第 1 章 大係統小做——大規模服務化架構 1
1.1 分布式係統的架構演變過程 1
1.1.1 單機架構 3
1.1.2 集群架構 4
1.1.3 垂直拆分業務子係統 6
1.1.4 服務化架構演進 8
1.1.5 服務化與微服務架構的區彆 9
1.1.6 集群與分布式的區彆 10
1.1.7 前後端分離架構演進 11
1.1.8 API 網關服務 14
1.1.9 分布式多活數據中心架構演進 17
1.2 服務治理需求 20
1.2.1 服務化與 RPC 協議 20
1.2.2 基於服務治理框架 Dubbo 實現服務化 22
1.2.3 警惕因超時和重試引起的係統雪崩 26
1.2.4 為什麼需要實施服務治理 28
1.2.5 關於服務化後的分布式事務問題 31
1.2.6 注冊中心性能瓶頸方案 32
1.2.7 分布式多活架構下的服務就近調用方案 34
1.3 服務治理之調用鏈 35
1.3.1 Google 的 Dapper 論文簡介 36
1.3.2 調用鏈的實現方案 38
1.3.3 基於非侵入式運行期 AOP 方案實現數據采集上報 48
1.3.4 調配采樣率 57
1.4 本章小結 58
第 2 章 大促備戰核彈——全鏈路壓測 59
2.1 為什麼要在綫上實施全鏈路壓測 60
2.2 業務係統如何區分壓測流量 63
2.2.1 壓測流量打標方案 63
2.2.2 在鏈路上下文信息中傳遞壓測標記 65
2.2.3 外部第三方接口走 Mock 67
2.2.4 壓測數據的隔離方案 68
2.3 如何發起大規模的壓測流量 69
2.3.1 數據構造平颱 69
2.3.2 自研全鏈路壓測軍演係統的一些經驗分享 71
2.4 本章小結 74
第 3 章 削峰填榖——流控方案 75
3.1 為什麼需要限流 76
3.2 限流方案 79
3.2.1 常見的限流算法 80
3.2.2 基於 Guava 實現平均速率限流 83
3.2.3 接入層限流方案 86
3.2.4 應用層限流——限時搶購限流方案 89
3.3 基於時間分片的削峰方案 92
3.3.1 活動分時段進行實現削峰 93
3.3.2 通過答題驗證實現削峰 93
3.4 基於消息隊列的解耦、削峰、最終一緻性方案 94
3.4.1 基於消息隊列實現解耦 95
3.4.2 常見消息中間件的使用 96
3.4.3 基於消息隊列的一些典型案例 113
3.5 本章小結 116
第 4 章 大促搶購核心技術難題——讀/寫優化方案 117
4.1 緩存技術簡介 118
4.1.1 本地緩存 119
4.1.2 本地緩存的痛點 121
4.1.3 神秘的 off-heap 技術 122
4.2 高性能分布式緩存 Redis 127
4.2.1 基於 Jedis 客戶端操作 Redis 128
4.2.2 基於 RedisCluster 模式實現 Sharding 129
4.3 同一熱賣商品高並發讀難題 133
4.3.1 多級緩存方案 135
4.3.2 緩存穿透思考 139
4.3.3 RedisCluster 模式下的讀/寫分離方案 140
4.4 同一熱賣商品高並發寫難題 143
4.4.1 InnoDB 引擎的行鎖問題 143
4.4.2 基於 Redis 樂觀鎖的庫存扣減方案 145
4.4.3 嵌入 Lua 腳本的庫存扣減方案 149
4.4.4 基於 AliSQL 數據庫提升並發寫性能 155
4.5 本章小結 161
第 5 章 星羅棋布——分庫分錶方案 162
5.1 關係數據庫的架構演變 163
5.1.1 數據庫讀/寫分離 163
5.1.2 數據庫垂直分庫 164
5.1.3 數據庫水平分庫與水平分錶 165
5.1.4 MySQL Sharding 與 MySQL Cluster 的區彆 166
5.2 Sharding 中間件 167
5.2.1 常見的 Sharding 中間件對比 167
5.2.2 Shark 簡介 169
5.2.3 Shark 的架構模型 170
5.2.4 使用 Shark 實現分庫分錶後的數據路由任務 171
5.2.5 分庫分錶後所帶來的影響 178
5.2.6 全局唯一 SequenceID 解決方案 179
5.2.7 基於 Solr 滿足多維度的復雜條件查詢 182
5.2.8 關於分布式事務 183
5.3 數據庫的 HA 方案 184
5.3.1 基於配置中心實現主備切換 185
5.3.2 基於 Keepalived 實現主備切換 186
5.3.3 保障主備切換過程中的數據一緻性 188
5.4 訂單業務冗餘錶需求 190
5.4.1 冗餘錶的實現方案 190
5.4.2 數據最終一緻性方案 192
5.5 本章小結 195
附錄 196
後記 223
· · · · · · (收起)