七牛李道兵谈“架构坏味道”

转自：http://blog.qiniu.com/archives/3962

七牛李道兵谈“架构坏味道”

牛小七2015年8月4日发布在 技术分享

软 件架构在成功的软件交付中扮演着重要角色，好的架构可以兼容不同类型的业务和算法，并且相安无事，而架构设计不当就需要不断地进行整体的更替，以适应业务 的变化和新算法的需求，甚至影响最后架构整体的稳定性、容量等。事实上，架构的很多方向性问题是可以在设计初期就避免的。因此，七牛首席架构师李道兵结合 多年的实践经验，在本文中详细总结出了以下七类具有明显“坏味道”的架构影响因素。

 

架构对容量数据不敏感

 

设计架构时对于常规的一些基础架构元素容量不清晰，比如前端的Nginx、后端标准 的业务服务器、数据库及缓存的容量等方面。Nginx整体容量比较大，一般不需要担心。如果是下载类型的需求，那么需要注意机器的网卡。到业务逻辑这一 段，每种语言、每个并发连接都有内存消耗，会导致单台服务器能支撑的并发数目是有限的。在数据库领域，系统容量跟磁盘的IOPS相关，因此最好知道普通的 SATA盘和SSD盘的IOPS是多少？做RAID10或者是RAID5对IOPS的影响究竟是怎样的（因为IOPS对数据库的性能影响很大）。还有缓存 层，但缓存层更重要的是容量的设计（即内存总量），因此，要对各个架构元素容量的数据有一定了解，才能保证构造出的架构在容量上不会出问题。

 

未考虑高可用

 

如果架构设计的时侯只想着怎样实现业务逻辑，完全没有考虑主机宕机了怎么解决，那么 迟早会遇到事故。因此，架构需要从入口层、业务层、缓存层和数据库层构建高可用和可伸缩系统。例如，在入口层使用Keepalived；业务层不要有状 态，将状态存储到缓存层或数据库；缓存层考虑挡住绝大部分服务请求以提升系统整体容量，但同时也要考虑高可用的问题；数据库层做一个主从模式《七牛李道兵：高可用可伸缩架构实用经验谈》一文有详细讲述。架构设计重要的是有考虑高可用的意识，有意识以后再考虑如何实现就会比较容易。

 

用Hash来避免机器宕机时影响到所有用户

 

这个问题主要由于想做高可用，但却用了错误的方法。比如有很多用户，根据用户的 Hash把它们分到不同的服务器，这样单台服务器宕掉的时侯就不会影响到所有的业务。但这种方法并不够好，因为即使小部分用户的体验受到了影响，也已经构 成事故。另外，如果服务分很多层，这层做高可用漏掉一部分客户，另一层漏掉另外一部分客户，那么整体的可用性会变得很差，出故障的概率就是各层出故障概率 之和。目前有很多更简单的方式来做高可用，所以没有必要使用Hash这种方式。另外，用Hash来分散请求比较容易导致压力不均，反而降低了整个系统的容 量。

 

缓存节点数太少

 

很多人认为缓存是一个可选的环节，在设计上就比较随意，但这会带来一定的问题。比如 一个缓存节点宕掉，将导致这个缓存节点的压力压到数据库上面。如果系统的容量原本就是靠缓存支撑，缓存又只分布在两台机器上，那么宕掉一台对后面的数据库 的压力很大，数据库响应变差，那么宕掉缓存节点也就意味着服务真的宕机。因此，建议将缓存尽量分开，比如和业务服务器混合部署，当业务服务器在增长时，缓 存也在增长，这时保证缓存节点多一点，单台缓存机死机了压力到了数据库也不会导致数据库宕机。当然，Codis这类自带高可用的缓存系统也是一个很好的选 择。

 

有容灾无容错

 

首先，应分清容灾和容错的差别。容灾指，出了事故（如单磁盘故障、单数据故障、机柜 故障或者机房故障）时的保障措施。容错则指，操作失误（如运维的错误操作），这种错误操作导致了数据丢失，或者别人通过SQL注入的方法删除了数据库。身 边有一个真实的例子，一家公司用MongoDB数据库，由于MongoDB的ReplicaSet机制，所以觉得不用做备份了，就未做备份。但这里他们没 有考虑到，如果有人失手删除了数据库该怎么办，这时所有数据都丢掉了，是一件非常恐怖的事情。

 

架构失配的问题

 

MongoDB支持文件存储，但它并不擅长，容量会受到很大的限制,一旦上传量增大 就可能会引发事故。因此，最好在各个环节找一些最恰当的方式。例如，Redis擅长的是缓存而不是数据库，那么用Redis做数据库就必然会出现架构失配 的问题；而MongoDB擅长的是OLTP，用MongoDB去支撑数据仓库就不太合适；像MySQL这类事务型数据库也可以去做一些离线计算，但如果要 做很多离线计算的工作，就需要用最好的工具去做（如Hadoop、Hive、Spark等），在每一个架构环节都要有最合适的架构组件，避免出现一些架构 失配的问题。

 

数据流太长

 

这种情况常出现于存储领域。数据流太长就很难保证响应，如果一份数据中转了10次， 与中转3次相比，内网的带宽需求相差好几倍，整个系统的容量明显下降，更容易出现内网阻塞。在这种情况下，将数据流缩短，就可以得到比较显著的性能提升。 缩减数据流长度的方式非常有效，值得考虑。此外，还可以利用一些数据流优化方法。例如，一份数据需要写三份，一种做法是由发起机器并发地发三份数据到三台 对应的机器上，但是这种方法对发起机器来讲，流量压力比较大。反之，如果要将数据发到A、B、C三台机器，先发给A，然后由A转发给B，再由B转发给C， 虽然架构上会复杂一些，但是性能和容量提升也都很可观。

 

以上是架构设计时常出现的一些问题，关于“架构坏味道”还有更多细节的点和总结值得探讨，希望此文能给开发者们带来一定的帮助，也望以后能与大家做更充分的交流。

转载于:https://www.cnblogs.com/leoncfor/p/4704039.html