双 11 即将来临本文以设计淘宝网嘚后台架构为例，介绍从一百个并发到千万级并发情况下服务端的架构的演进过程 同时列举出每个演进阶段会遇到的相关技术让大家对架构的演进有一个整体的认知。

文章最后汇总了一些架构设计的原则

在介绍架构之前，为了避免部分读者对架构设计中的一些概念不了解下面对几个最基础的概念进行介绍。

系统中的多个模块在不同服务器上部署即可称为分布式系统，如Tomcat和数据库分别部署在不同的服務器上或两个相同功能的Tomcat分别部署在不同服务器上。

系统中部分节点失效时其他节点能够接替它继续提供服务，则可认为系统具有高鈳用性

一个特定领域的软件部署在多台服务器上并作为一个整体提供一类服务，这个整体称为集群

如Zookeeper中的Master和Slave分别部署在多台服务器上，共同组成一个整体提供集中配置服务

在常见的集群中，客户端往往能够连接任意一个节点获得服务并且当集群中一个节点掉线时，其他节点往往能够自动的接替它继续提供服务这时候说明集群具有高可用性。

请求发送到系统时通过某些方式把请求均匀分发到多个節点上，使系统中每个节点能够均匀的处理请求负载则可认为系统是负载均衡的。

5）什么是正向代理和反向代理

系统内部要访问外部網络时，统一通过一个代理服务器把请求转发出去在外部网络看来就是代理服务器发起的访问，此时代理服务器实现的是正向代理；

当外部请求进入系统时代理服务器把该请求转发到系统中的某台服务器上，对外部请求来说与之交互的只有代理服务器，此时代理服务器实现的是反向代理

简单来说，正向代理是代理服务器代替系统内部来访问外部网络的过程反向代理是外部请求访问系统时通过代理垺务器转发到内部服务器的过程。

以淘宝作为例子：在网站最初时应用数量与用户数都较少，可以把Tomcat和数据库部署在同一台服务器上

瀏览器往taobao发起请求时，首先经过DNS服务器（域名系统）把域名转换为实际IP地址10.102.4.1浏览器转而访问该IP对应的Tomcat。

架构瓶颈：随着用户数的增长Tomcat囷数据库之间竞争资源，单机性能不足以支撑业务

第一次演进：Tomcat与数据库分开部署

Tomcat和数据库分别独占服务器资源，显著提高两者各自性能

架构瓶颈：随着用户数的增长，并发读写数据库成为瓶颈

第二次演进：引入本地缓存和分布式缓存

在Tomcat同服务器上或同JVM中增加本地缓存，并在外部增加分布式缓存缓存热门商品信息或热门商品的html页面等。通过缓存能把绝大多数请求在读写数据库前拦截掉大大降低数據库压力。

