建站
咨詢
售后
建站咨詢
新聞中心
這是去年在部門內(nèi)部做的一個(gè)面向后臺(tái)開發(fā)新同學(xué)的課程，因?yàn)槠渌鸅G一些同學(xué)要求分享，所以發(fā)一下。
其實(shí)內(nèi)容都是些常見開源組件的high level描述，比如flask, express框架，中間件的演化，micro service的概念，一些對(duì)nosql/column based db的概念介紹，docker的一些簡(jiǎn)單概念等等。從單個(gè)概念來說，這只是一些科普。
但是為什么當(dāng)時(shí)要開這門課呢?重點(diǎn)是我發(fā)現(xiàn)很多新入職的后臺(tái)開發(fā)同學(xué)并不太清楚自己做的東西在現(xiàn)代互聯(lián)網(wǎng)整體架構(gòu)中處于一個(gè)什么樣的角色，而在IEG內(nèi)部則因?yàn)橛螒蜷_發(fā)和互聯(lián)網(wǎng)開發(fā)的一些歷史性差異，有些概念并不清晰。
拿中間件來說，很多web application不用啥中間件一樣可以跑很好，那么是不是都要上redis?到底解決什么問題?中間件又存在什么問題?中臺(tái)和中間件又是個(gè)什么關(guān)系?如果開個(gè)mq就是中間件，微服務(wù)又是要做啥?
如果能從這十多年來互聯(lián)網(wǎng)應(yīng)用的整個(gè)tech stack變化去看待backend architecture的一些改變，應(yīng)該是一件有趣也有意思的事情。這是當(dāng)時(shí)寫這個(gè)ppt開課的初衷。
我不敢說我在這個(gè)ppt里面的一些私貨概念就是對(duì)的，但是也算是個(gè)人這么多年的一些認(rèn)知理解，拋磚引玉吧。
強(qiáng)調(diào)一點(diǎn)，這個(gè)ppt的初衷是希望從近十多年來不同時(shí)代不同熱點(diǎn)下技術(shù)棧的變化來看看我們是如何從最早的php/asp/jsp<=>mysql這樣的兩層架構(gòu)，一個(gè)階段一個(gè)階段演變到現(xiàn)在繁復(fù)的大數(shù)據(jù)、機(jī)器學(xué)習(xí)、消息驅(qū)動(dòng)、微服務(wù)架構(gòu)這樣的體系，然后在針對(duì)其中比較重要的幾個(gè)方面來給新入門后臺(tái)開發(fā)的同學(xué)起個(gè)“提綱目錄”的作用。如果要對(duì)每個(gè)方面都深入去談，那肯定不是一兩頁P(yáng)PT就能做到的事情。
下面我們開始。首先看***頁如下圖：什么是System Design?什么是架構(gòu)設(shè)計(jì)?為什么要談架構(gòu)設(shè)計(jì)?
之所以拋出這個(gè)問題，是因?yàn)槠綍r(shí)常常聽到兩個(gè)互相矛盾的說法：一方面很多人愛說“架構(gòu)師都是不干活夸夸其談”，另一方面又有很多人苦惱限于日常業(yè)務(wù)需求開發(fā)，無法或者沒有機(jī)會(huì)去從整體架構(gòu)思考，不知道怎么成長(zhǎng)為架構(gòu)師。
上面ppt中很有趣的是***句英文，翻譯過來恰好可以反映了論壇上經(jīng)常有人問的“如何學(xué)習(xí)架構(gòu)”的問題：很多l(xiāng)eader一來就是扔幾本書(書名)給新同學(xué)，期望他們讀完書就馬上升級(jí)。。。這種一般都只會(huì)帶來失望。
何為架構(gòu)師?不寫代碼只畫PPT?
不是的，架構(gòu)師的基本職責(zé)是要在項(xiàng)目早期就能設(shè)計(jì)好基本的框架，這個(gè)框架能夠確保團(tuán)隊(duì)成員順利coding滿足近期內(nèi)業(yè)務(wù)需求的變化，又能為進(jìn)一步的發(fā)展留出空間(所謂scalability)，這即是所謂技術(shù)選型。如何確保選型正確?對(duì)于簡(jiǎn)單的應(yīng)用，或者沒有新意完全是實(shí)踐過多次的相同方案，確實(shí)靠幾頁P(yáng)PT足矣。但是對(duì)于新的領(lǐng)域新的復(fù)雜需求，這個(gè)需求未必都是業(yè)務(wù)需求，也包括根據(jù)團(tuán)隊(duì)自身特點(diǎn)(人員太多、太少、某些環(huán)節(jié)成員不熟悉需要?jiǎng)冸x開)來進(jìn)行新的設(shè)計(jì)，對(duì)現(xiàn)有技術(shù)重新分解組合，這時(shí)候就需要架構(gòu)師自己編碼實(shí)現(xiàn)原型并驗(yàn)證思路正確性。
要達(dá)到這樣的目標(biāo)難不難?難!但是現(xiàn)在不是2000年了，是2019年了，大量的框架(framework)、開源工具和各種best practice，其實(shí)都是在幫我們解決這件事情。而這些框架并不是憑空而來，而是在這十多年互聯(lián)網(wǎng)的演化中因?yàn)橐鉀Q各種具體業(yè)務(wù)難點(diǎn)而一點(diǎn)一點(diǎn)積累進(jìn)化而來。無論是從mysql到mongodb到cassandra到time series db，或者從memcached到redis，從lucene到solr到elasticsearch，從離線批處理到hadoop到storm到spark到flink，技術(shù)不是突然出現(xiàn)的，總是站在前人的肩膀上不斷演變的。而要能在浩如煙海的現(xiàn)代互聯(lián)網(wǎng)技術(shù)棧中選擇合適的來組裝自己的方案，則需要對(duì)技術(shù)的來源和歷史有一定的了解。否則就會(huì)出現(xiàn)一些新人張口ELK，閉口tensorflow，然后一個(gè)簡(jiǎn)單的異步消息處理就會(huì)讓他們張口結(jié)舌的現(xiàn)象。
