《大型网站系统与Java中间件实践》读书笔记

前言：前段时间刚泛读了一遍《大型网站系统与Java中间件实践》一书，感觉这书无论广度和深度都非常出色，现在重新精读一遍，并整理一遍读书笔记，以此来更好的学习里面的内容。

•  关于分布式系统
  • 　　分布式系统的定义
    1. 分布在网络计算机上
    2. 组件之间仅仅通过消息传递来通信并协调行动

• • 　　使用分布式分布式系统的原因

1. 1. 1. 升级单机处理能力的性价比越来越低
      2. 单机处理能力存在瓶颈
      3. 出于稳定性和可用性的考虑

• • 　　相关知识

1. 1. 1. 阿姆达尔定律告诉我们，程序中可并行代码的比例决定了增加处理器（总核心数）所能带来的速度提升的上线。（也就是说，除了增加CPU的性能外，使用多线程编程也是提升系统速度必不可少的一个因素）
      2. 分布式系统是由多机组成的系统，可以近似的看做是把单机多进程变为了多机的多进程
      3. 网络IO实现方式：BIO、NIO（Reactor反应器模式）、AIO（Proactor前摄模式），阻塞、异步的区别
      4. 分布式系统中常用模式：硬件负载均衡、LVS、名称服务、规则服务器、Master\Worker方式，常用于控制器、运算器和储存器中
      5. 分布式系统的难点：缺乏全局时钟、面对故障独立性、处理单点故障、事务的挑战。

•  大型网站及其架构演进过程
  • 　　什么是大型网站：支撑海量数据和非常高的并发的访问量，必定是一个分布式系统。

• • 　　大型网站的架构演进

1. 1. 1. 单机上的功能模块拆分
      2. 数据库与应用分类
      3. 单机应用服务器改为集群：引入负载均衡设备、session问题的4种处理方式
      4. 数据读写分离：搜索引擎其实是一个读库，缓存是加速数据读取的利器（高并发）
      5. 引入分布式储存系统：分布式文件系统、分布式key-value系统和风不是数据库（高效率）
      6. 数据库垂直拆分和水平拆分（大数据）
      7. 拆分应用走服务化的路，需要基础组件的支持，比如：利用消息中间件来异步和解耦。

• 构建Java中间件
  
  • 中间件的定义：提供了操作系统所提供的服务之外的服务，相当于“软件胶水”
  • 三个领域的应用：
    1. 远程调用和对象访问中间件：解决分布式环境下应用互相访问的问题
    2. 消息中间件：解决应用之间的消息传递、解耦、异步的问题
    3. 数据访问中间件：解决应用访问数据库的共性问题的组件
  • Java中间件的相关知识：JVM、GC、并发编程、动态代理、反射、网络通信
  • 中间件的作用：在网站的演进过程中，一些非常重要的变化包括应用的拆分、服务的拆分、数据的拆分和应用的解耦。而在大型网站中要具体完成这样的工作，就需要对应的中间件产品来对应和解决相应的问题。

•  服务框架
  • 　　网站功能持续丰富后的困境与应对
    1. 应用拆小，但是公用数据库缓存等模块。这样做在小范围实现的成本较低，但是继续下去数据库等模块压力会变大，代码和应用也冗余越重。
    2. 服务化方案，能让多个规模不大的团队，专注在某个具体的服务或者应用上，以这种方式来应对和解决问题。

• • 　　服务框架的设计与实现

1. 1. 1. 如何配置
      2. 运行期间服务框架与应用和容器的关系：将其部署为一个SAR包来为应用提供服务。
      3. 通信方式的选择
      4. 服务端的设计与实现
      5. 实战中的优化
      6. 服务治理

• 数据访问层
  
  • 　　数据库从单机到分布式的挑战和应对
    
    • 1.单机数据库
    • 2.数据库垂直/水平拆分

• 　　关于数据库减压
  
  • 优化应用，看看是否有不必要的压力给力数据库（应用优化）；
  • 看看有没有其他的办法可以降低对数据库的压力，例如引入缓存、加搜索引擎等；
  • 把数据库和访问分到多台数据库上，分开支持

• 　 大型网站的一致性的基础理论——CAP/BASE
•    数据访问层的设计与实现
• 　　消息中间件
  • 　消息中间件的价值：消息中间件为分布式系统带来了异步的特效，对系统进行了解耦
  •   B/S系统下的消息中间件
• 软件负责中心与集中配置管理
  • 　　负载中间的职责：
    　　1.聚合地址信息
          2.生命周期的感知（服务器的上下线）
  • 负载中心的结构：分服务端和客户端
  • 从单机到集群
  • 集中配置管理中心
• 构建大型网站的其它要素
  • 加速静态内容访问速度的CDN——内容分发网络
  • 大型网站的存储支持：分布式文件系统（TFS）、NoSQL
  • 缓存系统：一般的做法是在写数据时更新存储，然后失效缓存数据；而在读数据时首先读缓存，如果没有命中，再去读存储，并且把数据写入缓存。
  • 搜索系统：爬虫问题、倒排索引
  • 数据计算支持：
  • 数据计算支撑：离线计算、在线计算
  • 发布系统
  • 应用监控系统
  • 依赖管理系统
  • 多机房问题
  • 系统容量规划
  • 内部私有云

后记：在大型网站的建设中，千万不要一味遵循一些所谓的标准，因为有些标准的指定根本不是针对大型网站系统的