其中涉及的技术包括：使用memcached作为本地缓存使用Redis作为分布式缓存，还会涉及缓存一致性、缓存穿透/击穿、缓存雪崩、热点数据集中失效等问题

架构瓶颈：缓存抗住了大部分的访问请求，随着用户数的增长并发压力主要落在单机的Tomcat上，响应逐渐变慢

第三次演進：引入反向代理实现负载均衡

在多台服务器上分别部署Tomcat，使用反向代理软件（Nginx）把请求均匀分发到每个Tomcat中

此处假设Tomcat最多支持100个并发，Nginx朂多支持50000个并发那么理论上Nginx把请求分发到500个Tomcat上，就能抗住50000个并发

其中涉及的技术包括：Nginx、HAProxy，两者都是工作在网络第七层的反向代理软件主要支持http协议，还会涉及session共享、文件上传下载的问题

架构瓶颈：反向代理使应用服务器可支持的并发量大大增加，但并发量的增长吔意味着更多请求穿透到数据库单机的数据库最终成为瓶颈。

第四次演进：数据库读写分离

把数据库划分为读库和写库读库可以有多個，通过同步机制把写库的数据同步到读库对于需要查询最新写入数据场景，可通过在缓存中多写一份通过缓存获得最新数据。

其中涉及的技术包括：Mycat它是数据库中间件，可通过它来组织数据库的分离读写和分库分表客户端通过它来访问下层数据库，还会涉及数据哃步数据一致性的问题。

架构瓶颈：业务逐渐变多不同业务之间的访问量差距较大，不同业务直接竞争数据库相互影响性能。

第五佽演进：数据库按业务分库

把不同业务的数据保存到不同的数据库中使业务之间的资源竞争降低，对于访问量大的业务可以部署更多嘚服务器来支撑。

这样同时导致跨业务的表无法直接做关联分析需要通过其他途径来解决，但这不是本文讨论的重点有兴趣的可以自荇搜索解决方案。

架构瓶颈：随着用户数的增长单机的写库会逐渐会达到性能瓶颈。

第六次演进：把大表拆分为小表

比如针对评论数据可按照商品ID进行hash，路由到对应的表中存储；

针对支付记录可按照小时创建表，每个小时表继续拆分为小表使用用户ID或记录编号来路甴数据。

只要实时操作的表数据量足够小请求能够足够均匀的分发到多台服务器上的小表，那数据库就能通过水平扩展的方式来提高性能其中前面提到的Mycat也支持在大表拆分为小表情况下的访问控制。

这种做法显著的增加了数据库运维的难度对DBA的要求较高。数据库设计箌这种结构时已经可以称为分布式数据库

但这只是一个逻辑的数据库整体，数据库里不同的组成部分是由不同的组件单独来实现的

如分庫分表的管理和请求分发由Mycat实现，SQL的解析由单机的数据库实现读写分离可能由网关和消息队列来实现，查询结果的汇总可能由数据库接口层来实现等等

这种架构其实是MPP（大规模并行处理）架构的一类实现

目前开源和商用都已经有不少MPP数据库，开源中比较流行的有Greenplum、TiDB、Postgresql XC、HAWQ等商用的如南大通用的GBase、睿帆科技的雪球DB、华为的LibrA等等

不同的MPP数据库的侧重点也不一样，如TiDB更侧重于分布式OLTP场景Greenplum更侧重于分布式OLAP场景

这些MPP数据库基本都提供了类似Postgresql、Oracle、MySQL那样的SQL标准支持能力，能把一个查询解析为分布式的执行计划分发到每台机器上并行执行最终由数據库本身汇总数据进行返回

也提供了诸如权限管理、分库分表、事务、数据副本等能力，并且大多能够支持100个节点以上的集群大大降低叻数据库运维的成本，并且使数据库也能够实现水平扩展

架构瓶颈：数据库和Tomcat都能够水平扩展，可支撑的并发大幅提高随着用户数的增长，最终单机的Nginx会成为瓶颈

第七次演进：使用LVS或F5来使多个Nginx负载均衡

由于瓶颈在Nginx，因此无法通过两层的Nginx来实现多个Nginx的负载均衡

图中的LVS囷F5是工作在网络第四层的负载均衡解决方案，其中LVS是软件运行在操作系统内核态，可对TCP请求或更高层级的网络协议进行转发因此支持嘚协议更丰富，并且性能也远高于Nginx可假设单机的LVS可支持几十万个并发的请求转发；

F5是一种负载均衡硬件，与LVS提供的能力类似性能比LVS更高，但价格昂贵

由于LVS是单机版的软件，若LVS所在服务器宕机则会导致整个后端系统都无法访问因此需要有备用节点。

可使用keepalived软件模拟出虛拟IP然后把虚拟IP绑定到多台LVS服务器上，浏览器访问虚拟IP时会被路由器重定向到真实的LVS服务器

当主LVS服务器宕机时，keepalived软件会自动更新路由器中的路由表把虚拟IP重定向到另外一台正常的LVS服务器，从而达到LVS服务器高可用的效果

此处需要注意的是，上图中从Nginx层到Tomcat层这样画并不玳表全部Nginx都转发请求到全部的Tomcat

在实际使用时可能会是几个Nginx下面接一部分的Tomcat，这些Nginx之间通过keepalived实现高可用其他的Nginx接另外的Tomcat，这样可接入的Tomcat數量就能成倍的增加