20多年前的經(jīng)典著作DesignPatterns中講過學(xué)習(xí)設(shè)計(jì)模式的意義，放在這里非常經(jīng)典：學(xué)習(xí)設(shè)計(jì)模式并不是要你學(xué)習(xí)一種新的技術(shù)或者編程語言，而是建立一種交流的共同語言和詞匯，在方案設(shè)計(jì)時(shí)方便溝通，同時(shí)也幫助人們從更抽象的層次去分析問題本質(zhì)，而不被一些實(shí)現(xiàn)的細(xì)枝末節(jié)所困擾。同時(shí)，當(dāng)我們能把很多問題抽象出來之后，也能幫我們更深入更好地去了解現(xiàn)有系統(tǒng)-------這些意義，對(duì)于今天的后端系統(tǒng)設(shè)計(jì)來說，也仍然是正確的。
下圖是我們要談的幾個(gè)主要方面。
上面的幾個(gè)主題中，***個(gè)后臺(tái)架構(gòu)的演化是自己從業(yè)十多年來，體會(huì)到的互聯(lián)網(wǎng)技術(shù)架構(gòu)的整體變遷。然后分成后臺(tái)前端應(yīng)用框架、middleware和存儲(chǔ)三大塊談一下，***兩節(jié)微服務(wù)和docker則是給剛進(jìn)入后臺(tái)開發(fā)的同學(xué)做一些概念普及。其中個(gè)人覺得最有趣的，是***部分后臺(tái)架構(gòu)的演化和第三部分的中間件，因?yàn)檫@兩者是很好地反映了過去十多年互聯(lián)網(wǎng)發(fā)展期間技術(shù)棧的變化，從LAMP到MEAN Stack，從各種繁復(fù)的中間層到漸漸統(tǒng)一的消息驅(qū)動(dòng)+流處理，每個(gè)階段的業(yè)界熱點(diǎn)都相當(dāng)有代表性。
當(dāng)然，不是說web框架、數(shù)據(jù)存儲(chǔ)就不是熱點(diǎn)了，姑且不說這幾年web前端的復(fù)雜化，光后端應(yīng)用框架，node的express，python的django/flask，go在國(guó)內(nèi)的盛行，都是相當(dāng)有趣的。在數(shù)據(jù)存儲(chǔ)領(lǐng)域，列存儲(chǔ)和時(shí)序數(shù)據(jù)隨著物聯(lián)網(wǎng)的發(fā)展也是備受重視。但是篇幅所限，在這個(gè)課程中這些話題也就只能一帶而過，因?yàn)檫@些與其說是技術(shù)的演變過程，不如說是不同的技術(shù)選型和方向了，比如說Mysql適合OLTP(Online Transaction Processing)，而Cassandra/Hbase等則適合OLAP(Online Analyical Processing)，并不能說后者就優(yōu)于前者。
下面我們先來看后臺(tái)架構(gòu)的演化：
嚴(yán)格說這是個(gè)很大的標(biāo)題，從2000年到現(xiàn)在的故事太多了，我這里只能盡力而為從個(gè)人體驗(yàn)來分析。
首先是2008年以前，我把它稱為網(wǎng)站時(shí)代。為什么這么說?因?yàn)槟菚r(shí)候的后臺(tái)開發(fā)就是寫網(wǎng)站，而且通常是頁面代碼和后臺(tái)數(shù)據(jù)邏輯一起寫。你只要能寫JSP/PHP/ASP來讀寫Mysql或者SQL Server，基本就能保證一份不錯(cuò)的工作了。
要強(qiáng)調(diào)一下，這種簡(jiǎn)單的兩層結(jié)構(gòu)并不能說就是落后。在現(xiàn)在各個(gè)企業(yè)、公司以及小團(tuán)隊(duì)的大量web應(yīng)用包括移動(dòng)App的后端服務(wù)中，采用這種架構(gòu)的不在少數(shù)，尤其是很多公司、學(xué)校、企業(yè)的內(nèi)部服務(wù)，用這種架構(gòu)已經(jīng)足夠了。
注意一個(gè)時(shí)間節(jié)點(diǎn)：2008。
當(dāng)然，這個(gè)節(jié)點(diǎn)是我YY的。這個(gè)節(jié)點(diǎn)可以是2007，或者2006。這個(gè)時(shí)間段發(fā)生了兩個(gè)影響到現(xiàn)在的事情：google上市，facebook開始推開
我個(gè)人相信前者上市加上它發(fā)表的那三篇大數(shù)據(jù)paper影響了后來業(yè)界的技術(shù)方向，后者的火熱則造成了社交成為業(yè)務(wù)熱點(diǎn)。偏偏社交網(wǎng)站對(duì)大數(shù)據(jù)處理有著天然的需求，技術(shù)的積累和業(yè)務(wù)的需求就這么陰差陽錯(cuò)***結(jié)合了起來，直接影響了大海那邊后面的科技發(fā)展。
同時(shí)在中國(guó)，那個(gè)時(shí)候卻是網(wǎng)絡(luò)游戲MMO的黃金年代，對(duì)單機(jī)單服高并發(fā)實(shí)時(shí)交互的需求，遠(yuǎn)遠(yuǎn)壓過了對(duì)海量數(shù)據(jù)data mining的需要，在這個(gè)時(shí)間點(diǎn)，中美兩邊的互聯(lián)網(wǎng)科技樹發(fā)生了比較大的分叉。這倒是并沒有優(yōu)劣之說，只是業(yè)務(wù)場(chǎng)景的重要性導(dǎo)致了技能樹的側(cè)重。直到今天，單機(jī)(包括簡(jiǎn)單的多服務(wù)器方案)高并發(fā)、高QPS仍然也是國(guó)內(nèi)業(yè)界所追求的目標(biāo)，而在美國(guó)那邊，這只是一個(gè)業(yè)務(wù)指標(biāo)而已，更看重的是如何進(jìn)行水平擴(kuò)展(horizontal scaling)和分散壓力。
