八種架構設計模式及其優缺點概述

1. 什麼是架構

我想這個問題，十個人回答得有十一個答案，因爲另外的那一個是大家妥協的結果。哈哈，我理解，架構就是 骨架 ，如下圖所示：

人類的身體的支撐是主要由骨架來承擔的，然後是其上的肌肉、神經、皮膚。架構對於軟件的重要性不亞於骨架對人類身體的重要性。

2. 什麼是設計模式

         這個問題我問過的面試者不下於數十次，回答五花八門，在我看來，模式就是 經驗 ，設計模式就是 設計經驗 ，有了這些經驗，我們就能在特定情況下使用特定的設計、組合設計，這樣可以大大節省我們的設計時間，提高工作效率。

作爲一個工作10年以上的老碼農，經歷的系統架構設計也算不少，接下來，我會把工作中用到的一些架構方面的設計模式分享給大家，望大家少走彎路。總體而言，共有八種，分別是：

1. 單庫單應用模式：最簡單的，可能大家都見過

2. 內容分發模式：目前用的比較多

3. 查詢分離模式：對於大併發的查詢、業務

4. 微服務模式：適用於複雜的業務模式的拆解

5. 多級緩存模式：可以把緩存玩的很好

6. 分庫分表模式：解決單機數據庫瓶頸

7. 彈性伸縮模式：解決波峯波谷業務流量不均勻的方法之一

8. 多機房模式：解決高可用、高性能的一種方法

3. 單庫單應用模式

這是最簡單的一種設計模式，我們的大部分本科畢業設計、一些小的應用，基本上都是這種模式，這種模式的一般設計見下圖：

如上圖所示，這種模式一般只有一個數據庫，一個業務應用層，一個後臺管理系統，所有的業務都是用過業務層完成的，所有的數據也都是存儲在一個數據庫中的，好一點會有數據庫的同步。雖然簡單，但是 也並不是一無是處 。

優點：結構簡單、開發速度快、實現簡單，可用於產品的第一版等有原型驗證需求、用戶少的設計。

缺點：性能差、基本沒有高可用、擴展性差，不適用於大規模部署、應用等生產環境。

4. 內容分發模式

基本上所有的大型的網站都有或多或少的採用這一種設計模式，常見的應用場景是使用CDN技術把網頁、圖片、CSS、JS等這些靜態資源分發到離用戶最近的服務器。這種模式的一般設計見下圖：

  如上圖所示，這種模式較單庫單應用模式多了一個CDN、一個雲存儲OSS(七牛、又拍等雷同)。一個典型的應用流程(以用戶上傳、查看圖片需求爲例)如下：

1. 上傳的時候，用戶選擇本地機器上的一個圖片進行上傳

2. 程序會把這個圖片上傳到雲存儲OSS上，並返回該圖片的一個URL

3. 程序把這個URL字符串存儲在業務數據庫中，上傳完成。

4. 查看的時候，程序從業務數據庫得到該圖片的URL

5. 程序通過DNS查詢這個URL的圖片服務器

6. 智能DNS會解析這個URL，得到與用戶最近的服務器(或集羣)的地址A

7. 然後把服務器A上的圖片返回給程序

8. 程序顯示該圖片，查看完成。

由上可知，這個模式的關鍵是智能DNS，它能夠解析出離用戶最近的服務器。運行原理大致是：根據請求者的IP得到請求地點B，然後通過計算或者配置得到與B最近或通訊時間最短的服務器C，然後把C的IP地址返回給請求者。這種模式的優缺點如下：

優點：資源下載快、無需過多的開發與配置，同時也減輕了後端服務器對資源的存儲壓力，減少帶寬的使用。

缺點：目前來說OSS，CDN的價格還是稍微有些貴(雖然已經降價好幾次了)，只適用於中小規模的應用，另外由於網絡傳輸的延遲、CDN的同步策略等，會有一些一致性、更新慢方面的問題。 

5. 查詢分離模式

這種模式主要解決單機數據庫壓力過大，從而導致業務緩慢甚至超時，查詢響應時間變長的問題，也包括需要 大量數據庫服務器計算資源的查詢請求 。這個可以說是單庫單應用模式的升級版本，也是技術架構迭代演進過程中的必經之路。 

這種模式的一般設計見下圖：

如上圖所示，這種模式較單庫單應用模式與內容分發模式多了幾個部分，一個是 業務數據庫的主從分離 ，一個是 引入了ES ，爲什麼要這樣？都解決了哪些痛點，下面具體結合業務需求場景進行敘述。