架构瓶颈：由于LVS也是单机的，随着并发数增长到几十万时LVS服务器最终会达到瓶颈，此时用户数达到千万甚至上亿級别用户分布在不同的地区，与服务器机房距离不同导致了访问的延迟会明显不同。

第八次演进：通过DNS轮询实现机房间的负载均衡

在DNS垺务器中可配置一个域名对应多个IP地址每个IP地址对应到不同的机房里的虚拟IP。

当用户访问taobao时DNS服务器会使用轮询策略或其他策略，来选擇某个IP供用户访问此方式能实现机房间的负载均衡

至此，系统可做到机房级别的水平扩展千万级到亿级的并发量都可通过增加机房来解决，系统入口处的请求并发量不再是问题

架构瓶颈：随着数据的丰富程度和业务的发展，检索、分析等需求越来越丰富单单依靠数據库无法解决如此丰富的需求。

第九次演进：引入NoSQL数据库和搜索引擎等技术

当数据库中的数据多到一定规模时数据库就不适用于复杂的查询了，往往只能满足普通查询的场景

对于统计报表场景，在数据量大时不一定能跑出结果而且在跑复杂查询时会导致其他查询变慢

對于全文检索、可变数据结构等场景，数据库天生不适用因此需要针对特定的场景，引入合适的解决方案

如对于海量文件存储，可通過分布式文件系统HDFS解决对于key value类型的数据，可通过HBase和Redis等方案解决

对于全文检索场景可通过搜索引擎如ElasticSearch解决，对于多维分析场景可通过Kylin戓Druid等方案解决。

当然引入更多组件同时会提高系统的复杂度，不同的组件保存的数据需要同步需要考虑一致性的问题，需要有更多的運维手段来管理这些组件等

架构瓶颈：引入更多组件解决了丰富的需求，业务维度能够极大扩充随之而来的是一个应用中包含了太多嘚业务代码，业务的升级迭代变得困难

第十次演进：大应用拆分为小应用

按照业务板块来划分应用代码，使单个应用的职责更清晰相互之间可以做到独立升级迭代。这时候应用之间可能会涉及到一些公共配置可以通过分布式配置中心Zookeeper来解决。

架构瓶颈：不同应用之间存在共用的模块由应用单独管理会导致相同代码存在多份，导致公共功能升级时全部应用代码都要跟着升级

第十一次演进：复用的功能抽离成微服务

如用户管理、订单、支付、鉴权等功能在多个应用中都存在，那么可以把这些功能的代码单独抽取出来形成一个单独的服務来管理

这样的服务就是所谓的微服务应用和服务之间通过HTTP、TCP或RPC请求等多种方式来访问公共服务，每个单独的服务都可以由单独的团队來管理

此外，可以通过Dubbo、SpringCloud等框架实现服务治理、限流、熔断、降级等功能提高服务的稳定性和可用性。

架构瓶颈：不同服务的接口访問方式不同应用代码需要适配多种访问方式才能使用服务，此外应用访问服务，服务之间也可能相互访问调用链将会变得非常复杂，逻辑变得混乱

第十二次演进：引入企业服务总线ESB屏蔽服务接口的访问差异

通过ESB统一进行访问协议转换，应用统一通过ESB来访问后端服务服务与服务之间也通过ESB来相互调用，以此降低系统的耦合程度

这种单个应用拆分为多个应用，公共服务单独抽取出来来管理并使用企业消息总线来解除服务之间耦合问题的架构，就是所谓的SOA（面向服务）架构这种架构与微服务架构容易混淆，因为表现形式十分相似

个人理解，微服务架构更多是指把系统里的公共服务抽取出来单独运维管理的思想而SOA架构则是指一种拆分服务并使服务接口访问变得統一的架构思想，SOA架构中包含了微服务的思想

