从程序员到架构师：大数据量 缓存、高并发、微服务 多团队协同等核心场景实战

图书标准信息

• 作者 王伟杰
• 出版社 机械工业出版社
• 出版时间 2022-03
• 版次 1
• ISBN 9787111699842
• 定价 89.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 220页
• 字数 275千字

【内容简介】

《从程序员到架构师：大数据量、缓存、高并发、微服务、多团队协同等核心场景实战》分为数据持久化层场景实战、缓存层场景实战、基于常见组件的微服务场景实战、微服务进阶场景实战和开发运维场景实战5个部分，基于对十余个架构搭建与改造项目的经验总结，介绍了大数据量、缓存、高并发、微服务、多团队协同等核心场景下的架构设计常见问题及其通用技术方案，包含冷热分离、查询分离、分表分库、秒杀架构、注册发现、熔断、限流、微服务等具体需求下的技术选型、技术原理、技术应用、技术要点等内容，将技术讲解与实际场景相结合，内容丰富，实战性强，易于阅读。

  《从程序员到架构师：大数据量、缓存、高并发、微服务、多团队协同等核心场景实战》适合计划转型架构师的程序员及希望提升架构设计能力的IT从业人员阅读。

【作者简介】

曾任硅谷上市公司技术总监、知名重资产型互联网上市公司技术总监、创业公司 CTO。目前是建信金融科技·基础技术中心的技术专家。

   拥有 15 年互联网研发经验，保险、电商、银行等行业领域都有所涉猎，落地实践过数十个架构项目，在微服务、大数据、 AI工程化落地、中台化改造、DevOps 、运维自动化等方面有着丰富的经验。拉勾教育架构专栏优秀讲师。