場景一：全文關鍵詞檢索

我想這個需求，絕大多數應用都會有，如果使用傳統的數據庫技術，大部分可能都會使用like這種SQL語句，高級一點可能是先分詞，然後通過分詞index相關的記錄。SQL語句的性能問題與全表掃描機制導致了非常嚴重的性能問題，現在基本上很少見到。

這裏的ES是ElasticSearch的縮寫，是一種查詢引擎，類似的還有Solr等，都差不多的技術，ES較Solr配置簡單、使用方便，所以這裏選用了它。另外，ES支持橫向擴展，理論上沒有性能的瓶頸。同時，還支持各種插件、自定義分詞器等，可擴展性較強。在這裏，使用ES不僅可以替代數據庫完成全文檢索功能，還可以實現諸如分頁、排序、分組、分面等功能。具體的，請同學們自行學習之。那怎麼使用呢？一個一般的流程是這樣的：

1. 服務端把一條業務數據落庫

2. 服務端異步把該條數據發送到ES

3. ES把該條記錄按照規則、配置 放入自己的索引庫

4. 客戶端查詢的時候，由服務端把這個 請求發送到ES ，得到數據後，根據需求拼裝、組合數據，返回給客戶端

實際中怎麼用，還請同學們根據實際情況做組合、取捨。

場景二：大量的普通查詢

這個場景是指我們的業務中的大部分輔助性的查詢，如：取錢的時候先查詢一下餘額，根據用戶的ID查詢用戶的記錄，取得該用戶最新的一條取錢記錄等。我們肯定是要天天要用的，而且用的還非常多。同時呢，我們的寫入請求也是非常多的，導致 大量的寫入、查詢操作壓向同一數據庫 ，然後，數據庫掛了，系統掛了，領導生氣了，被開除了，還不起房貸了，露宿街頭了，老婆跟別人跑了，......

不敢想，所以要求我們必須分散數據庫的壓力，一個業界較成熟的方案就是數據庫的讀寫分離， 寫的時候入主庫，讀的時候讀從庫 。這樣就把壓力分散到不同的數據庫了，如果一個讀庫性能不行，扛不住的話，可以一主多從，橫向擴展。可謂是一劑良藥啊！那怎麼使用呢？一個一般的流程是這樣的：

1. 服務端把一條業務數據落庫

2. 數據庫同步或異步或半同步把該條數據 複製 到從庫

3. 服務端讀數據的時候直接去 從庫讀 相應的數據

比較簡單吧，一些聰明的、愛思考的、上進的同學可能發現問題了，也包括上面介紹的場景一，就是延遲問題，如：數據還沒有到從庫，我就馬上讀，那麼是讀不到的，會發生問題的。

對於這個問題，各家公司解決的思路不一樣，方法不盡相同。一個普遍的解決方案是： 讀不到就讀主庫 ，當然這麼說也是有前提條件的，但具體的方案這裏就不一一展開了，我可能會在接下來的分享中詳解各種方案。

另外，關於數據庫的複製模式，還請同學們自行學習，太多了，這裏說不清。該總結一下 這種模式的優缺點的了，如下：

優點：減少數據庫的壓力，理論上提供無限高的讀性能，間接提高業務(寫)的性能，專用的查詢、索引、全文(分詞)解決方案。 

缺點：數據延遲，數據一致性的保證。 

6. 微服務模式

上面的模式看似不錯，解決了性能問題，我可以不用露宿街頭了、老婆還是我的，哈哈。但是

軟件系統天生的複雜性決定了，除了性能，還有其他諸如高可用、健壯性等大量問題等待我們解決，再加上各個部門間的撕逼、扯皮，更讓我們碼農雪上加霜，所以

繼續吧......

微服務模式可以說是最近的熱點，花花綠綠、大大小小、國內國外的公司都在鼓吹，實踐這個模式，可是大部分都沒有弄清楚 爲什麼 要這麼做，也並不知道這麼做有什麼 好處、壞處 ，在這裏，我將以我自己的親身實踐說一下我對這個模式的看法，不喜勿噴！隨着業務與人員的增加，遇到了如下的問題：

1. 單機數據庫寫請求量大量增加，導致數據庫壓力變大

2. 數據庫一旦掛了，那麼整個業務都掛了

3. 業務代碼越來越多，都在一個GIT裏，越來越難以維護

4. 代碼腐化嚴重、臭味越來越濃

5. 上線越來越頻繁，經常是一個小功能的修改，就要整個大項目要重新編譯

6. 部門越來越多，該哪個部門改動大項目中的哪個東西，撕逼的厲害

7. 其他一些外圍系統直接連接數據庫，導致一旦數據庫結構發生變化，所有的相關係統都要通知，甚至對修改不敏感的系統也要通知

8. 每個應用服務器需要開通所有的權限、網絡、FTP、各種各樣的，因爲每個服務器部署的應用都是一樣的

9. 作爲架構師，我已經失去了對這個系統的把控......

