自己建商城型网站,国家企业信息系统公示系统下载,百度网盘登陆,德阳手机网站建设在架构设计系列1#xff1a;什么是架构设计中#xff0c;我们讲了架构设计的主要目的#xff0c;是为了解决软件系统复杂度带来的问题#xff0c;今天我们来聊聊软件系统复杂度的来源之一高性能。
一、什么是高性能架构#xff1f;
要搞清楚什么是高性能架构#xff0c…在架构设计系列1什么是架构设计中我们讲了架构设计的主要目的是为了解决软件系统复杂度带来的问题今天我们来聊聊软件系统复杂度的来源之一高性能。
一、什么是高性能架构
要搞清楚什么是高性能架构我们需先弄明白高性能是什么。
高性能定义 首先性能是什么怎么理解它 简单来说性能指的是一件事务的处理能力。
那么什么是高性能呢 高性能指的是处理一件事务的速度更快所消耗的资源更少。
高性能架构 那么什么是高性能架构呢 高性能架构是指在有限的资源投入下通过采用适当的技术和策略让系统具备了优秀的性能。
对于技术人员来说在有限的资源投入下如何提高系统性能这是一个挑战更是一个机遇。 可以想象一下同为架构师你做的架构在性能相同的情况下成本更低那是不是你的优势呢。 二、为什么高性能架构重要
在进入互联网时代后业务的发展速度是远远超乎你的想象的。例如
2016 年双11支付宝每秒峰值达 12 万笔支付。2017 年春节微信红包收发红包每秒达到 76 万个。
我们提炼下关键信息每秒12万笔支付每秒收发76万个红包。这两个数字意味着有成千上万甚至上亿的用户在同时使用系统。
在用户体量这么庞大的情况下可以想象系统的压力有多大尤其还是支付和红包这种复杂的业务这要求整个链路都保证高性能。而一个复杂系统的链路往往是很长的要保证链路上的每个环节配合起来达到高性能的目的是一件个复杂且具有挑战性的任务。
如此高性能架构就派上了用场。
我们可以通过高性能架构设计最大限度地提高系统的处理速度、吞吐量和效率从而提供稳定和可靠的系统服务以满足大规模、高并发和复杂的业务需求。
高性能系统一般具备如下特点
快速响应高吞吐量低延迟高并发性可扩展性 三、如何设计高性能架构
软件系统中高性能带来的复杂度主要体现在两个方面一方面是单台计算机内部为了高性能带来的复杂度另一方面是多台计算机集群为了高性能带来的复杂度。
因此我们可以从单机高性能和集群高性能两个方面来理解软件系统的高性能。
接下来我们一起来探讨一下有哪些常用技术可以提升单机性能和集群性能。
1、提升性能的发力方向
1.1 单机高性能
单机高性能最关键的地方就是操作系统。
计算机性能的发展本质上是硬件发展驱动的尤其是CPU的性能发展。著名的“摩尔定律”表明了 CPU 的处理能力每隔 18 个月就翻一番而将硬件性能充分发挥出来的关键就是操作系统。
所以操作系统本身其实也是跟随硬件的发展而发展的操作系统是软件系统的运行环境操作系统的复杂度直接决定了软件系统的复杂度。
操作系统和性能最相关的就是进程和线程。
1. 多进程
计算机如何并行运行任务 在早期计算机一次只能执行一个任务如果某个任务需要从 I/O 设备例如磁带读取大量的数据在 I/O 操作的过程中CPU 其实是空闲的而这个空闲时间本来是可以进行其他计算的。
为了提升性能用进程来对应一个任务每个任务都有自己独立的内存空间进程间互不相关由操作系统来进行调度。为了达到多进程并行运行的目的采取了分时的方式即把 CPU 的时间分成很多片段每个片段只能执行某个进程中的指令。
虽然从操作系统和 CPU 的角度来说还是串行处理的但是由于 CPU 的处理速度很快从用户的角度来看感觉是多进程在并行处理。
进程间如何通信 多进程虽然要求每个任务都有独立的内存空间进程间互不相关但从用户的角度来看如果两个任务之间能够在运行过程中就进行通信会让任务设计变得更加灵活高效。
否则如果两个任务运行过程中不能通信只能是 A 任务将结果写到存储B 任务再从存储读取进行处理不仅效率低而且任务设计更加复杂。
为了解决这个问题进程间通信的各种方式被设计出来了包括管道、消息队列、信号量、共享存储等。
2. 多线程