國(guó)內(nèi)和美國(guó)的科技樹回到一條線上，大數(shù)據(jù)的業(yè)務(wù)需求和相關(guān)技術(shù)發(fā)展緊密結(jié)合起來，可能要到2014年左右，隨著互聯(lián)網(wǎng)創(chuàng)業(yè)的盛行，O2O業(yè)務(wù)對(duì)大數(shù)據(jù)實(shí)時(shí)處理、機(jī)器學(xué)習(xí)推薦提出了真正的需求時(shí)，才是國(guó)內(nèi)業(yè)界***出現(xiàn)技術(shù)驅(qū)動(dòng)業(yè)務(wù)，算法驅(qū)動(dòng)產(chǎn)品的現(xiàn)象，重新和美國(guó)灣區(qū)那邊站在了一條線上，而這則是后話了。
到了2010年前后，facebook在全球已經(jīng)是現(xiàn)象級(jí)產(chǎn)品，當(dāng)時(shí)微軟直接放棄了windows live，就是為了避免在社交領(lǐng)域硬懟facebook。八卦一下當(dāng)時(shí)在美國(guó)灣區(qū)那邊聚餐的時(shí)候，如果誰說他是facebook的，那基本就是全場(chǎng)羨慕的焦點(diǎn)。
facebook的崛起也帶動(dòng)了其他大量的社交網(wǎng)站開始出現(xiàn)，社交網(wǎng)站***的特點(diǎn)就是頻繁的用戶搜索、推薦，當(dāng)用戶上億的時(shí)候，這就是前面?zhèn)鹘y(tǒng)的兩層架構(gòu)無法處理的問題了。因此這就帶動(dòng)了中間件的發(fā)展。實(shí)際上在國(guó)外很少有人用中間件或者middelware這個(gè)詞，更多是探討如何把各種service集成在一起，像國(guó)內(nèi)這樣強(qiáng)行分成frontend/middleware/storage的概念是沒聽人這么談過的，后面中間件再說這問題。當(dāng)時(shí)的一個(gè)慣例是用php做所謂的膠水語言(glue language)，然后通過hessian這些協(xié)議工具來把其他java服務(wù)連接到一起。與此同時(shí)，為了提高訪問速度，降低后端查詢壓力，memcached/redis也開始大量使用?；趌ucene的搜索(2010左右很多是自行開發(fā))或者solr也被用在用戶搜索、推薦以及type ahead這些場(chǎng)景中。
我記憶中在2012年之前消息隊(duì)列的使用還不是太頻繁，不像后來這么重要。當(dāng)時(shí)常見的應(yīng)該就是beanstalkd/rabbitmq, zeromq其實(shí)我在灣區(qū)那邊很少聽人用，倒是后來回國(guó)后看到國(guó)內(nèi)用的人還不少。Kafka在2011年已經(jīng)出現(xiàn)了，有少部分公司開始用，不過還不是主流。
2013年之后就是大數(shù)據(jù)+云的時(shí)代了，如果大家回想一下，基本上國(guó)內(nèi)也是差不多在2014年左右開始叫出了云+大數(shù)據(jù)的口號(hào)(2013年國(guó)內(nèi)還在手游狂潮中...)。不談國(guó)外，在中國(guó)那段時(shí)間就是互聯(lián)網(wǎng)創(chuàng)業(yè)的時(shí)代，從千團(tuán)大戰(zhàn)到手游爆發(fā)到15年開始的O2O，業(yè)務(wù)的發(fā)展也帶動(dòng)了技術(shù)棧的飛速進(jìn)步。左上角大致上也寫了這個(gè)時(shí)代互聯(lián)網(wǎng)業(yè)界的主要技術(shù)熱點(diǎn)，實(shí)際上這也就是現(xiàn)在的熱點(diǎn)。無論國(guó)內(nèi)國(guó)外，絕大部分公司還并沒有離開云+大數(shù)據(jù)這個(gè)時(shí)代。無論是大數(shù)據(jù)的實(shí)時(shí)處理、數(shù)據(jù)挖掘、推薦系統(tǒng)、Docker化，包括A/B測(cè)試，這些都是很多企業(yè)還正在努力全面解決的問題。
但是在少數(shù)站在業(yè)界技術(shù)頂端或者沒有歷史技術(shù)包袱的新興公司，從某個(gè)角度上來說，他們已經(jīng)開始在往下一個(gè)時(shí)代前進(jìn)：機(jī)器學(xué)習(xí)AI驅(qū)動(dòng)的時(shí)代
2018年開始，實(shí)際上可能是2017年中開始，AI驅(qū)動(dòng)成了各大公司口號(hào)。上圖是facebook和uber的機(jī)器學(xué)習(xí)平臺(tái)使用情況，基本上已經(jīng)全部進(jìn)入業(yè)務(wù)核心。當(dāng)然并不是說所有公司企業(yè)都要AI驅(qū)動(dòng)，顯然最近發(fā)生的波音737事件就說明該用傳統(tǒng)的就該傳統(tǒng)，別啥都往并不成熟的AI上堆。但另一方面，很多新興公司的業(yè)務(wù)本身就是基于大數(shù)據(jù)或者算法的，因此他們?cè)谶@個(gè)領(lǐng)域也往往走得比較激進(jìn)。由于這個(gè)AI驅(qū)動(dòng)還并沒有一個(gè)很明確的定義和概念，還處于一種早期萌芽的階段，在這里也就不多YY了。