爲了解決上述問題，我司使用了微服務模式，這種模式的一般設計見下圖：

如上圖所示，我把 業務分塊，做了垂直切分，切成一個個獨立的系統，每個系統各自衍化，有自己的庫、緩存、ES等輔助系統，系統之間的實時交互通過RPC，異步交互通過MQ，通過這種組合，共同完成整個系統功能 。

那麼，這麼做是否真的解決上述問題了呢？不玩虛的，一個個來說。對於問題一，由於拆分成了多個子系統，系統的壓力被分散了，而各個子系統都有自己的數據庫實例，所以數據庫的壓力變小。

對於問題二，一個子系統A的數據庫掛了，只是影響到系統A和使用系統A的那些功能，不會所有的功能不可用，從而解決一個數據庫掛了，導致所有功能不可用的問題。

問題三、四，也因爲拆分得到了解決，各個子系統有自己獨立的GIT代碼庫，不會相互影響。通用的模塊可通過庫、服務、平臺的形式解決。

問題五，子系統A發生改變，需要上線，那麼我只需要編譯A，然後上線就可以了，不需要其他系統做同樣的事情。

問題六，順應了 康威定律 ，我部門該幹什麼事、輸出什麼，也通過服務的形式暴露出來，我部只管把我部的職責、軟件功能做好就可以。

問題七，所有需要我部數據的需求，都通過接口的形式發佈出去，客戶通過接口獲取數據，從而屏蔽了底層數據庫結構，甚至數據來源，我部只需保證我部的接口契約沒有發生變化即可，新的需求增加新的接口，不會影響老的接口。

問題八，不同的子系統需要不同的權限，這個問題也優雅的解決了。

問題九，暫時控制住了複雜性，我只需控制好大的方面，定義好系統邊界、接口、大的流程，然後再分而治之、逐個擊破、合縱連橫。

目前來說，所有問題得到解決！bingo!

但是，還有許多其他的副作用會隨之產生，如RPC、MQ的超高穩定性、超高性能，網絡延遲，數據一致性等問題，這裏就不展開來講了，太多了，一本書都講不完。

另外，對於這個模式來說，最難把握的是 度 ，切記 不要切分過細 ，我見過一個功能一個子系統，上百個方法分成上百個子系統的，真的是太過度了。實踐中，一個較爲可行的方法是： 能不分就不分，除非有非常必要的理由！ 。

優點：相對高性能，可擴展性強，高可用，適合於中等以上規模公司架構。

缺點：複雜、度不好把握。指不僅需要一個能在高層把控大方向、大流程、總體技術的人，還需要能夠針對各個子系統有針對性的開發。把握不好度或者濫用的話，這個模式適得其反！

7.多級緩存模式

這個模式可以說是應對超高查詢壓力的一種普遍採用的策略，基本的思想就是在所有鏈路的地方，能加緩存就加緩存，如下圖所示：

如上圖所示，一般在三個地方加入緩存，一個是客戶端處，一個是API網關處，一個是具體的後端業務處，下面分別介紹。

客戶端處緩存：這個地方加緩存可以說是效果最好的--- 無延遲 。因爲不用經過長長的網絡鏈條去後端業務處獲取數據，從而導致加載時間過長，客戶流失等損失。雖然有CDN的支持，但是從客戶端到CDN還是有網絡延遲的，雖然不大。具體的技術依據不同的客戶端而定，對於WEB來講，有瀏覽器本地緩存、Cookie、Storage、緩存策略等技術；對於APP來講，有本地數據庫、本地文件、本地內存、進程內緩存支持。以上提到的各種技術有興趣的同學可以繼續展開來學習。如果客戶端緩存沒有命中，那麼就會去後端業務拿數據，一般來講，都會有個API網關，在這裏加緩存也是非常有必要的。

API網關處緩存：這個地方加緩存的好處是不用把請求發送到後方，直接在這裏就處理了，然後返回給請求者。常見的技術，如http請求，API網關用的基本都是nginx，可以使用nginx本身的緩存模塊，也可以使用Lua+Redis技術定製化。其他的也都大同小異。