进程内如何并行运行任务 多进程让多任务能够并行处理但本身还有缺点单个进程内部只能串行处理而实际上很多进程内部的子任务并不要求是严格按照时间顺序来执行的也需要并行处理。
为了解决这个问题人们又发明了线程线程是进程内部的子任务但这些子任务都共享同一份进程数据。为了保证数据的正确性又发明了互斥锁机制。
有了多线程后操作系统调度的最小单位就变成了线程而进程变成了操作系统分配资源的最小单位。
3. 编码过程中如何优化单机性能
要提升单机的性能其中一个关键点就是服务器采取的并发模型而这就涉及到多进程、多线程和异步非阻塞、同步非阻塞的IO模型。
IO 多路复用 IO 多路复用技术的两个关键点
当多条连接共用一个阻塞对象后进程只需要在一个阻塞对象上等待而无须再轮询所有连接常见的实现方式有 select、epoll、kqueue 等。当某条连接有新的数据可以处理时操作系统会通知进程进程从阻塞状态返回开始进行业务处理。
Reactor 和 Proactor 架构模式 在后端系统设计里面要想实现单机的高性能那在 IO 多路复用基础之上我们的整个网络框架还需要配合池化技术来提高我们的性能。
因此业界一般都是采用 I/O 多路复用 线程池 的方式来提高性能。与之对应的在业界常用的两个单机高性能的架构模式就是Reactor 和 Proactor 模式。Reactor 模式属于同步非阻塞网络模型Proactor 模式属于异步非阻塞网络模型。
在业内开源软件里面Redis 采用的是 单 Reactor 单进程的方式Memcache 采用的是 多 Reactor 多线程的方式Nginx 采用的是多 Reactor 多进程的方式。
4. 小结
如果我们要完成一个高性能的软件系统需要考虑如多进程、多线程、进程间通信、多线程并发等技术点。
多进程和多线程虽然让多任务并行处理的性能大大提升但本质上还是分时系统并不能做到同一时刻真正的并行。解决这个问题的方式就是让多个 CPU 能够同时执行计算任务从而实现真正意义上的多任务并行。 目前最常见的多核处理器就是SMP方案。SMP全称 Symmetric Multi-Processor对称多处理器结构。 1.2 集群高性能
虽然计算机硬件的性能快速发展但和业务的发展速度相比还是小巫见大巫了尤其是进入互联网时代后业务的发展速度远远超过了硬件的发展速度。
就像前面提到的支付和红包这两种复杂的业务单机的性能无论如何是无法支撑的必须采用集群的方式来达到高性能。例如支付宝和微信这种规模的业务系统后台系统的机器数量都是万台级别的。
通过大量机器来提升性能并不仅仅是增加机器这么简单让多台机器配合起来达到高性能的目的是一个复杂的任务。常见的方式有
1. 任务分配
任务分配是指每台机器都可以处理完整的业务任务将不同的任务分配到不同的机器上执行。
高性能集群设计的复杂性主要体现在需要增加一个任务分配器以及选择一个合适的任务分配算法。
对于任务分配器更流行的叫法是负载均衡器。但这个名称会让人潜意识里觉得任务分配的目的是要保持各个计算单元的负载达到均衡状态。而实际上任务分配并不仅限于考虑计算单元的负载均衡不同的任务分配算法有不一样的目标有的基于负载考虑有的基于性能吞吐量、响应时间考虑有的基于业务考虑。
选择合适的任务分配器也是一件复杂的事情需要综合考虑性能、成本、可维护性、可用性等各方面的因素。
常见的任务分配器的分类有
DNS负载均衡 这是最简单最常见的负载均衡方式经常用来实现地理级别的均衡。
DNS负载均衡的本质是不同地理位置的用户访问时DNS解析同一个域名可以返回不同的IP地址。比如北方用户访问位于北京的机房南方的用户则访问深圳机房。以www.baidu.com来说北方用户获取的地址是61.135.165.224南方用户获取的是14.215.177.38。
优点实现简单、成本低无须自己开发或者维护、就近访问访问速度快缺点更新不及时、扩展性差、分配策略简单
硬件负载均衡 通过单独的硬件设备实现负载均衡的功能此类设备和路由器、交换机类似可以理解为一个用于负载均衡的基础网络设备。当前典型的主要有两款F5和A10。