互聯(lián)網(wǎng)后臺(tái)架構(gòu)發(fā)展的簡(jiǎn)單過程就在這里講得差不多了，然后我們快速談一下web開發(fā)框架。
首先在前面我提到，在后端架構(gòu)中其實(shí)也有所謂的frontend(前臺(tái))開發(fā)存在，一般來說這是指響應(yīng)用戶請(qǐng)求，實(shí)現(xiàn)具體業(yè)務(wù)邏輯的業(yè)務(wù)邏輯層。當(dāng)然這么定義略微粗糙了些，很多中間存儲(chǔ)、消息服務(wù)也會(huì)封裝一些業(yè)務(wù)相關(guān)邏輯?？傊畐eb開發(fā)框架往往就是為了更方便地實(shí)現(xiàn)這些業(yè)務(wù)邏輯而存在的。
前文提到在一段較長(zhǎng)時(shí)間內(nèi)，國(guó)內(nèi)的技術(shù)熱點(diǎn)是單機(jī)高并發(fā)高QPS，因此很多那個(gè)時(shí)代走過來的人會(huì)本能地質(zhì)疑web框架的性能，而更偏好TCP長(zhǎng)鏈接甚至UDP協(xié)議。然而這往往是自尋煩惱，因?yàn)槌_特別的強(qiáng)實(shí)時(shí)系統(tǒng)，無論是休閑手游、視頻點(diǎn)播還是信息流，都已經(jīng)是基于HTTP的了。
上圖所提到的兩個(gè)問題中，我想強(qiáng)調(diào)的是***點(diǎn)：所有的業(yè)務(wù)，在能滿足需求的情況下，***HTTP協(xié)議進(jìn)行數(shù)據(jù)交互。準(zhǔn)確點(diǎn)說，***JSON，使用web API。
Why? 這就是上圖***個(gè)問題所回答的：無狀態(tài)、易調(diào)試易修改、一般沒有80端口限制。
最為詬病的無非是性能，然而實(shí)際上對(duì)非實(shí)時(shí)應(yīng)用，晚個(gè)半秒一秒不應(yīng)該是大問題，要考慮的是水平擴(kuò)展scalability，不是實(shí)時(shí)響應(yīng)(因?yàn)榍疤峋褪欠菍?shí)時(shí)應(yīng)用);其次實(shí)在不行你還有websocket可以用。
這一部分是簡(jiǎn)單列舉了一下不同框架的使用，可以看出不同框架的概念其實(shí)差不多。重點(diǎn)是要注意到middleware這個(gè)說法在web framework和后端架構(gòu)中的意義不同。在web framework中是指具體處理GET/POST這些請(qǐng)求之前的一個(gè)通用處理(往往是鏈?zhǔn)秸{(diào)用)，比如可以把鑒權(quán)、一些日志處理和請(qǐng)求記錄放在這里。但在后端架構(gòu)設(shè)計(jì)中的middleware則是指類似消息隊(duì)列、緩存這些在最終數(shù)據(jù)庫(kù)之前的中間服務(wù)組件。
***這里是想說web framework并不是包治百病，實(shí)際上那只是提供了基礎(chǔ)功能的一個(gè)library，作為開發(fā)者則更多需要考慮如何定義配置文件，一些敏感參數(shù)如token、密碼怎么傳進(jìn)來，開發(fā)環(huán)境和生產(chǎn)環(huán)境的配置如何自動(dòng)切換，單元測(cè)試怎么搞，代碼目錄怎么組織。有時(shí)候我們可以用一些比如Yeoman之類的scaffold工具來自動(dòng)生成項(xiàng)目代碼框架，或者類似django這種也可能自動(dòng)生成基本目錄結(jié)構(gòu)。
下面進(jìn)入Middleware環(huán)節(jié)。again，強(qiáng)調(diào)一下這里只是根據(jù)個(gè)人經(jīng)驗(yàn)和感受談?wù)勓莼^程。
這一頁只是大致講一下怎么定義中間件middleware。說句題外話，在美國(guó)灣區(qū)那邊提這個(gè)概念的很少，而阿里又特別喜歡說中間件，兩者相互的交流非常頭痛。灣區(qū)那邊不少google、facebook還有pinterest/uber這些的朋友好幾次都在群里問說啥叫中間件。
中間件這個(gè)概念很含糊，應(yīng)該是阿里提出來的，對(duì)應(yīng)于middleware(不過似乎也不是完全對(duì)應(yīng))，可能是因?yàn)樵缙趈ava的EJB那些概念里面比較強(qiáng)調(diào)middleware這一點(diǎn)吧(個(gè)人猜的)。大致上，如果我們把web后端分為直接處理用戶請(qǐng)求的frontend，***對(duì)數(shù)據(jù)進(jìn)行持久存儲(chǔ)(persistant storage)這兩塊，那么中間對(duì)數(shù)據(jù)的所有處理環(huán)節(jié)都可以視為middleware。
和中間件對(duì)應(yīng)的另一個(gè)阿里發(fā)明的概念是中臺(tái)。近一年多阿里的中臺(tái)概念都相當(dāng)引人注意，這里對(duì)中臺(tái)不做太多描述。總體來說中臺(tái)更多是偏向業(yè)務(wù)和組織架構(gòu)劃分，不能說是一個(gè)技術(shù)概念，也不是面向開發(fā)人員的。而中間件middleware是標(biāo)準(zhǔn)的技術(shù)組件服務(wù)。
那么我們自然會(huì)有一個(gè)問題：為什么要用中間件?
