人人都是架構(gòu)師：分布式系統(tǒng)架構(gòu)落地與瓶頸突破

定　價：￥69.00

作　者：	高翔龍著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	計算機/網(wǎng)絡(luò) 軟件工程/開發(fā)項目管理

購買這本書可以去

ISBN：	9787121312380	出版時間：	2017-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	200	字數(shù)：

內(nèi)容簡介

　　《人人都是架構(gòu)師：分布式系統(tǒng)架構(gòu)落地與瓶頸突破》并沒有過多渲染系統(tǒng)架構(gòu)的理論知識，而是切切實實站在開發(fā)一線角度，為各位讀者詮釋了大型網(wǎng)站在架構(gòu)演變過程中出現(xiàn)一系列技術(shù)難題時的解決方案。《人人都是架構(gòu)師：分布式系統(tǒng)架構(gòu)落地與瓶頸突破》首先從分布式服務(wù)案例開始介紹，重點為大家講解了大規(guī)模服務(wù)化場景下企業(yè)應該如何實施服務(wù)治理；然后在大流量限流/消峰案例中，筆者為大家講解了應該如何有效地對流量實施管制，避免大流量對系統(tǒng)產(chǎn)生較大沖擊，確保核心業(yè)務(wù)的穩(wěn)定運行；接著筆者為大家講解了分布式配置管理服務(wù)；之后的幾章，筆者不僅為大家講解了秒殺、限時搶購場景下熱點數(shù)據(jù)的讀/寫優(yōu)化案例，還為大家講解了數(shù)據(jù)庫實施分庫分表改造后所帶來的一系列影響的解決方案?！　度巳硕际羌軜?gòu)師：分布式系統(tǒng)架構(gòu)落地與瓶頸突破》適用于任何對分布式系統(tǒng)架構(gòu)感興趣的架構(gòu)師、開發(fā)人員以及運維人員。相信閱讀《人人都是架構(gòu)師：分布式系統(tǒng)架構(gòu)落地與瓶頸突破》你將會有知其然和知其所以然的暢快感。

作者簡介

　　高翔龍，杭州云集微店架構(gòu)師，基礎(chǔ)架構(gòu)組負責人，負責基礎(chǔ)技術(shù)平臺的架構(gòu)設(shè)計和中間件研發(fā)等工作，技術(shù)書籍《Java虛擬機精講》作者，熱衷于開源技術(shù)，常年游走在Github上。