後端業務處：這個我想就不用多說了，大家應該差不多都知道，什麼Redis,Memcache,Jvm內等等，不熬述了。

實踐中，要結合具體的實際情況，綜合利用各級緩存技術，使得各種請求最大程度的在到達後端業務之前就被解決掉，從而減少後端服務壓力、減少佔用帶寬、增強用戶體驗。至於是否只有這三個地方加緩存，我覺得要活學活用， 心法比劍法重要 ！總結一下這個模式的優缺點：

優點：抗住大量讀請求，減少後端壓力。

缺點：數據一致性問題較突出，容易發生 雪崩 ，即：如果客戶端緩存失效、API網關緩存失效，那麼所有的大量請求瞬間壓向後端業務系統，後果可想而知。 

  8. 分庫分表模式

   這種模式主要解決 單表 寫入、讀取、存儲壓力過大，從而導致業務緩慢甚至超時，交易失敗，容量不夠的問題。一般有水平切分和垂直切分兩種，這裏主要介紹水平切分。這個模式也是技術架構迭代演進過程中的必經之路。    
  這種模式的一般設計見下圖：
   

  如上圖所示紅色部分，把一張表分到了幾個不同的庫中，從而分擔壓力。是不是很籠統？哈哈，那我們接下來就詳細的講解一下。首先澄清幾個概念，如下：
   主機：硬件，指一臺物理機，或者虛擬機，有自己的CPU，內存，硬盤等。 
   實例：數據庫實例，如一個MySQL服務進程。一個主機可以有多個實例，不同的實例有不同的進程，監聽不同的端口。 
   庫：指表的集合，如學校庫，可能包含教師表、學生表、食堂表等等，這些表在一個庫中。一個實例中可以有多個庫。庫與庫之間用庫名來區分。 
   表：庫中的表，不必多說，不懂的就不用往下看了，不解釋。 
  那麼怎麼把單表分散呢？到底怎麼個分發呢？分發到哪裏呢？以下是幾個工作中的實踐，分享一下： 
   主機 ：這是最主要的也是最重要的點，本質上分庫分表是因爲計算與存儲資源不夠導致的，而這種資源主要是由物理機，主機提供的，所以在這裏分是最基本的，畢竟沒有可用的計算資源，怎麼分效果都不是太好的。 
  實例：實例控制着連接數，同時受OS限制，CPU、內存、硬盤、網絡IO也會受間接影響。會出現熱實例的現象，即：有些實例特別忙，有些實例非常的空閒。一個典型的現象是：由於單表反應慢，導致連接池被打滿，所有其他的業務都受影響了。這時候，把表分到不同的實例是有一些效果的。 
  庫：一般是由於單庫中最大單表數量的限制，才採取分庫。 
  表：單表壓力過大，索引量大，容量大，單表的鎖。據以上，把單表水平切分成不同的表。 
   大型應用中，都是一臺主機上只有一個實例，一個實例中只有一個庫， 庫==實例==主機，所以纔有了分庫分表 這個簡稱。 
  既然知道了基本理論，那麼具體是怎麼做的呢？邏輯是怎麼跑的呢？接下來以一個例子來講解一下。 
  這個需求很簡單，用戶表(user)，單表數據量1億，查詢、插入、存儲都出現了問題，怎麼辦呢？ 
  首先，分析問題，這個明顯是由於數據量太大了而導致的問題。 
  其次，設計方案，可以分爲10個庫，這樣每個庫的數據量就降到了1KW，單表1KW數據量還是有些大，而且不利於以後量的增長，所以每個庫再分100個表，這個每個單表數據量就爲10W了，對於查詢、索引更新、單表文件大小、打開速度，都有一些益處。接下來，給IT部門打電話，要10臺物理機，擴展數據庫...... 
   最後，邏輯實現，這裏應該是最有學問的地方。首先是寫入數據，需要知道寫到哪個分庫分表中，讀也是一樣的，所以，需要有個請求 路由層 ，負責把請求分發、轉換到不同的庫表中，一般有路由規則的概念。 
   怎麼樣，簡單吧？哈哈，too 那義務。說說這個模式的問題，主要是帶來了事務上的問題，因爲分庫分表，事務完成不了，而 分佈式事務又太笨重，所以這裏需要有一定的策略，保證在這種情況下事務能夠完成。採取的策略如：最終一致性、複製、特殊設計等。再有就是業務代碼的改造，一些關聯查詢要改造，一些單表orderBy的問題需要特殊處理，也包括groupBy語句，如何解決這些副作用不是一句兩句能說清楚的，以後有時間，我單獨講講這些。 
   該總結一下 這種模式的優缺點的了，如下： 
   優點：減少數據庫單表的壓力。 

