一、概述
對于互聯網項目，服務端的壓力總的歸納起來通常為以下兩個方面：

1. ? ? 數據處理
1.1 接受請求的能力
1.2 處理請求的能力（響應時間）
?
2. ? ? 數據存儲
2.1 物理介質存儲容量上限
2.2 大量數據的存儲，影響數據處理速度
?
二、物聯網項目特點

網絡環境復雜
由于硬件設備的參與，且硬件有聯網功能，所以網絡情況更加復雜。多種客戶端的出現，也導致系統架構也會相對復雜。

高可用
軟件系統應提供7 * 24小時不間斷服務。服務器一旦宕機，可能會影響用戶使用，甚至數據丟失。

高并發、大流量
硬件設備通常需要定時或實時發送信息到服務端，當硬件設備數量達到一定程度，會需要很大的并發處理能力。

海量數據
客戶端硬件設備發送信息到服務器的頻率較高，所以很容易形成海量的數據信息。如果存儲、管理這些海量數據也成為一個技術難點。

安全環境
由于物聯網項目一般都需要硬件設備能夠訪問互聯網，則服務器提供的服務也暴露于公網，使得服務器的安全風險相對更高。

需求變化快，發布頻繁
如該項目還具有互聯網項目的特點，則為了快速適應市場，滿足用戶需求，軟件更新、發布頻率必然非常高。
?
二、優化分析（都是資源惹的禍）

幾個關鍵字：分離、拆分、集群、緩存、異步、冗余

1、分離

應用與數據（包括數據庫和文件服務）分離；數據讀寫分離；前后端分離（web系統）

2、拆分

業務拆分，將項目的各個模塊（如：用戶、訂單、商品等）拆分為單獨的子項目。（分布式服務、分布式數據庫、分布式文件系統本質上就是拆分）

3、集群

同一個功能（應用或服務）運行、部署在多臺服務器上，以達到改善此功能的性能的目的（集群也是一種冗余）。

4、緩存

根據二八定律，80%的業務訪問集中才20%的數據上。將這些高頻訪問的數據緩存在內存中，將大大提供系統性能。包括：數據緩存、文件緩存（CDN）

5、異步

有些操作比較耗時，卻不需要理解返回結果的業務，可以使用異步方式來處理，減少系統資源占用和阻塞時間。

6、冗余

為了系統提供服務的持續性（7*24小時），或數據避免丟失的風險。一個服務運行在多臺服務器上、相同的數據存儲在多個物理介質。

三、示例目業務情況分析及預估

根據示例項目的業務情況，服務器的壓力主要來自用戶的行為數據上報，即設備端上報的用戶行為數據或設備信息，當設備數量多時，會對服務器接收數據和存儲數據的能力帶來壓力。

用戶數量預估

假設設備數量為 15萬。根據二八定律預估DAU（日活躍用戶數）為3萬。

設備產生的行為數據

如果平均每個設備每天工作30分鐘，每天產生300條左右的記錄。3w設備每天產生900w條數據。

四、架構設計方案

關鍵字：分布式、緩存、大數據存儲

?

說明：

服務端采用微服務的設計、開發方式，分布式的部署。各個模塊可以作為獨立應用，即高內聚，模塊之間通過RPC進行通訊調用，即低耦合。各個子模塊可分開獨立部署，具有很高的橫向擴展能力，提高了請求的并發處理能力和數據處理能力。

網關、注冊中心/配置中心、業務服務都采用多節點部署方式，保證容災的情況下提升了系統性能。

微服務監控中心每隔幾分鐘就會多各個微服務進行掃描探測，檢測服務存活狀態，如發現服務狀態異常，則會發送短信報警。

數據庫根據業務情況進行了拆分，每個業務模塊獨立使用一個數據庫實例，分散（拆分）了整個系統對數據庫的資源占用。數據庫使用讀寫分離技術，進一步降低數據庫壓力。

使用Redis作為數據緩存，對于查詢較多的“熱數據”進行緩存處理，減少了數據庫的壓力。

因使用了分布式的部署方式，各個模塊的應用日志分布在各個服務器上，所以使用日志收集組件，將各個服務器上的日志信息收集到一處，統一查看和歸檔管理。

為應對硬件設備產生的海量數據，使用Hbase和Clickhouse進行存儲

附：

Hbase介紹：

傳統的關系型數據庫對數據規模有一定的限制，如果數據規模超過一定的量級，數據庫性能會有明顯下降，這時通常就需要進行分庫分表等操作。分庫分表增加了數據庫設計和軟件設計的復雜程度。但是如果數據量級再往上漲，存儲的復雜度和軟件系統的復雜程度就會直線上升，對于后期的數據庫和軟件系統的維護帶來很大負擔。

HBase是一個高可靠、高性能、面向列、可伸縮的分布的，基于Hadoop的面向列的NoSQL數據庫，可以提供實時計算的分布式數據庫。提供了對大規模數據的隨機、實時讀寫訪問。HBase 的目標是存儲并處理大型的數據，也就是僅用普通的硬件配置，就能夠處理上千億的行和幾百萬的列所組成的超大型數據庫。

特點：

• 不支持join等復雜操作
• 不支持復雜事務
• 不存在復雜的表與表之間的關系，只有簡單的插入、查詢、刪除、清空等
• 單表可以是10億行，上百萬列
• ......

ClickHouse簡介：

ClickHouse是俄羅斯一家公司開源的一個極具"戰斗力"的實時數據分析數據庫，是面向 OLAP（在線分析處理） 的分布式列式數據看系統。輕量級，且不依賴于其他組件。

特點：

• 快
• 關系型、支持SQL
• 高性能、高可用
• 數據量級在PB級別
• 分布式
• ......

適用場景主要有以下幾類：日志數據的行為分析（大數據分析），標簽畫像的分析，數據集市層分析；還可作為存儲引擎集成在了產品內部，應用于知識圖譜作為本體數據存儲，及標簽數據的存儲引擎等。

?

總結

以上是生活随笔為你收集整理的物联网项目-服务端架构优化分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。