圖書目錄

第1章分布式服務(wù)案例 1
1.1 分布式系統(tǒng)的架構(gòu)演變過程 2
1.1.1 單機系統(tǒng) 3
1.1.2 集群架構(gòu) 4
1.1.3 拆系統(tǒng)之業(yè)務(wù)垂直化 6
1.1.4 為什么需要實現(xiàn)服務(wù)化架構(gòu) 8
1.1.5 服務(wù)拆分粒度之微服務(wù) 10
1.2 系統(tǒng)服務(wù)化需求 11
1.2.1 服務(wù)化與RPC協(xié)議 11
1.2.2 使用阿里分布式服務(wù)框架Dubbo實現(xiàn)服務(wù)化 12
1.2.3 警惕Dubbo因超時和重試引起的系統(tǒng)雪崩 16
1.2.4 服務(wù)治理方案 18
1.2.5 關(guān)于服務(wù)化后的分布式事務(wù)問題 20
1.3 分布式調(diào)用跟蹤系統(tǒng)需求 21
1.3.1 Google的Dapper論文簡介 22
1.3.2 基于Dubbo實現(xiàn)分布式調(diào)用跟蹤系統(tǒng)方案 25
1.3.3 采樣率方案 35
1.4 本章小結(jié) 37
第2章大流量限流/消峰案例 38
2.1 分布式系統(tǒng)為什么需要進行流量管制 39
2.2 限流的具體方案 42
2.2.1 常見的限流算法 43
2.2.2 使用Google的Guava實現(xiàn)平均速率限流 45
2.2.3 使用Nginx實現(xiàn)接入層限流 48
2.2.4 使用計數(shù)器算法實現(xiàn)商品搶購限流 49
2.3 基于時間分片的消峰方案 51
2.3.1 活動分時段進行實現(xiàn)消峰 52
2.3.2 通過答題驗證實現(xiàn)消峰 52
2.4 異步調(diào)用需求 53
2.4.1 使用MQ實現(xiàn)系統(tǒng)之間的解耦 54
2.4.2 使用Apache開源的ActiveMQ實現(xiàn)異步調(diào)用 55
2.4.3 使用阿里開源的RocketMQ實現(xiàn)互聯(lián)網(wǎng)場景下的流量消峰 61
2.4.4 基于MQ方案實現(xiàn)流量消峰的一些典型案例 72
2.5 本章小結(jié) 75
第3章分布式配置管理服務(wù)案例 76
3.1 本地配置 77
3.1.1 將配置信息耦合在業(yè)務(wù)代碼中 77
3.1.2 將配置信息配置在配置文件中 79
3.2 集中式資源配置需求 82
3.2.1 分布式一致性協(xié)調(diào)服務(wù)ZooKeeper簡介 83
3.2.2 ZooKeeper的下載與集群安裝 84
3.2.3 ZooKeeper的基本使用技巧 86
3.2.4 基于ZooKeeper實現(xiàn)分布式配置管理平臺方案 87
3.2.5 從配置中心獲取Spring的Bean定義實現(xiàn)Bean動態(tài)注冊 93
3.2.6 容災方案 95
3.2.7 使用淘寶Diamond實現(xiàn)分布式配置管理服務(wù) 96
3.2.8 Diamond與ZooKeeper的細節(jié)差異 101
3.2.9 使用百度Disconf實現(xiàn)分布式配置管理服務(wù) 102
3.3 本章小結(jié) 110
第4章大促場景下熱點數(shù)據(jù)的讀/寫優(yōu)化案例 111
4.1 緩存技術(shù)簡介 112
4.1.1 使用Ehcache實現(xiàn)數(shù)據(jù)緩存 114
4.1.2 LocalCache存在的弊端 116
4.1.3 神秘的off-heap技術(shù) 117
4.2 高性能分布式緩存Redis簡介 120
4.2.1 使用Jedis客戶端操作Redis 121
4.2.2 使用Redis集群實現(xiàn)數(shù)據(jù)水平化存儲 122
4.3 同一熱賣商品高并發(fā)讀需求 124
4.3.1 Redis集群多寫多讀方案 125
4.3.2 保障多寫時的數(shù)據(jù)一致性 126
4.3.3 LocalCache結(jié)合Redis集群的多級Cache方案 128
4.3.4 實時熱點自動發(fā)現(xiàn)方案 130
4.4 同一熱賣商品高并發(fā)寫需求 132
4.4.1 InnoDB行鎖引起數(shù)據(jù)庫TPS下降 132
4.4.2 在Redis中扣減熱賣商品庫存方案 134
4.4.3 熱賣商品庫存扣減優(yōu)化方案 138
4.4.4 控制單機并發(fā)寫流量方案 141
4.4.5 使用阿里開源的AliSQL數(shù)據(jù)庫提升秒殺場景性能 142
4.5 本章小結(jié) 148
第5章數(shù)據(jù)庫分庫分表案例 149
5.1 關(guān)系型數(shù)據(jù)庫的架構(gòu)演變 150
5.1.1 數(shù)據(jù)庫讀寫分離 150
5.1.2 數(shù)據(jù)庫垂直分庫 151
5.1.3 數(shù)據(jù)庫水平分庫與水平分表 152
5.1.4 MySQL Sharding與MySQL Cluster的區(qū)別 153
5.2 Sharding中間件 154
5.2.1 常見的 Sharding中間件對比 155
5.2.2 Shark簡介 156
5.2.3 Shark的架構(gòu)模型 157
5.2.4 使用Shark實現(xiàn)分庫分表后的數(shù)據(jù)路由任務(wù) 159
5.2.5 分庫分表后所帶來的影響 166
5.2.6 多機SequenceID解決方案 167
5.2.7 使用Solr滿足多維度的復雜條件查詢 170
5.2.8 關(guān)于分布式事務(wù) 172
5.3 數(shù)據(jù)庫的HA方案 173
5.3.1 基于配置中心實現(xiàn)主從切換 174
5.3.2 基于Keepalived實現(xiàn)主從切換 176
5.3.3 保障主從切換過程中的數(shù)據(jù)一致性 179
5.4 訂單業(yè)務(wù)冗余表需求 180
5.4.1 冗余表的實現(xiàn)方案 181
5.4.2 保障冗余表的數(shù)據(jù)一致性 183
5.5 本章小結(jié) 186
后記 187