Mobabel

Just One Pure ITer

Category: Distributed Middleware

Ähnliches Foto 0

Database Partitioning&Scaling

[总结]分表分库时机选择及策略

1. 一. 分表 1-1. 应用场景： 对于大型的互联网应用来说，数据库单表的记录行数可能达到千万级甚至是亿级，并且数据库面临着极高的并发访问。采用Master-Slave复制模式的MySQL架构，只能够对数据库的读进行扩展，而对数据库的写入操作还是集中在Master上，并且单个Master挂载的Slave也不可能无限制多，Slave的数量受到Master能力和负载的限制。 因此，需要对数据库的吞吐能力进行进一步的扩展，以满足高并发访问与海量数据存储的需要！

Bildergebnis für 火车 0

MQ in distributed Architecture

[转]分布式系统之消息队列

1. 2. 一、MQ简介 消息队列中间件是分布式系统中重要的组件，主要解决应用耦合，异步消息，流量削锋等问题，实现高性能，高可用，可伸缩和最终一致性架构。 使用较多的消息队列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ 3. 二、消息队列应用场景 以下介绍消息队列在实际应用中常用的使用场景。异步处理，应用解耦，流量削锋和消息通讯四个场景。

0

Redis High Avaliable Scale Architect

[转]一个包含10节点的Redis集群实践案例

Redis 通常不会被用作主要的数据存储，但它在存储和访问可容忍丢失的临时数据（如度量指标、会话状态、缓存）方面却独有长处，并且速度非常快，不仅提供了最佳性能，还内置了一组非常有用的数据结构。它是现代技术栈中最常见的主要部件之一。 Stripe（一家做支付的硅谷创业公司）的速率限定器就是基于 Redis 构建的，这些限速器运行在一个 Redis 实例上。Redis 主服务器有一些用于失效备援的追随者，不过在任何时候，都只有一个节点在处理读写操作。 各种消息来源声称，一个 Redis 节点每秒可以处理百万次操作。尽管我们的操作没有那么多，但也不会很少。每个速率限定器都需要运行多个 Redis 命令，而每个 API 请求都要通过很多个速率限定器。所以，每个节点每秒钟需要处理数万次到数十万次的操作。 如果节点出现饱和，就会不断出现故障。我们的服务可以容忍 Redis 的不可用，因此大多数情况下是没有问题的，但在某些情况下，问题的严重程度会升级。我们最后通过迁移到包含 10 节点的 Redis 集群来解决这个问题。对性能的影响可以忽略不计，重要的是现在我们可以实现水平可伸缩。

[转]缓存构架经验总结 – 5.3. 缓存，并发更新的大坑？ 0

Cache in distributed Architecture

[转]缓存构架经验总结 – 5.3. 缓存，并发更新的大坑？

《 4. 缓存，究竟是淘汰，还是修改？》发出后，有朋友提到，高并发的情况下，缓存的更新可能存在问题，今天简单聊聊这个话题。   业务场景： （1）调用第三方服务，例如微信，一般会分配一个token，每次访问接口需要带上这个token； （2）这个token是有有效期的，当token过期时，需要去重新认证申请； （3）也可以在token过期前重新申请，但此时旧token会失效。

[转]缓存构架经验总结 – 5.2. Cache Aside Pattern 0

Cache in distributed Architecture

[转]缓存构架经验总结 – 5.2. Cache Aside Pattern

在《5.1 究竟先操作缓存，还是数据库？》，有同学在评论提出，相关方案违背了“Cache Aside Pattern”的原则，故今天聊一聊Cache Aside Pattern。 另外，在讨论技术方案时，尽量不说： “你是错的，应该怎么样” “facebook不是这样，所以你是错的” 画外音：凭什么facebook就是真理？它的方案只是适合它的业务而已。 说明适用场景，说明来龙去脉，说明前因后果，比具体使用什么方案更重要。