优点性能强劲支持100万以上的并发、功能强大支持所有层级的负载均衡支持全面的均衡算法缺点价格昂贵、扩展能力差
软件负载均衡 通过提供负载均衡软件来实现负载均衡功能比较常见的有LVS和Nginx其中LVS是Linux内核的4层负载均衡Nginx是软件的7层负载均衡。
除了使用开源的系统进行负载均衡如果业务比较特殊也有可能基于开源系统进行定制例如Nginx插件甚至进行自研。
优点简单、便宜、灵活4层和7层负载均衡都可以根据业务需求进行选择和扩展缺点相对硬件负载均衡来说性能一般功能没有那么强大
软件负载均衡和硬件负载均衡的最主要区别就在于性能上硬件负载均衡性能远远高于软件。比如Nginx的性能是万级一般的Linux服务器上安装Nginx后大概能达到5万/秒LVS的性能是十万级据说可达到80万/秒而F5性能是百万级从 200万/秒到800万/秒都有。
负载均衡典型架构 一般情况下我们会对着三种负载均衡方式基于各自的优缺点进行组合使用。组合的基本原则为DNS负载均衡实现地理级别的负载均衡硬件负载均衡实现集群级别的负载均衡软件负载均衡实现机器级别的负载均衡。
2. 任务分解
通过任务分配的方式我们能够突破单台机器处理性能的瓶颈通过增加更多的机器来满足业务的性能需求但如果业务本身也越来越复杂单纯只通过任务分配的方式来扩展性能收益会越来越低。
例如业务简单的时候 1 台机器扩展到 10 台机器性能能够提升 8 倍需要扣除机器群带来的部分性能损耗因此无法达到理论上的 10 倍那么高但如果业务越来越复杂1 台机器扩展到 10 台性能可能只能提升 5 倍。
造成这种现象的主要原因是业务越来越复杂单台机器处理的性能会越来越低。为了能够继续提升性能我们需要采用新的方式任务分解。
微服务架构就采用了这种思路通过这种任务分解的方式能够把原来大一统但复杂的业务系统拆分成小而简单但需要多个系统配合的业务系统。
从业务的角度来看任务分解既不会减少功能也不会减少代码量事实上代码量可能还会增加因为从代码内部调用改为通过服务器之间的接口调用那为何通过任务分解就能够提升性能呢主要有如下几方面的因素 简单的系统更容易做到高性能 系统的功能越简单影响性能的点就越少就更加容易进行有针对性的优化。 可以针对单个任务进行扩展 当各个逻辑任务分解到独立的子系统后整个系统的性能瓶颈更加容易发现而且发现后只需要针对有瓶颈的子系统进行性能优化或者提升不需要改动整个系统风险会小很多。
既然将一个大一统的系统分解为多个子系统能够提升性能那是不是划分得越细越好呢
其实不然这样做性能不仅不会提升反而还会下降最主要的原因是如果系统拆分得太细为了完成某个业务系统间的调用次数会呈指数级别上升而系统间的调用通道目前都是通过网络传输的方式性能远比系统内的函数调用要低得多。
因此任务分解带来的性能收益是有一个度的并不是任务分解越细越好而对于架构设计来说如何把握这个粒度就非常关键了。
具体如何做任务分解可以参考读 架构设计系列3如何设计可扩展架构 中的拆分 这个章节。 2、提升性能的常用手段
接下来我们来简单分析一下提升性能的几种常见手段。
2.1 服务化设计
1. What什么是服务化
服务化是指通过任务分解的方式把一个复杂的业务系统拆分成多个小而简单且需要互相配合的业务系统。
大型复杂系统服务化的必然结果是业务中台化。另外单体架构并不一定是坏的架构这取决于应用的复杂度。例如一个初创的公司要在互联网上开展业务由于业务规模不大业务复杂性有限研发数量也不多这个时候单体架构就是最合适的。
2. Why为什么要服务化
服务化的目的是将可重用的服务灵活组合在一起来快速响应多变的业务需求以支撑业务快速试错。
如何判断一个系统需不需要服务化呢通常我们主要需要考虑以下几个因素
是否是大型复杂系统是否存在重复建设业务是否具备不确定性技术是否制约企业发展系统是否有性能瓶颈
如果一个系统存在以上几个问题那么通过服务化来对系统进行整体技术升级和业务重构是一个较好的途径。
3. How服务化怎么做
组织架构调整到位 为了将系统服务化更好的落地组织架构的调整是非常关键的一步。
