电商网站项目架构
https://blog.csdn.net/zhang89xiao/article/details/51839441
1 電商案例原因
分布式大型網站，目前看主要有幾類1.大型門戶，比如網易，新浪等；2.SNS網站，比如校內，開心網等；3.電商網站：比如阿里巴巴，京東商城，國美在線，汽車之家等。大型門戶一般是新聞類信息，可以使用CDN，靜態化等方式優化，開心網等交互性比較多，可能會引入更多的NOSQL，分布式緩存，使用高性能的通信框架等。電商網站具備以上兩類的特點，比如產品詳情可以采用CDN，靜態化，交互性高的需要采用NOSQL等技術。因此，我們采用電商網站作為案例，進行分析。
2 電商網站需求
客戶需求：
-
建立一個全品類的電子商務網站（B2C），用戶可以在線購買商品，可以在線支付，也可以貨到付款；
-
用戶購買時可以在線與客服溝通；
-
用戶收到商品后，可以給商品打分，評價；
-
目前有成熟的進銷存系統；需要與網站對接；
-
希望能夠支持3~5年，業務的發展；
-
預計3~5年用戶數達到1000萬；
-
定期舉辦雙11，雙12,三八男人節等活動；
-
其他的功能參考京東或國美在線等網站。
客戶就是客戶，不會告訴你具體要什么，只會告訴你他想要什么，我們很多時候要引導，挖掘客戶的需求。好在提供了明確的參考網站。因此，下一步要進行大量的分析，結合行業，以及參考網站，給客戶提供方案。
需求管理傳統的做法，會使用用例圖或模塊圖（需求列表）進行需求的描述。這樣做常常忽視掉一個很重要的需求（非功能需求），因此推薦大家使用需求功能矩陣，進行需求描述。
本電商網站的需求矩陣如下：
以上是對電商網站需求的簡單舉例，目的是說明（1）需求分析的時候，要全面，大型分布式系統重點考慮非功能需求；（2）描述一個簡單的電商需求場景，使大家對下一步的分析設計有個依據。
3 網站初級架構
一般網站，剛開始的做法，是三臺服務器，一臺部署應用，一臺部署數據庫，一臺部署NFS文件系統。這是前幾年比較傳統的做法，之前見到一個網站10萬多會員，垂直服裝設計門戶，N多圖片。使用了一臺服務器部署了應用，數據庫以及圖片存儲。出現了很多性能問題。如下圖：
但是，目前主流的網站架構已經發生了翻天覆地的變化。一般都會采用集群的方式，進行高可用設計。至少是下面這個樣子。
-
（1）使用集群對應用服務器進行冗余，實現高可用；（負載均衡設備可與應用一塊部署）
-
（2）使用數據庫主備模式，實現數據備份和高可用；
4 系統容量預估
預估步驟：
-
注冊用戶數-日均UV量-每日的PV量-每天的并發量；
-
峰值預估：平常量的2~3倍；
-
根據并發量（并發，事務數），存儲容量計算系統容量；
客戶需求：3~5年用戶數達到1000萬注冊用戶；
每秒并發數預估：
-
每天的UV為200萬（二八原則）；
-
每日每天點擊瀏覽30次；
-
PV量：200*30=6000萬；
-
集中訪問量：24*0.2=4.8小時會有6000萬*0.8=4800萬（二八原則）；
-
每分并發量：4.8*60=288分鐘，每分鐘訪問4800/288=16.7萬（約等于）；
-
每秒并發量：16.7萬/60=2780（約等于）；
-
假設：高峰期為平常值的三倍，則每秒的并發數可以達到8340次。
-
1毫秒=1.3次訪問；
服務器預估：（以tomcat服務器舉例）
-
按一臺web服務器，支持每秒300個并發計算。平常需要10臺服務器（約等于）；[tomcat默認配置是150]
-
高峰期：需要30臺服務器；
容量預估：70/90原則
- 系統CPU一般維持在70%左右的水平，高峰期達到90%的水平，是不浪費資源，并比較穩定的。內存，IO類似。
以上預估僅供參考，因為服務器配置，業務邏輯復雜度等都有影響。在此CPU，硬盤，網絡等不再進行評估。
5 網站架構分析
根據以上預估，有幾個問題：
-
需要部署大量的服務器，高峰期計算，可能要部署30臺Web服務器。并且這三十臺服務器，只有秒殺，活動時才會用到，存在大量的浪費。
-
所有的應用部署在同一臺服務器，應用之間耦合嚴重。需要進行垂直切分和水平切分。
-
大量應用存在冗余代碼。
-
服務器SESSION同步耗費大量內存和網絡帶寬。
-
數據需要頻繁訪問數據庫，數據庫訪問壓力巨大。
大型網站一般需要做以下架構優化（優化是架構設計時，就要考慮的，一般從架構/代碼級別解決，調優主要是簡單參數的調整，比如JVM調優；如果調優涉及大量代碼改造，就不是調優了，屬于重構）：
-
業務拆分
-
應用集群部署（分布式部署，集群部署和負載均衡）
-
多級緩存
-
單點登錄（分布式Session）
-
數據庫集群（讀寫分離，分庫分表）
-
服務化
-
消息隊列
-
其他技術
6 網站架構優化
6.1 業務拆分
根據業務屬性進行垂直切分，劃分為產品子系統，購物子系統，支付子系統，評論子系統，客服子系統，接口子系統（對接如進銷存，短信等外部系統）。