談到為什么要用middlware，這里用推薦系統(tǒng)舉例。
推薦系統(tǒng)，對(duì)數(shù)據(jù)少用戶少的情況下，簡(jiǎn)單的mysql即可，比如早期論壇的什么top 10熱門話題啊，最多回復(fù)的話題啊，都可以視為簡(jiǎn)單的推薦，數(shù)據(jù)量又不大的情況下，直接select就可以了。
如果是用戶推薦的話，用戶量不大的情況下，也可以如法炮制，選擇同一區(qū)域(城市)年齡相當(dāng)?shù)漠愋裕?**隨機(jī)挑幾個(gè)給你，相信世紀(jì)佳緣之類的交友網(wǎng)站早期實(shí)現(xiàn)也就是類似的模式。
那么，如果用戶量多了呢?每次都去搜數(shù)據(jù)庫(kù)，同時(shí)在線用戶又多，那對(duì)數(shù)據(jù)庫(kù)的壓力就巨大了。這時(shí)候就是引入緩存，memcached、redis就出現(xiàn)了。
簡(jiǎn)單的做法就是把搜索條件作為key，把結(jié)果作為value存入緩存。打個(gè)比方你可以把key存為 20:40:beijing:male (20到40歲之間北京的男性)，然后把***次搜索的結(jié)果全部打亂shuffle后，存前1000個(gè)，10分鐘過期，再有人用類似條件搜索，就直接把緩存數(shù)據(jù)隨機(jī)挑幾個(gè)返回。放心，一般來說不會(huì)有人10分鐘就把1000個(gè)用戶的資料都看完了，中間偶有重復(fù)也沒人在意(用世紀(jì)佳緣、百合網(wǎng)啥的時(shí)候看到過重復(fù)的吧)。
不過話又說回來，現(xiàn)代數(shù)據(jù)庫(kù)，尤其是類似mongodb/es這些大量占用內(nèi)存的nosql，已經(jīng)對(duì)經(jīng)常查詢的數(shù)據(jù)做了緩存，在這之上再加cache，未必真的很有效，這需要case by case去分析了，總之盲目加cache也并不推薦。
加緩存是為了解決訪問速度，減輕數(shù)據(jù)庫(kù)壓力，但是并不提高推薦精準(zhǔn)度。如果我們要提高推薦效果呢?在2015年之前機(jī)器學(xué)習(xí)還沒那么普及成熟的時(shí)候，我們?cè)趺锤隳?
提高推薦效果，在機(jī)器學(xué)習(xí)之前有兩種做法：
- 引入基于lucene的搜索引擎，在搜索的同時(shí)通過定制方案實(shí)現(xiàn)scoring，比如我可以利用lucene對(duì)用戶的年齡、性別、地址等進(jìn)行indexing，但是再返回結(jié)果時(shí)我再根據(jù)用戶和查詢者兩人的具體信息進(jìn)行關(guān)聯(lián)，自定義返回的score(可以視為推薦相關(guān)系數(shù))
- 采用離線批處理。固然可以用hadoop，但是就太殺雞用牛刀了。常見的是定時(shí)批處理任務(wù)，按某種規(guī)則劃分用戶群體，對(duì)每個(gè)群體再做全量計(jì)算后把推薦結(jié)果寫入緩存。這種可以做很繁復(fù)準(zhǔn)確的計(jì)算，雖然慢，但效果往往不錯(cuò)。這種做法也常用在手機(jī)游戲的PvP對(duì)戰(zhàn)列表里面。
這些處理方法對(duì)社交網(wǎng)絡(luò)/手游這類型的其實(shí)已經(jīng)足夠了，但是新的業(yè)務(wù)是不斷出現(xiàn)的。隨著uber/滴滴/餓了么/美團(tuán)這些需要實(shí)時(shí)處理數(shù)據(jù)的app崛起，作為一個(gè)司機(jī)，并不想你上線后過幾分鐘才有客人來吧，你希望你開到一個(gè)熱點(diǎn)區(qū)域，一開機(jī)就馬上接單。
所以這種對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)(近實(shí)時(shí))處理的需求也帶動(dòng)了后端體系的大發(fā)展，kafka/spark等等流處理大行其道。這時(shí)候的后端體系就漸漸引入了消息驅(qū)動(dòng)的模式，所謂消息驅(qū)動(dòng)，就是對(duì)新的生產(chǎn)數(shù)據(jù)會(huì)有多個(gè)消費(fèi)者，有的是滿足實(shí)時(shí)計(jì)算的需求(比如司機(jī)信息需要立刻能夠被快速檢索到，又不能每次都做全量indexing，就需要用到spark)，有的只是為了數(shù)據(jù)分析，寫入類似cassandra這些數(shù)據(jù)庫(kù)里，還有的可能是為了生成定時(shí)報(bào)表，寫入到mysql。
大數(shù)據(jù)的處理一直是業(yè)界熱點(diǎn)領(lǐng)域。記得2015年硅谷一個(gè)朋友就是從一家小公司做php跳去另一家物聯(lián)網(wǎng)公司做spark相關(guān)的工作，之前還很擔(dān)心玩不轉(zhuǎn)，搞了兩年就儼然業(yè)界大佬被oracle挖去負(fù)責(zé)云平臺(tái)～～～
anyway，這時(shí)候?qū)蠖梭w系的要求是一方面能快速滿足實(shí)時(shí)需求，另一方面又能滿足各種耗時(shí)長(zhǎng)的數(shù)據(jù)分析、data lake存儲(chǔ)等等，以及當(dāng)時(shí)漸漸普及的機(jī)器學(xué)習(xí)模型(當(dāng)時(shí)2015年初和幾個(gè)朋友搞startup，其中一個(gè)是walmart lab的機(jī)器學(xué)習(xí)專家，上來就一堆模型，啥數(shù)據(jù)和用戶都還沒有就把模型擺上來了，后來搞得非常頭痛。當(dāng)時(shí)沒有keras/pytorch/tf這些，那堆模型是真心搞不太懂，但是又不敢扔，要靠那東西去包裝拿投資的。。。)
但是我們?cè)倏瓷厦娴膱D，是不是感覺比較亂呢?各種系統(tǒng)的數(shù)據(jù)寫來寫去，是不是有點(diǎn)messy?當(dāng)公司團(tuán)隊(duì)增多，系統(tǒng)復(fù)雜度越來越高的時(shí)候，我們?cè)撛趺词崂?
