Mobabel

Just One Pure ITer

Category: Distributed Architecture

[转]Twitter的Kafka迁移历程有哪些经验可以借鉴 0

Kafka Practice

[转]Twitter的Kafka迁移历程有哪些经验可以借鉴

Twitter 的实时性特点为 Twitter 的工程团队带来了独特而具有挑战性的问题。我们需要快速发布突发新闻，向用户提供相关广告，并解决很多其他实时性问题。Twitter 的 Pub/Sub 系统为 Twitter 团队提供了处理这些工作负载的基础设施。Twitter 的 Messaging 团队过去几年一直在运行一个内部 Pub/Sub 系统，叫作 EventBus（建立在 Apache DistributedLog 之上），但我们最近决定转向 Apache Kafka，不仅针对已有的用例，还包括新增的用例。在这篇文章中，我们将介绍为什么我们选择采用 Kafka 作为 Twitter 的 Pub/Sub 系统，以及我们在迁移过程中遇到的各种挑战。

[转]消息中间件–4如何保证数据100%不丢失？ 0

MQ in distributed Architecture / RabbitMQ

[转]消息中间件–4如何保证数据100%不丢失？

1. 一、写在前面 上篇文章《同学，消息中间件在你们生产项目里如何落地使用的？》，我们用一个简单易懂的电商场景给大家引入说明了一个消息中间件的使用场景。 同时，我们还基于RabbitMQ的HelloWorld级别的代码，给出了订单服务和仓储服务如何基于MQ中间件收发消息的示例。

[转]微信多点登录，消息漫游 0

Session Cross Domain & SSO

[转]微信多点登录，消息漫游

有朋友问： 微信如何实现手机端、PC端同时登录，同时收消息？ 微信能不能实现，换一个手机，仍能拉取到历史消息？ 这是多点登录和消息漫游的问题。

0

System Monitor

[转]Nginx监控运维

Nginx 是一个开源、免费、高性能的 HTTP 和反向代理服务器，也可以用于 IMAP/POP3 代理服务器。充分利用 Nginx 的特性，可以有效解决流量高并发请求、cc 攻击等问题。 本文探讨了电商场景下 Nginx 的监控方案，并将使用过程中遇到的问题和解决方案与大家一起分享。

[转]百亿大表任意维度查询，如何做到毫秒级返回 0

MySQL Theory & Solution

[转]百亿大表任意维度查询，如何做到毫秒级返回

随着闲鱼业务的发展，用户规模达到数亿级，用户维度的数据指标，达到上百个之多。 如何从亿级别的数据中，快速筛选出符合期望的用户人群，进行精细化人群运营，是技术需要解决的问题。业界的很多方案常常需要分钟级甚至小时级才能生成查询结果。本文提供了一种解决大数据场景下的高效数据筛选、统计和分析方法，从亿级别数据中，任意组合查询条件，筛选需要的数据，做到毫秒级返回。

[转]360容器平台监控实践 0

System Monitor

[转]360容器平台监控实践

360 近年来上线了容器云平台，给团队工作带来了一些便利，同时也给运维工作带来了很多挑战。 1.    背景 360 在做容器化平台之前，有一个基于小米开源的 Open-Falcon 进行二次开发的老监控系 (Wonder)，这个系统承揽了公司所有的物理机和虚拟机的监控任务。随着容器技术的普及，以容器的方式在创建应用时，由于 Kubernetes 容器编排系统部署的服务具有弹性扩容的特性，而老的监控系统无法感知这些动态创建的服务，已经不适合容器化的场景，所以 360 团队就搭建了一套可以支持服务发现的新监控系统。

[转]ZooKeeper分布式锁的实现原理 0

Distributed Lock Solution

[转]ZooKeeper分布式锁的实现原理

1. 一、写在前面 之前写过一篇文章（《拜托，面试请不要再问我Redis分布式锁的实现原理》），给大家说了一下Redisson这个开源框架是如何实现Redis分布式锁原理的，这篇文章再给大家聊一下ZooKeeper实现分布式锁的原理。 同理，我是直接基于比较常用的Curator这个开源框架，聊一下这个框架对ZooKeeper（以下简称zk）分布式锁的实现。 一般除了大公司是自行封装分布式锁框架之外，建议大家用这些开源框架封装好的分布式锁实现，这是一个比较快捷省事儿的方式。

[转]分布式事务原理 0

Distributed Transaction Solution

[转]分布式事务原理

这篇文章将介绍什么是分布式事务，分布式事务解决什么问题，对分布式事务实现的难点，解决思路，不同场景下方案的选择，通过图解的方式进行梳理、总结和比较。

[转]Uber:大规模系统下如何构建可伸缩的告警生态系统 0

System Monitor

[转]Uber:大规模系统下如何构建可伸缩的告警生态系统

Uber 的软件架构包含上千个微服务，为了维持增长和架构，Uber 的可观察性团队构建了一个健壮的、可伸缩的指标和告警管道，具体来讲，就是构建了两个数据中心内的告警系统，称为 uMonitor 和 Neris。 Uber 的软件架构包含上千个微服务，它们能够让团队快速迭代并支撑公司的全球化增长。这些微服务支撑着各种解决方案，比如移动应用、内部与基础设施服务、产品等，它们有着非常复杂的配置，这些配置会在城市和子城市级别对产品的行为产生影响。