因为系统服务化以后会延伸出来一些团队问题例如团队的分工、协作等等。因此只有将组织架构调整到位才能将服务化带来的好处最大化。
服务化的基础建设 服务化以后其核心强调的是不同服务之间的通信而这会衍生出一系列的复杂问题需要我们去解决例如服务注册、服务发布、服务调用、负载均衡监控等等这需要一套完整的服务治理方案。
因此服务化的必要条件就是要有一套服务化框架这个服务化框架要能解决这些复杂问题并且服务化框架的性能尤为重要。
目前主流的两种服务化框架SpringCloud 和 Dubbo。
服务化的重要手段
无状态设计无状态使服务更容易快速扩缩容。拆分设计化繁为简降低难度分而治之。
4. 小结
一句话总结业务解耦能力复用高效交付。
2.2 异步设计
1. What什么是异步
异步是一种设计理念是相对同步而言的。
同步指发出一个调用时调用方得等待这个调用返回结果才能继续往后执行。
异步指发出一个调用时调用者不会立刻得到结果而是可继续执行后续操作直到被调用者处理完成后通过状态、通知或回调来通知调用者。
2. Why为什么要异步
通过异步可以降低时延提升系统的整体性能改善用户体验。
3. How异步怎么实现
1IO 层面的异步 针对 IO 层面的异步调用就是我们常说的 I/O 模型有阻塞、非阻塞和同步、异步这几种类型。
在 Linux 操作系统内核中内置了 5 种不同的 IO 交互模式分别是阻塞 IO、非阻塞 IO、多路复用 IO、信号驱动 IO、异步 IO。针对网络 IO 模型而言Linux 下使用最多性能较好的是同步非阻塞模型。
异步调用的常用技术
异步通信NIONetty
2业务逻辑层面的异步 业务逻辑层面的异步流程就是指让我们的应用程序在业务逻辑上可以异步的执行。
通常比较复杂的业务都会有很多步骤流程如果所有步骤都是同步的话那么当这些步骤中有一步卡住那么整个流程都会卡住这样的流程显然性能不会很高。
为此在业内我们如果想要提高性能提高并发那么基本上都会采用异步流程的方式。
异步流程的常用技术
消息队列异步解耦、流量削峰异步编程多线程线程池事件驱动发布订阅模式观察者模式作业驱动定时任务XXL-JOB
4. 小结
一句话总结总结虽然异步的执行效率高但是复杂性和编程难度也高所以切勿滥用。
2.3 池化设计
1. What什么是池化技术
池化技术是一种常见的提高性能的技术它将 “昂贵的”、“费时的” 的资源维护在一个特定的 “池子” 中减少重复创建和销毁资源方便统一管理和复用从而提高系统性能。
2. Why为什么需要池化技术
通过池化技术来减少重复创建销毁所带来的系统开销提高系统性能。
3. How池化技术怎么实现
线程池
ForkJoinPoolThreadPoolExecutor 线程池的核心参数需基于业务场景来进行设置例如线程数可根据任务是IO密集型还是CPU密集型来进行设置。
连接池
数据库连接池Redis连接池HttpClient连接池
4. 小结
一句话总结统一管理和复用资源提高性能和资源利用率。
2.4 缓存设计
1. What什么是缓存
缓存是一种提高资源访问速度的技术。其特性是一次写入无数次读取。
缓存的本质是用空间换时间。其牺牲了数据的实时性以内存中的缓存数据代替从目标服务器如DB读取最新的数据可减轻服务器压力和减少网络延迟。
2. Why为什么要使用缓存
使用缓存的目的很明显就是为了提升系统性能高性能、高并发。
使用缓存的优缺点是什么
优点
优化性能缩短响应时间降低压力避免服务器过载节省宽带缓解网络瓶颈问题
缺点
消耗额外的空间可能存在数据一致性问题
3. How如何使用缓存
1怎么提高资源访问速度呢 将资源存放在离用户较近或访问速度更快的系统中。
2哪些位置可以使用缓存
缓存分类缓存维度描述客户端缓存浏览器缓存1、离用户最近的缓存点借助用户的终端设备存储网络资源性价比最高。2、一般用于缓存图片、JS、CSS等可通过消息头中的Expires和Cache-Control等属性来控制。服务端缓存CDN缓存1、存放HTMLCSSJS等静态资源。2、起分流作用减轻源服务器的负载。服务端缓存反向代理缓存1、动静分离一般缓存静态资源动态资源转发到应用服务器处理。服务端缓存本地缓存1、内存缓存访问速度快适合缓存少量数据的场景。2、硬盘缓存数据缓存到文件访问速度比通过网络获取数据更快适合缓存大量数据的场景。服务端缓存分布式缓存1、大型网站架构中必备的架构要素。2、缓存热点数据减轻数据库压力。