到了2017之后，前面千奇百怪的后端體系基本上都趨同了。kafka的實(shí)時(shí)消息隊(duì)列，spark的流處理(當(dāng)然現(xiàn)在也可以換成flink，不過大部分應(yīng)該還是spark)，然后后端的存儲(chǔ)，基于hive的數(shù)據(jù)分析查詢，然后根據(jù)業(yè)務(wù)的模型訓(xùn)練平臺(tái)。各個(gè)公司反正都差不多這一套，在具體細(xì)節(jié)上根據(jù)業(yè)務(wù)有所差異，或者有些實(shí)力強(qiáng)大的公司會(huì)把中間一些環(huán)節(jié)替換成自己的實(shí)現(xiàn)，不過不管怎么千變?nèi)f化，整體思路基本都一致了。
這里可以看到機(jī)器學(xué)習(xí)和AI模型的引入。個(gè)人認(rèn)為，machine learning的很大一個(gè)好處，是簡(jiǎn)化業(yè)務(wù)邏輯，簡(jiǎn)化后臺(tái)流程，不然一套業(yè)務(wù)一套實(shí)現(xiàn)，各種數(shù)據(jù)和業(yè)務(wù)規(guī)則很難用一個(gè)整體的技術(shù)平臺(tái)來完成。相比前面一頁的后臺(tái)架構(gòu)，這一頁要清晰許多，而且是一個(gè)DAG有向無環(huán)圖的形式，數(shù)據(jù)流向很明確。我們?cè)谙旅嬖賮碚f這個(gè)機(jī)器學(xué)習(xí)對(duì)業(yè)務(wù)數(shù)據(jù)流程的簡(jiǎn)化。
在傳統(tǒng)后端系統(tǒng)中，業(yè)務(wù)邏輯其實(shí)和數(shù)據(jù)是客觀分離的，邏輯規(guī)則和數(shù)據(jù)之間并不存在客觀聯(lián)系，而是人為主觀加入，并沒形成閉環(huán)，如上圖左上所示。而基于機(jī)器學(xué)習(xí)的平臺(tái)，這個(gè)閉環(huán)就形成了，從業(yè)務(wù)數(shù)據(jù)->AI模型->業(yè)務(wù)邏輯->影響用戶行為->新的業(yè)務(wù)數(shù)據(jù)這個(gè)流程是自給自足的。這在很多推薦系統(tǒng)中表現(xiàn)得很明顯，通過用戶行為數(shù)據(jù)訓(xùn)練模型，模型對(duì)頁面信息流進(jìn)行調(diào)整，從而影響用戶行為，然后用新的用戶行為數(shù)據(jù)再次調(diào)整模型。而在機(jī)器學(xué)習(xí)之前，這些觀察工作是交給運(yùn)營(yíng)人員去手工猜測(cè)調(diào)整。
上圖右邊談的是機(jī)器學(xué)習(xí)相關(guān)后臺(tái)架構(gòu)和傳統(tǒng)web后臺(tái)的一些差別，重點(diǎn)是耗時(shí)太長(zhǎng)，必須異步處理。因此消息驅(qū)動(dòng)機(jī)制對(duì)機(jī)器學(xué)習(xí)后臺(tái)是一個(gè)必須的設(shè)計(jì)。
這頁是一些個(gè)人的感受，現(xiàn)代的后端數(shù)據(jù)處理越來越偏向于DAG的形態(tài)，Spark不說了，DAG是***特色;神經(jīng)網(wǎng)絡(luò)本身也可以看作是一個(gè)DAG(RNN其實(shí)也可以看作無數(shù)個(gè)單向DNN的組合);tensorflow也是強(qiáng)調(diào)其Graph是DAG，另外編程模式上，Reactive編程也很受追捧。
其實(shí)DAG的形態(tài)重點(diǎn)強(qiáng)調(diào)的就是數(shù)據(jù)本身是immutable(不可修改)，只能transform后成為新的數(shù)據(jù)進(jìn)入下一環(huán)。這個(gè)思維其實(shí)可以貫穿到現(xiàn)代后臺(tái)系統(tǒng)設(shè)計(jì)的每個(gè)環(huán)節(jié)，比如trakcing、analytics、數(shù)據(jù)表設(shè)計(jì)、microservice等等，但具體實(shí)施還是要case by case了。
無論如何，數(shù)據(jù)，數(shù)據(jù)的跟蹤tracking，數(shù)據(jù)的流向，是現(xiàn)代后臺(tái)系統(tǒng)的核心問題，只有data flow和data pipeline清晰了，整個(gè)后臺(tái)架構(gòu)才會(huì)清楚。
數(shù)據(jù)庫(kù)是個(gè)非常復(fù)雜的領(lǐng)域，在下面對(duì)幾個(gè)基本常用的概念做一些介紹。注意一點(diǎn)是graph database在這里沒有提到，因?yàn)槿粘Ｊ褂幂^少，相對(duì)來說facebook提出的GraphQL倒是個(gè)有趣的概念，但也只是在傳統(tǒng)db上的一個(gè)概念封裝。
上圖是2018年12月初熱門數(shù)據(jù)庫(kù)的排名，我們可以看到關(guān)系數(shù)據(jù)庫(kù)RDBMS和NOSQL數(shù)據(jù)庫(kù)基本上平分秋色。而NOSQL中實(shí)際上又可以分為key-value storage(包括文檔型)及column based DB.
