企业官网建设流程全解析

将系统扩展到支持数百万用户是一个复杂且迭代的过程，需要不断改进和优化。本章概述了如何从单服务器设置开始，逐步扩展架构以处理数百万用户。

最初，所有组件（Web应用程序、数据库、缓存）都在单个服务器上运行。

1. 用户通过域名（例如，api.mysite.com）访问应用程序，这些域名通过 DNS 解析为 IP 地址。
2. 将网络服务器的 IP 地址返回给浏览器或移动应用程序。
3. HTTP 请求被发送到 Web 服务器，服务器返回 HTML 或 JSON 响应。

1. Web 应用程序：使用服务器端语言（例如 Python、Java）实现业务逻辑，使用客户端语言（例如 JavaScript、HTML）实现展示。
2. 移动应用程序：使用 HTTP 和 JSON 与 Web 服务器通信，实现轻量级数据交换。

随着用户群的增长，数据库被迁移到专用服务器上，以便 Web 层和数据库层可以独立扩展。

1. 关系型数据库（SQL）：以表格形式存储的结构化数据。例如：MySQL、PostgreSQL。
2. 非关系型数据库（NoSQL）：适用于非结构化数据或低延迟要求。类别包括：
   • 键值存储
   • 图数据库
   • 列式存储
   • 文档存储

• 如果满足以下条件，非关系型数据库可能是正确的选择：
  • 应用需要极低的延迟。
  • 数据是非结构化的，或者没有关系型数据。
  • 只需要序列化和反序列化数据（JSON、XML、YAML 等）。
  • 需要存储海量数据。

• 为现有服务器增加更多资源（CPU、RAM）。
• 受硬件限制且缺乏冗余。

• 向池中添加更多服务器，使其更适合大规模系统。
• 负载均衡器用于处理服务器之间的请求路由。

负载均衡器将流量分配到多个服务器。其优点包括：

1. 冗余机制：如果服务器离线，流量将被重新路由。
   • 如果服务器 1 离线，所有流量将路由到服务器 2。
2. 可扩展性：可轻松添加服务器以应对流量高峰。
   • 如果网站流量快速增长，可以添加后续服务器来处理额外的流量。

• 主数据库：处理写入操作。
  • 所有数据修改命令，如插入、删除或更新，都必须发送到主数据库。
• 从属数据库：处理读取操作，提高性能和可靠性。
  • 由于大多数应用程序中读取操作与写入操作的比例较高，因此，系统中从数据库的数量通常大于主数据库的数量。

1. 通过并行读取操作提升性能。
2. 通过冗余实现高可用性和数据可靠性。

• 如果只有一个从数据库可用，并且该从数据库离线，则读取操作将暂时定向到主数据库。
• 如果有多个从属数据库可用，则读取操作将重定向到其他健康的从属数据库，并且新服务器将替换旧服务器。
• 如果主数据库离线，则会从数据库升级为新的主数据库。
• 在生产系统中，所选的从数据库可能不是最新的，因此需要通过运行数据恢复脚本来更新数据（多主和循环复制等方法可能会有所帮助）。

缓存将频繁访问的数据存储在内存中，以减轻数据库负载。缓存层是一个临时数据存储层，速度远快于数据库。

1. 使用场景：当数据读取频繁但修改频率较低时，可以考虑使用缓存。
2. 过期策略：缓存数据过期后，将从缓存中移除。如果没有设置过期策略，缓存数据将永久存储在内存中。
3. 一致性：这意味着保持数据存储和缓存同步。不一致的情况可能发生，是因为对数据存储和缓存的数据修改操作没有在同一个事务中进行。
4. 缓解故障：单个缓存服务器可能存在单点故障，建议在不同的数据中心部署多个缓存服务器以避免单点故障。
5. 缓存驱逐策略：当缓存已满时，需要驱逐缓存项以释放内存。LRU（最近最少使用）是最常用的缓存驱逐策略。

CDN通过在地理位置分散的服务器上缓存静态内容（图像、CSS、JavaScript）来提高加载速度。

1. 用户向最近的 CDN 服务器请求内容。
2. 如果内容不可用，则会从源服务器获取内容并进行缓存。

1. 成本：CDN 由第三方提供商运营，他们会对进出 CDN 的数据传输收取费用。
2. 缓存过期时间：缓存过期时间既不能太长也不能太短。
3. CDN 回退：如果 CDN 出现暂时性故障，客户端应该能够检测到问题并从源服务器请求资源。
4. 文件失效：如果文件已更新，则应使缓存失效，以指向已更新的文件。

通过将会话数据迁移到共享数据存储区，Web 服务器变为无状态服务器。这使得：

1. 更易于水平缩放。
2. 根据流量自动扩缩容。

跨多个数据中心部署可以提高可用性并降低延迟。相关策略包括：

1. GeoDNS路由：将用户定向到最近的数据中心。
2. 数据复制：跨中心同步数据，防止数据不一致。

• 流量重定向：需要有效的工具将流量引导至正确的数据中心。
• 数据同步：一种常见的策略是将数据复制到多个数据中心。
• 测试和部署：自动化部署工具对于保持所有数据中心服务的一致性至关重要。

消息队列是一个持久化组件，存储在内存中，支持异步通信。它充当缓冲区，分发异步请求。

• 输入服务（称为生产者/发布者）创建消息，并将其发布到消息队列。
• 其他被称为消费者/订阅者的服务连接到队列，并执行消息定义的操作。

1. 日志记录：跟踪错误和系统运行状况。
2. 指标：提供有关性能和用户活动的见解。
3. 自动化：简化测试、部署和扩展流程。

• 增加了硬件资源，但存在物理和成本方面的限制。
• 存在多项缺点：
  • 单点故障风险更大。
  • 垂直扩展的总体成本很高。

• 使用键（例如user_id）将数据分散到多个分片中。
  • 分片将大型数据库分割成更小、更易于管理的部分，称为分片。
  • 每个分片共享相同的模式，但每个分片上的实际数据都是该分片独有的。
• 分片键在实施分片策略时至关重要。选择分片键时，务必选择能够均匀分布数据的键。

1. 数据重新分片：当出现以下情况时需要进行数据重新分片：

   • 由于增长迅速，单个分片已无法容纳更多数据。
   • 由于数据分布不均，某些分片可能会比其他分片更快地耗尽资源。
   • 一致性哈希用于克服这些问题。

2. 名人问题：对特定分片的过度访问可能导致服务器过载。

   • 为了解决这个问题，我们可能需要为每位名人分配一个分片。

3. 连接与反规范化：一旦数据库被分片到多个服务器上，就很难跨数据库分片执行连接操作。

   • 常见的解决方法是对数据库进行反规范化，以便在单个表中执行查询。

1. 保持 Web 层无状态。
2. 在每一层都建立冗余机制。
3. 使用缓存和 CDN 来优化性能。
4. 利用分片技术扩展数据层。
5. 为了提高灵活性，需要将各个组件解耦。

本章为构建能够处理数百万用户的可扩展系统奠定了坚实的基础。