关于架构设计的经验总结

现在网络的流量是不断在增长的，面对强流量，如果网站服务器没有做好准备，那么网站很容易就会“挂”了。就好比每当微博热搜爆了，就会有用户出现发不了微博，看不到图片等bug。关于架构设计小编搜索了一些能够起到帮助的经验教程。

下面是架构设计的经验分享：

服务端架构和大数据架构有什么区别?

所谓的“大数据”其实是海量数据采集清洗转换、数据存储、数据分析、数据服务等场景解决方案的一个统称，在每一个场景都包含了多种可选的技术

如数据采集有Flume、Sqoop、Kettle等，数据存储有分布式文件系统HDFS、FastDFS，NoSQL数据库HBase、MongoDB等，数据分析有Spark技术栈、机器学习算法等。

总的来说大数据架构就是根据业务的需求，整合各种大数据组件组合而成的架构，一般会提供分布式存储、分布式计算、多维分析、数据仓库、机器学习算法等能力。

而服务端架构更多指的是应用组织层面的架构，底层能力往往是由大数据架构来提供。

对于将要实施的系统，架构应该设计到什么程度?

对于单次实施并且性能指标明确的系统，架构设计到能够支持系统的性能指标要求就足够了，但要留有扩展架构的接口以便不备之需。

对于不断发展的系统，如电商平台，应设计到能满足下一阶段用户量和性能指标要求的程度，并根据业务的增长不断的迭代升级架构，以支持更高的并发和更丰富的业务。

架构的调整是否必须按照上述演变路径进行?

不是的，以上所说的架构演变顺序只是针对某个侧面进行单独的改进

在实际场景中，可能同一时间会有几个问题需要解决，或者可能先达到瓶颈的是另外的方面，这时候就应该按照实际问题实际解决。

如在政府类的并发量可能不大，但业务可能很丰富的场景，高并发就不是重点解决的问题，此时优先需要的可能会是丰富需求的解决方案。

有没有一些架构设计的原则?

N+1设计：系统中的每个组件都应做到没有单点故障;

架构应能水平扩展：系统只有做到能水平扩展，才能有效避免瓶颈问题;

非核心则购买：非核心功能若需要占用大量的研发资源才能解决，则考虑购买成熟的产品;

监控设计：在设计阶段就要考虑监控的手段;

多活数据中心设计：若系统需要极高的高可用，应考虑在多地实施数据中心进行多活，至少在一个机房断电的情况下系统依然可用;

采用成熟的技术：刚开发的或开源的技术往往存在很多隐藏的bug，出了问题没有商业支持可能会是一个灾难;

资源隔离设计：应避免单一业务占用全部资源;

使用商用硬件：商用硬件能有效降低硬件故障的机率;

快速迭代：系统应该快速开发小功能模块，尽快上线进行验证，早日发现问题大大降低系统交付的风险;

回滚设计：确保系统可以向前兼容，在系统升级时应能有办法回滚版本;

禁用设计：应该提供控制具体功能是否可用的配置，在系统出现故障时能够快速下线功能;

无状态设计：服务接口应该做成无状态的，当前接口的访问不依赖于接口上次访问的状态。

希望这份经验总结，能够对大家在工作中起到帮助，对架构设计有更多深度的理解。