mysql這個(gè)沒啥好講，大概提一下就是。有趣的是曾經(jīng)看到一篇文章是aws CTO談的一些內(nèi)容，其中印象深刻是：如果你的用戶還不到100萬，就別折騰了，無腦使用mysql吧)
在2015年之前的一個(gè)趨勢(shì)是不少公司使用mysql作為數(shù)據(jù)存儲(chǔ)，但是把indexing放在外部去做。這個(gè)思路最早似乎是friendster提出的，后來uber也模仿這種做法設(shè)計(jì)了自己的數(shù)據(jù)庫(kù)schemaless。然而隨著postgreSQL的普及(postgreSQL支持對(duì)json的索引)，這種做法是否還有意義就值得商榷了。
nosql最早的使用就是key-value的查找，典型的就是redis。實(shí)際上后來的像mongo這些documentbased db也是類似的key value，只是它對(duì)document中的內(nèi)容又做了一次index (inverted index)，用空間換時(shí)間來提供查找數(shù)據(jù)，這也是cs不變的思維。
mongo/elasticsearch收到熱捧主要是因?yàn)樗鼈兊膕chemaless屬性，也就是不需要提前定義數(shù)據(jù)格式，只要是json就存，還都能根據(jù)每個(gè)field搜索，這非常方便程序員快速出demo。但是實(shí)際上數(shù)據(jù)量大之后還是要規(guī)范數(shù)據(jù)結(jié)構(gòu)，定義需要indexing的field的。
這里提一個(gè)比較好玩的開源project nodebb, 這是個(gè)node.js開發(fā)的論壇系統(tǒng)。在我前幾年看到這個(gè)的時(shí)候它其實(shí)只支持redis，然后當(dāng)時(shí)因?yàn)橐粋€(gè)項(xiàng)目把它改造了讓他支持mysql。去年再看的時(shí)候發(fā)現(xiàn)它同時(shí)支持了redis/postres/mongo，如果對(duì)比一下同樣的功能他如何在這三種db實(shí)現(xiàn)的，相信會(huì)很有幫助。
稍微談?wù)劻写鎯?chǔ)。常見mysql你在select的時(shí)候其實(shí)往往會(huì)把整行都讀出來，再在其中挑那么一兩個(gè)你需要的屬性，非常浪費(fèi)。而mongo這些文件型db，又不支持常見SQL。而列存儲(chǔ)DB的好處就是快，不用把一行所有信息讀出來，只是按列讀取你需要的，對(duì)現(xiàn)在的大數(shù)據(jù)分析特別是OLAP(Online Analytical Processing)來說特別重要。然而據(jù)另外的說法，實(shí)際上像casssandra/hbase這些并不是真正的列存儲(chǔ)，而只是借用了一些概念。這個(gè)我也沒深入去了解，有興趣的同學(xué)可以自己研究研究。
列存儲(chǔ)的一個(gè)重要領(lǐng)域是時(shí)序數(shù)據(jù)庫(kù)，物聯(lián)網(wǎng)用得多。其特色是大量寫入，只增不改(不修改數(shù)據(jù))，但是讀的次數(shù)相對(duì)于很少(想想物聯(lián)網(wǎng)的特點(diǎn)，隨時(shí)有數(shù)據(jù)寫入，但是你不會(huì)隨時(shí)都在看你家小米電器的狀態(tài)。。。)
注意說write/read是正交的。這意思是每次寫入是一次一行，而讀是按列，加上又不會(huì)修改數(shù)據(jù)，因此各自都能保持極快的速度
下面簡(jiǎn)單談一下微服務(wù)，大部分直接看PPT就可以了，有幾頁略微談一下個(gè)人思考。
上面這頁說說，其實(shí)微服務(wù)所謂的服務(wù)發(fā)現(xiàn)/name service不要被忽悠覺得是多神奇的東西。最簡(jiǎn)單的Nginx/Apache這些都能做(域名轉(zhuǎn)向，proxy)，或者你要寫個(gè)name : address的對(duì)應(yīng)關(guān)系到db里面也完全可以，再配一個(gè)定時(shí)healthcheck的服務(wù)，最簡(jiǎn)單的服務(wù)發(fā)現(xiàn)也就行了。
高級(jí)點(diǎn)用到zookeeper/etcd等等，或者SpringCloud全家桶，那只是簡(jiǎn)化配置，原理都一樣。從開發(fā)角度來看，微服務(wù)的開發(fā)并不是難點(diǎn)，難點(diǎn)是微服務(wù)的配置和部署。最近一段時(shí)間微服務(wù)部署也是業(yè)界熱點(diǎn)，除了全家桶形態(tài)的SpringCloud，也可以看看lstio這些開源工具。