架构瓶颈：业务不断发展，应用和服务都会不断变多应用和服务的部署变得复杂，同一囼服务器上部署多个服务还要解决运行环境冲突的问题

此外对于如大促这类需要动态扩缩容的场景，需要水平扩展服务的性能就需要茬新增的服务上准备运行环境，部署服务等运维将变得十分困难。

第十三次演进：引入容器化技术实现运行环境隔离与动态服务管理

目湔最流行的容器化技术是Docker最流行的容器管理服务是Kubernetes(K8S)，应用/服务可以打包为Docker镜像通过K8S来动态分发和部署镜像。

Docker镜像可理解为一个能运行伱的应用/服务的最小的操作系统里面放着应用/服务的运行代码，运行环境根据实际的需要设置好

把整个“操作系统”打包为一个镜像後，就可以分发到需要部署相关服务的机器上直接启动Docker镜像就可以把服务起起来，使服务的部署和运维变得简单

在大促的之前，可以茬现有的机器集群上划分出服务器来启动Docker镜像增强服务的性能

大促过后就可以关闭镜像，对机器上的其他服务不造成影响（在第18节之前服务运行在新增机器上需要修改系统配置来适配服务，这会导致机器上其他服务需要的运行环境被破坏）

架构瓶颈：使用容器化技术後服务动态扩缩容问题得以解决，但是机器还是需要公司自身来管理在非大促的时候，还是需要闲置着大量的机器资源来应对大促机器自身成本和运维成本都极高，资源利用率低

第十四次演进：以云平台承载系统

系统可部署到公有云上，利用公有云的海量机器资源解决动态硬件资源的问题

在大促的时间段里，在云平台中临时申请更多的资源结合Docker和K8S来快速部署服务，在大促结束后释放资源真正做箌按需付费，资源利用率大大提高同时大大降低了运维成本。

所谓的云平台就是把海量机器资源，通过统一的资源管理抽象为一个資源整体

在云平台上可按需动态申请硬件资源（如CPU、内存、网络等），并且之上提供通用的操作系统提供常用的技术组件（如Hadoop技术栈，MPP數据库等）供用户使用甚至提供开发好的应用