3哪种类型的缓存引入成本更高 为什么引入成本更高 本地缓存 和 分布式缓存的引入成本会更高。因为这两种类型缓存的资源与业务相关需要经过业务逻辑的计算所以对缓存与原数据之间的数据一致性要求更高。
41个核心指标缓存命中率 缓存命中率越高性能越好 。其计算公式为缓存命中率 命中的次数 / (命中的次数 未命中的次数)。
如何提高缓存命中率常见的策略如下
缓存时长同等条件下缓存时间越长缓存命中率越高缓存更新数据变化时直接更新缓存值比移除缓存的命中率更高缓存容量缓存容量越大缓存的数据越多缓存命中率越高缓存粒度缓存粒度越小数据变化越小缓存命中率越高降低大key的风险缓存预热热点数据提前缓存提高缓存命中率
一句话总结如何提高缓存命中率就是让数据更长时间的驻留在缓存中。
51个核心问题缓存一致性 缓存一致性指缓存与源数据之间的一致性要保障缓存一致性事情将变得复杂起来。
如何实现缓存一致性呢常用的缓存策略如下 在Cache/DB 架构中缓存策略就是如何从 Cache 和 DB 读取、写入数据。
1、过期缓存模式Cache Expiry Pattern
特点实现缓存一致性最简的方式为缓存设置过期时间达到最终一致性缺点需要容忍所设置过期时间的数据不一致
2、旁路缓存模式Cache Aside Pattern
读取Cache Hit直接返回缓存数据Cache Miss从DB中加载数据到缓存并返回写入先写DB再将Cache中对应的数据删除缺点该模式可能会出现缓存和数据库双写不一致的情况可以采用延迟双删模式最大限度降低这种不一致性
3、异步写入模式Write Behind Pattern
读取Cache Hit直接返回缓存数据Cache Miss直接返回空写入先写DB通过 DB 将写入的新数据投递到 MQ 中再由异步进程消费 MQ 最终将数据写入 Cache 中
一句话总结如何实现缓存一致性就是让每个读操作能够获得最新的写操作数据。
4. 小结
一句话总结缓存是应对高并发的王者缓存为王。
2.5 数据存储设计
1. What什么是数据存储
数据存储通常是指数据以某种格式记录在计算机内部或外部存储介质上。
常见的存储介质有磁带、磁盘等。数据存储方式因存储介质而不同。在磁带上数据仅按顺序文件方式存取在磁盘上则可按使用要求采用顺序存取或直接存取方式。数据存储方式与数据文件组织密切相关其关键在于建立记录的逻辑与物理顺序间对应关系确定存储地址以提高数据存取速度。
常见的数据存储管理系统有数据库MySQL、搜索引擎Elasticserach、缓存系统Redis、消息队列Kafka等。这也是我们接下来探讨的重点。
2. Why数据存储设计为什么重要
在互联网时代当系统并发量达到一定阶段时数据存储往往会成为性能瓶颈。如果不在一开始就进行良好的设计则后期的横向扩展分库分表都会遇到困难。
为什么性能瓶颈往往是数据存储而不是应用服务呢 因为应用服务基本是无状态的可以较为方便的进行水平扩展因此应用服务的高性能会相对简单。但是对于数据存储的高性能相对来说会复杂很多因为数据是有状态的。
3. How如何做数据存储设计
常见的解决存储高性能的方案有如下几种业界大多是围绕这些来构建或者是做相关衍生和扩展。
1读写分离
互联网系统往往都是读多写少因此性能优化的第一步就是读写分离。
读写分离就是将读操作与写操作分离的一种优化手段我们可以通过这一技术来解决数据存储的性能瓶颈问题。
目前业界流行的读写分离方案通常是基于主从模式的架构通过引入数据访问代理层来实现访问动作的读写分离。具体有如下两种方式
通过独立Proxy实现读写分离 引入数据访问代理的好处是源程序不需要做任何改动就可以实现读写分离坏处是由于多了一层中间件做中转代理性能上会有所下降数据访问代理也容易成为性能瓶颈并且还存在一定维护成本。典型产品有 MyCAT、阿里云-RDS数据库代理等。