根據業務子系統進行等級定義，可分為核心系統和非核心系統。核心系統：產品子系統，購物子系統，支付子系統；非核心：評論子系統，客服子系統，接口子系統。
業務拆分作用：提升為子系統可由專門的團隊和部門負責，專業的人做專業的事，解決模塊之間耦合以及擴展性問題；每個子系統單獨部署，避免集中部署導致一個應用掛了，全部應用不可用的問題。
等級定義作用：用于流量突發時，對關鍵應用進行保護，實現優雅降級；保護關鍵應用不受到影響。
拆分后的架構圖：
參考部署方案2：
（1）如上圖每個應用單獨部署；
（2）核心系統和非核心系統組合部署；
6.2 應用集群部署（分布式，集群，負載均衡）
分布式部署：將業務拆分后的應用單獨部署，應用直接通過RPC進行遠程通信；
集群部署：電商網站的高可用要求，每個應用至少部署兩臺服務器進行集群部署；
負載均衡：是高可用系統必須的，一般應用通過負載均衡實現高可用，分布式服務通過內置的負載均衡實現高可用，關系型數據庫通過主備方式實現高可用。
集群部署后架構圖：
6.3 多級緩存
緩存按照存放的位置一般可分為兩類本地緩存和分布式緩存。本案例采用二級緩存的方式，進行緩存的設計。一級緩存為本地緩存，二級緩存為分布式緩存。（還有頁面緩存，片段緩存等，那是更細粒度的劃分）
一級緩存，緩存數據字典，和常用熱點數據等基本不可變/有規則變化的信息，二級緩存緩存需要的所有緩存。當一級緩存過期或不可用時，訪問二級緩存的數據。如果二級緩存也沒有，則訪問數據庫。
緩存的比例，一般1:4，即可考慮使用緩存。（理論上是1:2即可）。
根據業務特性可使用以下緩存過期策略：
（1）緩存自動過期；
（2）緩存觸發過期；
6.4 單點登錄（分布式Session）
系統分割為多個子系統，獨立部署后，不可避免的會遇到會話管理的問題。一般可采用Session同步，Cookies，分布式Session方式。電商網站一般采用分布式Session實現。
再進一步可以根據分布式Session，建立完善的單點登錄或賬戶管理系統。
流程說明：
（1）用戶第一次登錄時，將會話信息（用戶Id和用戶信息），比如以用戶Id為Key，寫入分布式Session；
（2）用戶再次登錄時，獲取分布式Session，是否有會話信息，如果沒有則調到登錄頁；
（3）一般采用Cache中間件實現，建議使用Redis，因此它有持久化功能，方便分布式Session宕機后，可以從持久化存儲中加載會話信息；
（4）存入會話時，可以設置會話保持的時間，比如15分鐘，超過后自動超時；
結合Cache中間件，實現的分布式Session，可以很好的模擬Session會話。
6.5 數據庫集群（讀寫分離，分庫分表）
大型網站需要存儲海量的數據，為達到海量數據存儲，高可用，高性能一般采用冗余的方式進行系統設計。一般有兩種方式讀寫分離和分庫分表。
讀寫分離：一般解決讀比例遠大于寫比例的場景，可采用一主一備，一主多備或多主多備方式。
本案例在業務拆分的基礎上，結合分庫分表和讀寫分離。如下圖：
（1）業務拆分后：每個子系統需要單獨的庫；
（2）如果單獨的庫太大，可以根據業務特性，進行再次分庫，比如商品分類庫，產品庫；
（3）分庫后，如果表中有數據量很大的，則進行分表，一般可以按照Id，時間等進行分表；（高級的用法是一致性Hash）
（4）在分庫，分表的基礎上，進行讀寫分離；
相關中間件可參考Cobar（阿里，目前已不在維護），TDDL（阿里），Atlas（奇虎360），MyCat（在Cobar基礎上，國內很多牛人，號稱國內第一開源項目）。
分庫分表后序列的問題，JOIN，事務的問題，會在分庫分表主題分享中，介紹。
6.6 服務化
將多個子系統公用的功能/模塊，進行抽取，作為公用服務使用。比如本案例的會員子系統就可以抽取為公用的服務。
6.7 消息隊列
消息隊列可以解決子系統/模塊之間的耦合，實現異步，高可用，高性能的系統。是分布式系統的標準配置。本案例中，消息隊列主要應用在購物，配送環節。
（1）用戶下單后，寫入消息隊列，后直接返回客戶端；
（2）庫存子系統：讀取消息隊列信息，完成減庫存；
（3）配送子系統：讀取消息隊列信息，進行配送；
目前使用較多的MQ有Active MQ,Rabbit MQ,Zero MQ，MS MQ等，需要根據具體的業務場景進行選擇。建議可以研究下Rabbit MQ。
6.8 其他架構（技術）
除了以上介紹的業務拆分，應用集群，多級緩存，單點登錄，數據庫集群，服務化，消息隊列外。還有CDN，反向代理，分布式文件系統，大數據處理等系統。
此處不詳細介紹，大家可以問度娘/Google，有機會的話也可以分享給大家。
7 架構總結
--------------------- 本文來自 踏實_進取 的CSDN 博客 ，全文地址請點擊：https://blog.csdn.net/zhang89xiao/article/details/51839441?utm_source=copy
總結
- 上一篇： 算法设计——质数的乘积
- 下一篇： 【LaTex】IEEE论文作者信息排版