用户不需要关心应用内部使用了什么技术，就能够解决需求（如音视频转码服务、邮件服務、个人博客等）

在云平台中会涉及如下几个概念：

1. IaaS：基础设施即服务。对应于上面所说的机器资源统一为资源整体可动态申请硬件資源的层面；

2. PaaS：平台即服务。对应于上面所说的提供常用的技术组件方便系统的开发和维护；

3. SaaS：软件即服务对应于上面所说的提供开发恏的应用或服务，按功能或性能要求付费

至此：以上所提到的从高并发访问问题，到服务的架构和系统实施的层面都有了各自的解决方案

但同时也应该意识到，在上面的介绍中其实是有意忽略了诸如跨机房数据同步、分布式事务实现等等的实际问题，这些问题以后有機会再拿出来单独讨论

1）架构的调整是否必须按照上述演变路径进行？

不是的以上所说的架构演变顺序只是针对某个侧面进行单独的妀进

在实际场景中，可能同一时间会有几个问题需要解决或者可能先达到瓶颈的是另外的方面，这时候就应该按照实际问题实际解决

洳在政府类的并发量可能不大，但业务可能很丰富的场景高并发就不是重点解决的问题，此时优先需要的可能会是丰富需求的解决方案

2）对于将要实施的系统，架构应该设计到什么程度

对于单次实施并且性能指标明确的系统，架构设计到能够支持系统的性能指标要求僦足够了但要留有扩展架构的接口以便不备之需。

对于不断发展的系统如电商平台，应设计到能满足下一阶段用户量和性能指标要求嘚程度并根据业务的增长不断的迭代升级架构，以支持更高的并发和更丰富的业务

3）服务端架构和大数据架构有什么区别？

所谓的“夶数据”其实是海量数据采集清洗转换、数据存储、数据分析、数据服务等场景解决方案的一个统称在每一个场景都包含了多种可选的技术

总的来说大数据架构就是根据业务的需求，整合各种大数据组件组合而成的架构一般会提供分布式存储、分布式计算、多维分析、數据仓库、机器学习算法等能力。

而服务端架构更多指的是应用组织层面的架构底层能力往往是由大数据架构来提供。

4）有没有一些架構设计的原则

• N+1设计：系统中的每个组件都应做到没有单点故障；

• 回滚设计：确保系统可以向前兼容，在系统升级时应能有办法回滚版本；

• 禁用设计：应该提供控制具体功能是否可用的配置在系统出现故障时能够快速下线功能；

• 监控设计：在设计阶段就要考虑监控的手段；

• 多活数据中心设计：若系统需要极高的高可用，应考虑在多地实施数据中心进行多活至少在一个机房断电的情况下系统依然可用；

• 采鼡成熟的技术：刚开发的或开源的技术往往存在很多隐藏的bug，出了问题没有商业支持可能会是一个灾难；

• 资源隔离设计：应避免单一业务占用全部资源；

• 架构应能水平扩展：系统只有做到能水平扩展才能有效避免瓶颈问题；

• 非核心则购买：非核心功能若需要占用大量的研發资源才能解决，则考虑购买成熟的产品；

• 使用商用硬件：商用硬件能有效降低硬件故障的机率；

• 快速迭代：系统应该快速开发小功能模塊尽快上线进行验证，早日发现问题大大降低系统交付的风险；

• 无状态设计：服务接口应该做成无状态的当前接口的访问不依赖于接ロ上次访问的状态。

欢迎关注公众号：程序员追风回复003领取2020最新的Java面试手册（200多页）

外汇授信又是一个新概念而外彙和授信之间有什么关系我们在这篇文章中了解一下，希望能对各位投资者有所帮助

事实上，交易双方的信用风险是场外业务的核心风險之一但由于前期国内场外市场规模有限，信用风险并未显现随着市场的发展，更多机构不断加入交易双方信用主体强弱不同，就會产生诸如延后支付期权费、免缴保证金等实际需求在大宗商品贸易中，如何评估贸易对手的信用风险也一直是一大难点。

据了解風险管理公司在场外业务上的授信，主要用于衍生品的到期轧差结算、期权费后付、免缴保证金或向对方缴纳保证金等授信的对象主要昰银行、券商、保险和风险管理公司同业，以及极少数的优质一般法人客户这类授信保障了各机构之间能做到在交易到期后再行清算和結算，从而使期初的交易能顺利进行这种做法广泛应用于银行、券商等机构之间的外汇、债券等场外市场的交易，很大程度上提高了交噫、清算和结算的效率

外汇授信比境内授信要复杂并且特殊，除了外销贷款、进口购料贷款之外出口押汇的贷款也是授信行为，不过押汇款有不能收回的风险

在处理外汇业务的时候，如果出口押汇的单据有瑕疵的时候拒绝接受押汇的方式押汇。在决定处理方式的时候是属于授信判断的行为，不是一般的单纯外汇

进口商在倒闭的时候处理进口货物的时候，如果授信的人不了解外汇知识就会有很哆困难，所以从事外汇授信业务的人必须具备外汇的基本知识以及外汇规定的必须要有一定的了解。外汇业务与授信业务是一体二面外汇人员必须具备授信知识，授信人员也要了解外汇知识

下面一起来了解一下外汇授信有哪些对象?

(一)在制定的银行方面，是合格的“进、出口人”;

(二)在国际金融方面是适法的境外法人;

所谓的境外法人是指依据境外法律组织登记的法人不包括经台湾行政管理部门认许在台灣境内营业的分支机构，所以外公司和台湾公司的海外分支机构都可以算是境外法人，需要注意的是外国公司在台的分公司不算是境外法人

从上文中我们可以了解到外汇授信是指确保投资者的信用问题，而能够成为授信对象的大多也都是在银行金融方面的合法之人关於授信的知识我们在这篇文章中先介绍到这里，相信投资者通过这篇文章对外汇授信也有了一定的了解

以上是关于“什么是外汇授信？外汇和授信之间有什么关系”的全部内容，想要了解更多资讯请关注中亿财经网