系统练级攻略

来这里找志同道合的小伙伴！

参加了各种高并发架构分享，却不适合小小的系统，怎么才能如大牛那样介于牛A和牛C之间？

> > > >   引言

系统搭建，小有小的灵活，大有大的难处，从小到大，系统该怎么打怪练级呢？

> > > >   首先：守住你的底线

• 底线？单体实例的最大处理量

• 单体实例 ？泛指单个应用实例、单个缓存实例，单个存储实例

• 底线从何而来 ？压测

• 底线恒定不变 ？随着服务的架构变化随时调整

  如：一个实例【java实例+DB】的处理峰值为500/秒，在缓存化数据后处理峰值可以调整的5000/秒，但是缓存异常情况下，系统降级，那峰值必须要回到500/秒。

• 守不住底线？ 打怪如同碰见一个大 BOSS，经由负载均衡一个个秒掉你的服务，最终全局502

• 怎么守住底线 ？限流、限流、限流！

• 限流 ：一个系统稳定的最底层的护城河，永远不要轻视它。

  线上的情况千变万化，交易峰值你可以规划，但是 异常流量 永远不可预测

  如我们的限流拆分：

• 调整线上限流依据？监控，分流监控

  监控的力度也是根据限流层次同步细化

PS：我们搭建了一个 流量分析平台 ，通过接入系统，可以通过自定义规则定义流量拆分报表，并且实现精细化流量控制

> > > >   其次：不断提高底线

> > > >  提高单位处理量

优化数据结构和使用缓存等手段，提升单体实例的最大吞吐量。

常用手段：

• 网站静态流量分流：页面静态化、APP本地缓存、CDN分发

• 数据缓存化：配置性数据本地预加载缓存，热点数据 redis 预加载缓存[注意：缓存也是吞吐量阀值和容量阀值]

• 流程简化：收单流程和生产流程拆分

• 请求流量清理：启用gzip压缩、ajax清理掉多余的数据信息

> > > >  无状态化

高内聚，低耦合，将应用+DB打包成一个对外可扩展的服务模块

标准有三：

1. 对内依赖数据的多源化

2. 对上游实现无依赖化

3. 对下游实现数据的自动传递

价保系统流程处理中心样例：

> > > >   最后：统筹变化，横向扩展

1、 监控为眼

统筹变化，首先要对系统的流量情况了若指掌，是通过监控系统来实现的。

2、 流程优化

只有简单的业务流程才是稳定可靠的，将业务流程和接单流程拆分，针对性配置资源，才能实现性能和资源的灵活安排。

针对现在的微服务化，要根据系统所处阶段灵活拆分，任何过度设计都会导致开发量和运维量飙升，最终影响系统的稳定性。

3、 横向扩展

集群化计算中心【容器+DB】，横向扩容缩容， 外部依赖异常可灵活切换。

> > > >   系统练级标准

1、 单实例不死

通过DB限流和应用限流，保证单实例在大流量下冲击下，会出现服务性能变差，但是不会死掉。

2、 分类型限流

在细化监控基础上，针对不同业务不同流程配置不同的限流阀值，保证异常流量可监控，可阻截，高效的提供正常服务。

3、 集群扩展【DB+实例】

将DB和实例打包成一个集群，可以根据服务流量动态调整扩容缩容。

该集群具备标准：对上游通过接口扩容，数据流内部自我驱动流转，对下游主动同步。

4、 外部依赖无感化

简而言之就是外部依赖接口挂掉不影响系统的核心功能， 通过将相关依赖数据预抓取实现热数据备份，保证接口挂掉后自我降级，保证服务的可用性。

每个阶段都是应该随着系统的流量的增加，逐级优化，反之就是过度设计，导致研发和线上运维成本等上升，反而影响系统稳定性。