   缺點：事務保證困難、業務邏輯需要做大量改造。 

 9. 彈性伸縮模式

   這種模式主要解決 突發流量 的到來，導致無法橫向擴展或者橫向擴展太慢，進而影響業務，全站崩潰的問題。這個模式是一種相對來說比較高級的技術，也是各個大公司目前都在研究、試用的技術。截至今日，有這種思想的架構師就已經是很不錯了，能夠拿到較高薪資，更別提那些已經實踐過的，甚至實現了底層系統的那些，所以，你懂得......    
  這種模式的一般設計見下圖：
   

  如上圖所示，多了一個彈性伸縮服務，用來動態的增加、減少實例。原理上非常簡單，但是這個模式到底解決什麼問題呢？先說說由來和意義。 
  每年的雙11、六一八或者一些大促到來之前，我們都會爲大流量的到來做以下幾個方面的工作:
  

•    
  
• 提前準備10倍甚至更多的機器，即使用不上也要放在那裏備着，以防萬一。這樣浪費了大量的資源。
     
  
• 每臺機器配置、調試、引流，以便讓所有的機器都可用。這樣浪費了大量的人力、物力，更容易出錯。
     
  
• 如果機器準備不充分，那麼還要加班加點的重複上面的工作。這樣做特別容易出錯，引來領導的不滿，沒時間回家陪老婆，然後你的老婆就......(自己想)
    
  

  在雙十一之後，我們還要人工做縮容，非常的辛苦。一般一年中會有多次促銷，那麼我們就會一直這樣，實在是煩！ 
   最嚴重的， 突然間的大流量爆發，會讓我們觸不及防 ，半夜起來擴容是在正常不過的事情，爲此，我們偷懶起來，要更多的機器備着，也就出現了大量的cpu利用率爲1%的機器。 
   我相信，如果你是老闆一定很 震驚 吧！！！ 
  哈哈，那麼如何改變這種情況呢？請接着看 
  爲此，首先把所有的計算資源整合成資源池的概念，然後通過一些策略、監控、服務，動態的從資源池中獲取資源，用完後在放回到池子中，供其他系統使用。 
  具體實現上比較成熟的兩種資源池方案是VM、docker，每個都有着自己強大的生態。監控的點有CPU、內存、硬盤、網絡IO、服務質量等，根據這些，在配合一些預留、擴張、收縮策略，就可以簡單的實現自動伸縮。怎麼樣？是不是很神奇？深入的內容我們會在的碼農原創的公衆號文章中詳細介紹。
   該總結一下 這種模式的優缺點的了，如下： 
   優點：彈性、隨需計算，充分優化企業計算資源。 

   缺點：應用要從架構層做到可橫向擴展化改造、依賴的底層配套比較多，對技術水平、實力、應用規模要求較高。 

10. 多機房模式

   這種模式主要解決 不同地區高性能、高可用 的問題。    
   隨着應用用戶不斷的增加，用戶羣體分佈在全球各地，如果把服務器部署在一個地方，一個機房，比如北京，那麼美國的用戶使用應用的時候就會特別慢，因爲每一個請求都需要通過海底光纜走上個那麼一秒鐘(預估)左右，這樣對用戶體驗及其不好。怎麼辦？使用多機房部署。 

  這種模式的一般設計見下圖：
   

  如上圖所示，一個典型的用戶請求流程如下：
  

•    
  
• 用戶請求一個鏈接A
     
  
• 通過DNS智能解析到離用戶最近的機房B
     
  
• 使用B機房服務鏈接A
    
  

  是不是覺得很簡單，沒啥？其實這裏面的問題沒有表面這麼簡單，下面一一道來。 
   首先是 數據同步 問題，在中國產生的數據要同步到美國，美國的也一樣，數據同步就會涉及數據版本、一致性、更新丟棄、刪除等問題。 
   其次是一地多機房的請求 路由 問題，典型的是如上圖，中國的北京機房和杭州機房，如果北京機房掛了，那麼要能夠通過路由把所有發往北京機房的請求轉發到杭州機房。異地也存在這個問題。 
  所以，多機房模式，也就是異地多活並不是那麼的簡單，這裏只是起了個頭，具體的有哪些坑，會在另一篇文章中介紹。 
   該總結一下 這種模式的優缺點的了，如下： 
   優點：高可用、高性能、異地多活。 

   缺點：數據同步、數據一致性、請求路由。

轉載於碼農：https://mp.weixin.qq.com/s/sj9FsqIPMyMMCnfMlC62Kw?utm_source=tuicool&utm_medium=referral