通过内嵌SDK实现读写分离 还有另一种方式是将数据访问代理层前置到应用侧通过SDK方式与应用集成在一起可避免独立一层所带来的性能损耗和维护成本高的问题。但这种方式对开发语言有一定要求存在适用性问题。典型产品有 ShardingSphere 等。
2数据分区
“分区”是指以物理方式将数据分割成独立的数据进行存储的过程。将数据分割成分区可以对这些分区进行单独进行管理和访问。 分区可以改善可伸缩性、减少争用以及优化性能。 另外它还能提供一种按使用模式来分割数据的机制。
为何要将数据分区
提高扩展性。纵向扩展单一数据库系统最终会达到物理硬件的限制。 如果跨多个分区来分割数据则每个分区托管在独立的服务器上使系统几乎能够无限横向扩展。改善性能。在每个分区上的数据访问操作通过较小的数据卷进行。 在正确操作的情况下分区可以提高系统的效率。提供操作灵活性。使用分区可以从多方面优化操作、最大程度提高管理效率及降低成本。提高可用性。跨多个服务器隔离数据可避免单点故障。 如果一个实例发生故障只有该分区中的数据不可用。 其他分区上的操作可以继续进行。
如何设计分区
数据分区的三个典型策略
水平分区即分片。在此策略中每个分区都是独立的数据存储但所有分区具有相同的架构。 每个分区称为分片保存数据的特定子集例如特定的一组客户的所有订单。最重要的因素是分片键的选择。分片可以将负载分散到多台计算机减少争用并改善性能。垂直分区。在此策略中每个分区在数据存储中保存项字段的子集。 这些字段已根据其使用模式进行分割。 例如将经常访问的字段放在一个垂直分区将较不经常访问的字段放在另一个垂直分区。垂直分区的最常见用途是降低与提取频繁访问的项相关的 I/O 和性能成本。功能分区。在此策略中数据已根据系统中每个界限上下文使用数据的方式进行聚合。 例如电子商务系统可能在一个分区中存储发票数据在另一个分区中存储产品库存数据。通过功能分区来改善隔离效果和数据访问性能。
3分库分表
对于分库分表的概念大家应该并不会陌生其拆开来讲就是分库和分表两个手段
分表指将一个表中的数据按照某种规则拆分到多张表中降低表数据规模提升查询效率。分库指将一个数据库中的数据按照某种规则拆分到多个数据库中以降低单服务器的压力提升读写性能如CPU、内存、磁盘、IO。
分库分表的两种典型方案
垂直拆分
垂直拆表即大表拆小表将一张表中不同”字段“分拆到多张表中比如商品库将商品基本信息、商品库存、卖家信息等分拆到不同库表中。垂直拆库将一个系统中的不同业务领域拆分为多个业务库。比如商品库、订单库、用户库等。
水平拆分
水平拆表将数据按照某种维度拆分为多张表但是由于多张表还是从属于一个库其锁粒度降低一定程度提升查询性能但是仍然会有IO性能瓶颈。水平拆库将数据按照某种维度分拆到多个库中降低单机单库的压力提升读写性能。
常见的水平拆分手段
range分库分表通过范围法对分片键按照范围进行切分。比如根据时间范围分库分表。hash分库分表通过哈希法对分片键采用hash取模。比如根据用户ID分库分表。
关于分库分表的更多信息见文章开发设计实践分库分表实现方案此处不再赘述。
4冷热分离
冷热分离是指将历史冷数据与当前热数据分开存储冷库只存放那那些走到终态的数据热库存放还需要去修改字段的数据这样可以减轻当前热数据的存储量可以提高性能。
如果判断数据到底是冷数据还是热数据或者说什么情况下可以使用冷热分离
时间维度用户能够接受新旧数据分开查询。例如对于订单数据我们可以将三个月之前的作为冷数据三个月之内的数据作为热数据。状态维度数据走到终态后只有读没有写的需求。例如对于订单数据我们可以将状态为已完结的订单作为冷数据其他作为热数据。
4. 小结
一句话总结通过拆分手段分散读写压力分散存储压力从而提高性能。
四、最后
在追求系统高性能的同时千万不要忽略了成本这个因素。因为高性能往往意味着高成本。
因此在设计高性能系统时要特别注意成本最小化收益最大化。
最后作为一名技术人员我们应该要有一个技术追求学会用同样的资源做更多的工作。