【目录】

序

前言

第1部分 数据持久化层场景实战

第1章 冷热分离/

1.1 业务场景：几千万数据量的工单表如何快速优化/

1.2 数据库分区，从学习到放弃/

1.3 冷热分离简介/

 1.3.1 什么是冷热分离/

 1.3.2 什么情况下使用冷热分离/

1.4 冷热分离一期实现思路：冷热数据都用MySQL/

 1.4.1 如何判断一个数据到底是冷数据还是热数据/

 1.4.2 如何触发冷热数据分离/

 1.4.3 如何分离冷热数据/

 1.4.4 如何使用冷热数据/

 1.4.5 历史数据如何迁移/

 1.4.6 整体方案/

1.5 冷热分离二期实现思路：冷数据存放到HBase/

 1.5.1 冷热分离一期解决方案的不足/

 1.5.2 归档工单的使用场景/

 1.5.3 HBase原理介绍/

 1.5.4 HBase的表结构设计/

 1.5.5 二期的代码改造/

1.6 小结/

第2章 查询分离/

2.1 业务场景：千万工单表如何实现快速查询/

2.2 查询分离简介/

 2.2.1 何为查询分离/

 2.2.2 何种场景下使用查询分离/

2.3 查询分离实现思路/

 2.3.1 如何触发查询分离/

 2.3.2 如何实现查询分离/

 2.3.3 查询数据如何存储/

 2.3.4 查询数据如何使用/

 2.3.5 历史数据迁移/

 2.3.6 MQ + Elasticsearch的整体方案/

2.4 Elasticsearch注意事项/

 2.4.1 如何使用Elasticsearch设计表结构/

 2.4.2 Elasticsearch的存储结构/

 2.4.3 Elasticsearch如何修改表结构/

 2.4.4 陷阱一：Elasticsearch是准实时的吗/

 2.4.5 陷阱二：Elasticsearch宕机恢复后，数据丢失/

 2.4.6 陷阱三：分页越深，查询效率越低/

2.5 小结/

第3章 分表分库/

3.1 业务场景：亿级订单数据如何实现快速读写/

3.2 拆分存储的技术选型/

 3.2.1 MySQL的分区技术/

 3.2.2 NoSQL/

 3.2.3 NewSQL/

 3.2.4 基于MySQL的分表分库/

3.3 分表分库实现思路/

 3.3.1 使用什么字段作为分片主键/

 3.3.2 分片的策略是什么/

 3.3.3 业务代码如何修改/

 3.3.4 历史数据如何迁移/

 3.3.5 未来的扩容方案是什么/

3.4 小结/

第2部分 缓存层场景实战

第4章 读缓存/

4.1 业务场景：如何将十几秒的查询请求优化成毫秒级/

4.2 缓存中间件技术选型(Memcached,MongoDB,Redis)/

4.3 缓存何时存储数据/

4.4 如何更新缓存/

 4.4.1 组合1：先更新缓存，再更新数据库/

 4.4.2 组合2：先删除缓存，再更新数据库/

 4.4.3 组合3：先更新数据库，再更新缓存/

 4.4.4 组合4：先更新数据库，再删除缓存/

 4.4.5 组合5：先删除缓存，更新数据库，再删除缓存/

4.5 缓存的高可用设计/

4.6 缓存的监控/

4.7 小结/

第5章 写缓存/

5.1 业务场景：如何以小代价解决短期高频写请求/

5.2 写缓存/

5.3 实现思路/

 5.3.1 写请求与批量落库这两个操作同步还是异步/

 5.3.2 如何触发批量落库/

 5.3.3 缓存数据存储在哪里/

 5.3.4 缓存层并发操作需要注意什么/

 5.3.5 批量落库失败了怎么办/

 5.3.6 Redis的高可用配置/

5.4 小结/

第6章 数据收集/

6.1 业务背景：日亿万级请求日志收集如何不影响主业务/

6.2 技术选型思路/

 6.2.1 使用什么技术保存埋点数据的现场/

 6.2.2 使用什么技术收集日志数据到持久化层/

 6.2.3 为什么使用Kafka/

 6.2.4 使用什么技术把Kafka的数据迁移到持久化层/

6.3 整体方案/

6.4 小结/

第7章 秒杀架构/

7.1 业务场景：设计秒杀架构必知必会的那些事/

7.2 整体思路/

 7.2.1 浏览页面如何将请求拦截在上游/

 7.2.2 下单页面如何将请求拦截在上游/

 7.2.3 付款页面如何将请求拦截在上游/

 7.2.4 整体服务器架构/

7.3 小结/

第3部分 基于常见组件的微服务场景实战

第8章 注册发现/

8.1 业务场景：如何对几十个后台服务进行高效管理/

8.2 传统架构会出现的问题/

 8.2.1 配置烦琐，上线容易出错/

 8.2.2 加机器要重启/

 8.2.3 负载均衡单点/

 8.2.4 管理困难/

8.3 新架构要点/

 8.3.1 中心存储服务使用什么技术/

 8.3.2 使用哪个分布式协调服务/

 8.3.3 基于ZooKeeper需要实现哪些功能/

8.4 ZooKeeper宕机了怎么办/

8.5 小结/

第9章 全链路日志/

9.1 业务场景：这个请求到底经历了什么/

9.2 技术选型/

 9.2.1 日志数据结构支持OpenTracing/

 9.2.2 支持Elasticsearch作为存储系统/

 9.2.3 保证日志的收集对性能无影响/

 9.2.4 查询统计功能的丰富程度/

 9.2.5 使用案例/

 9.2.6 终选择/

9.3 注意事项/

 9.3.1 SkyWalking的数据收集机制/

 9.3.2 如果SkyWalking服务端宕机了，会出现什么情况/

 9.3.3 流量较大时，如何控制日志的数据量/

 9.3.4 日志的保存时间/

 9.3.5 集群配置：如何确保高可用/

9.4 小结/

第10章 熔断/

10.1 业务场景：如何预防一个服务故障影响整个系统/

 10.1.1 个问题：请求慢/

 10.1.2 第二个问题：流量洪峰缓存超时/

10.2 覆盖场景/

10.3 Sentinel 和Hystrix/

10.4 Hystrix的设计思路/

 10.4.1 线程隔离机制/

 10.4.2 熔断机制/

 10.4.3 滚动（滑动）时间窗口/

 10.4.4 Hystrix调用接口的请求处理流程/

10.5 注意事项/

 10.5.1 数据一致性/

 10.5.2 超时降级/

 10.5.3 用户体验