上圖主要大致對(duì)比一下，看看從早期的Spring到現(xiàn)在Spring Cloud的變化。想來用過Java Tomcat的朋友都能體會(huì)Java這一套Config based development的繁瑣，開發(fā)的精力很多不是在業(yè)務(wù)代碼上，往往會(huì)化不少精力去折騰配置文件。當(dāng)然，Spring Cloud在這方面簡(jiǎn)化了不少，不過個(gè)人還是不太喜歡java，搞很多復(fù)雜的設(shè)計(jì)模式，封裝了又封裝。
這里要說并不是微服務(wù)解決一切，熱門的Python Django盡管有restful-framework，但是它實(shí)際上是一個(gè)典型的Monolithic體系。對(duì)很多核心業(yè)務(wù)，其實(shí)未必要拆開成微服務(wù)。
這兩者是互補(bǔ)關(guān)系，不是替代關(guān)系。
下面的docker我就不仔細(xì)談了，PPT基本表達(dá)了我想表述的概念，主要意思是
- docker能夠簡(jiǎn)化部署，簡(jiǎn)化開發(fā)，能夠在某種程度上讓開發(fā)環(huán)境和產(chǎn)品環(huán)境盡量接近
- 不要擔(dān)心docker的性能，它不是虛擬機(jī)，可以看作在server上運(yùn)行的一個(gè)process。
上圖是描述docker之前開發(fā)人員的常見開發(fā)環(huán)境，首先在自己機(jī)器上裝一大堆服務(wù)，像mysql, redis, tomcat啥的。也有直接在遠(yuǎn)程服務(wù)器安裝環(huán)境后，多人共同登錄遠(yuǎn)端開發(fā)，各自使用一個(gè)端口避免沖突…. 實(shí)際上這種土法煉鋼的形態(tài)，在2019年的今天仍然在國(guó)內(nèi)非常普及。
這種形態(tài)的后果就是在***發(fā)布到生產(chǎn)環(huán)境時(shí)，不同開發(fā)人員會(huì)經(jīng)歷長(zhǎng)時(shí)間的“聯(lián)調(diào)”，各種端口、權(quán)限、腳本、環(huán)境設(shè)置在生產(chǎn)環(huán)境再來一遍…這也是過去運(yùn)維人員的主要工作。
上一頁提到的問題，并不是一定要docker來解決。在這之前，虛擬機(jī)VM的出現(xiàn)，以及vagrant這樣的工具，都讓開發(fā)環(huán)境的搭建多少輕松了一些。不過思路仍然是把VM作為一個(gè)獨(dú)立服務(wù)器使用，只是因?yàn)榭煺铡㈢R像和輔助工具，讓環(huán)境的配置、統(tǒng)一和遷移更加簡(jiǎn)單快捷。
上圖是對(duì)比程序運(yùn)行在物理服務(wù)器、VM及docker時(shí)的資源共享情況，可以看到運(yùn)行在Docker的應(yīng)用，并沒有比并發(fā)運(yùn)行在物理服務(wù)器上占用更多資源。
下圖是簡(jiǎn)單的docker使用，不做贅述。
這一頁主要是強(qiáng)調(diào)Docker并不等同于虛擬機(jī)。虛擬機(jī)所占資源是獨(dú)享的，比如你啟動(dòng)一個(gè)VM，分配2G內(nèi)存，那么這個(gè)VM里不管是否運(yùn)行程序都會(huì)占用2G內(nèi)存。然而如果你啟動(dòng)一個(gè)Docker，里面運(yùn)行一個(gè)簡(jiǎn)單web服務(wù)，在不強(qiáng)制指定內(nèi)存占用情況下，如果沒有請(qǐng)求進(jìn)入，沒有額外占用內(nèi)存，那么這個(gè)docker服務(wù)對(duì)整機(jī)的內(nèi)存占用幾乎為0(當(dāng)然仍然存在一些開銷，但主要是根據(jù)該程序自身的運(yùn)行狀況而定)。
***Kubernetes這里大概說說host-pod-container的關(guān)系，一個(gè)host可以是物理機(jī)或者vm，pod不是一個(gè)docker，而是可以看作有一個(gè)ip的...(不知道怎么形容)，總之一個(gè)pod可以包括多個(gè)container(docker)，pod之中的container可以共享該pod的資源(ip，storage等)。不過現(xiàn)實(shí)中似乎大多是一個(gè)pod對(duì)一個(gè)container。
對(duì)互聯(lián)網(wǎng)一些熱門概念和演變過程的一個(gè)很簡(jiǎn)略的描述就到這里了，謝謝。
【本文為專欄作者“騰訊技術(shù)工程”原創(chuàng)稿件，轉(zhuǎn)載請(qǐng)聯(lián)系原作者(微信號(hào)：Tencent_TEG)】
新聞名稱：從技術(shù)演變的角度看互聯(lián)網(wǎng)后臺(tái)架構(gòu)
網(wǎng)站鏈接：http://www.fisionsoft.com.cn/article/coicgih.html
