的實現(xiàn)方案 38
1．3．3 基于非侵入式運行期 AOP 方案實現(xiàn)數(shù)據(jù)采集上報 48
1．3．4 調(diào)配采樣率 57
1．4 本章小結 58
第 2 章大促備戰(zhàn)核彈――全鏈路壓測 59
2．1 為什么要在線上實施全鏈路壓測 60
2．2 業(yè)務系統(tǒng)如何區(qū)分壓測流量 63
2．2．1 壓測流量打標方案 63
2．2．2 在鏈路上下文信息中傳遞壓測標記 65
2．2．3 外部第三方接口走 Mock 67
2．2．4 壓測數(shù)據(jù)的隔離方案 68
2．3 如何發(fā)起大規(guī)模的壓測流量 69
2．3．1 數(shù)據(jù)構造平臺 69
2．3．2 自研全鏈路壓測軍演系統(tǒng)的一些經(jīng)驗分享 71
2．4 本章小結 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 常見的限流算法 80
3．2．2 基于 Guava 實現(xiàn)平均速率限流 83
3．2．3 接入層限流方案 86
3．2．4 應用層限流――限時搶購限流方案 89
3．3 基于時間分片的削峰方案 92
3．3．1 活動分時段進行實現(xiàn)削峰 93
3．3．2 通過答題驗證實現(xiàn)削峰 93
3．4 基于消息隊列的解耦、削峰、最終一致性方案 94
3．4．1 基于消息隊列實現(xiàn)解耦 95
3．4．2 常見消息中間件的使用 96
3．4．3 基于消息隊列的一些典型案例 113
3．5 本章小結 116
第 4 章大促搶購核心技術難題――讀/寫優(yōu)化方案 117
4．1 緩存技術簡介 118
4．1．1 本地緩存 119
4．1．2 本地緩存的痛點 121
4．1．3 神秘的 off-heap 技術 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 引擎的行鎖問題 143
4．4．2 基于 Redis 樂觀鎖的庫存扣減方案 145
4．4．3 嵌入 Lua 腳本的庫存扣減方案149
4．4．4 基于 AliSQL 數(shù)據(jù)庫提升并發(fā)寫性能 155
4．5 本章小結 161
第 5 章星羅棋布――分庫分表方案 162
5．1 關系數(shù)據(jù)庫的架構演變 163
5．1．1 數(shù)據(jù)庫讀/寫分離 163
5．1．2 數(shù)據(jù)庫垂直分庫 164
5．1．3 數(shù)據(jù)庫水平分庫與水平分表 165
5．1．4 MySQL Sharding 與 MySQL Cluster 的區(qū)別166
5．2 Sharding 中間件 167
5．2．1 常見的 Sharding 中間件對比 167
5．2．2 Shark 簡介 169
5．2．3 Shark 的架構模型 170
5．2．4 使用 Shark 實現(xiàn)分庫分表后的數(shù)據(jù)路由任務 171
5．2．5 分庫分表后所帶來的影響 178
5．2．6 全局唯一 SequenceID 解決方案 179
5．2．7 基于 Solr 滿足多維度的復雜條件查詢 182
5．2．8 關于分布式事務 183
5．3 數(shù)據(jù)庫的 HA 方案 184
5．3．1 基于配置中心實現(xiàn)主備切換 185
5．3．2 基于 Keepalived 實現(xiàn)主備切換 186
5．3．3 保障主備切換過程中的數(shù)據(jù)一致性 188
5．4 訂單業(yè)務冗余表需求 190
5．4．1 冗余表的實現(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 195
附錄 196
后記223