时间一周周的真是过的好快，又到老王扯技术淡的时间了，快回来听老王扯淡吧~ 当年老王刚刚走出学校踏进社会的时候，一个百度的老同事（人称瀚哥，虽然不是我的直接导师，也可以算半个了，后来对我帮助挺大的~）就问我，觉得在学校的时间过的快嘛？我说快啊，你看这本科+研究生七年，一晃眼就过了。他说，你来工作了就会发现，工作以后，时间更快。现在回想一下，我工作都8年了，当年进公司的那一刻还历历在目……
不知道为啥，突然就写出了上面这些文字，可能是人老了都爱回忆往事吧。好了，不扯闲淡了，开始我们的技术话题吧~
老规矩，我们还是把蓝图摆出来，看看我们今天聊啥：
不错，我们今天聊点有意思的东东，跟现在移动互联网息息相关，并且平时都能用得上的一些东东——分布式体系、组件和一些常见的逻辑系统的设计（是不是听起来觉得很高大上啊。老王第一次听“分布式”三个字，就觉得牛逼，后来去百度就是为了学这个技术）。不过大家不用被这几个字吓住了，其实没什么可怕的，无非就是多了些模式或者思想，最根本的还是计算机的那些基础知识，比如：网络、操作系统、算法等等。所以，想要了解究竟的话，跟老王一起来吧~
铺垫：what & why
这里还是先抛问题：什么是分布式？为什么要用分布式？
百科上对于这个问题的解释其中一段是这样描述的：分布式处理则是将不同地点的，或具有不同功能的，或拥有不同数据的多台计算机通过通信网络连接起来，在控制系统的统一管理控制下，协调地完成大规模信息处理任务的计算机系统。在知乎上也有很多这方面的讨论。
老王没有专门去总结这几个字组成的词的定义，因为这个范围实在太广，可说的东西太多。老王是个务实的人，想问题也不是那么高端，所以自己对分布式的理解是：把任务的计算、数据的存储等操作放到不同的地方去处理，当产生结果或者需要使用时，又从多个地方将计算结果、数据汇聚起来的这样的一个体系。打个比方说，我现在要计算1*2*3*……*10的值，怎么办呢？我们有很多种办法，比如：
1、循环：for (int i = 1, s = 1; i <= 10; i++) {s *=i;}；
2、递归：int s(int k) {return k <= 1 ? 1 : k * s(k - 1);}；
以上这些都是我们传统的计算方式，他们都是将程序运行在一台机器上来得到计算结果。而我们也可以采用另外一种方式，比如，我们现在有2台机器，那我就可以让每一台机器计算一部分结果，最后再把他们合并起来计算一次。具体的，我们让机器m1计算s1=1*2*3*4*5，让机器m2计算s2=6*7*8*9*10，最后再随便挑一台，将他们的结果合并相乘s=s1*s2。这是不是也是一种思路呢？
那为什么需要分布式呢？老王个人觉得，用分布式的理由是资源不够用。这里的资源，包括计算用的cpu资源，也包括内存资源，或者是文件存储资源，也可以是各种外设资源等等。比如，我们要计算(1*2*3*……*1000000000000) %1000000000001的结果，在不推算任何公式的情况下，用循环或者递归在短时间内比较难算出结果，就可以用更多的计算机去算，然后将结果组合起来；又比如，我们要存储1P的数据(1P = 2^10T = 2^20G = 2^30M = 2^40K = 2^50B)，可能一块硬盘存不下，我们就可以分到多个机器去存储，要的时候，再找不同的机器去取。所以，如果资源足够的情况下，我们直接单台机器就可以解决问题；如果资源不够的情况下，我们就需要用到分布式。不知道老王说清楚没有？
那具体到互联网这个环境上来讲，对于每一个稍微大型一点的网站或者是app的服务器端，每秒钟都会有数以万计的用户来请求数据。如果是单一的一台服务器，可能很难扛住这样的请求压力（如果只请求很简单的不变的资源，比如一个小图标，则还是有可能的），就需要把用户的请求分散到多个不同的服务器去处理，这样，我们就能承载更多的用户的请求，对吧。
好了，前面的铺垫做好了，接下来就一起来聊聊我们怎么做。
next: how
这个话题就更开放了，每个公司、每个大型的网站都有自己的做法，有可能方式都还不太一样，所以老王准备讲讲自己接触到的一些做法，希望能对大家有所帮助。如果说的不对的地方，还请大家指正~
按照老王画的蓝图，大体上想分成四个方面来介绍：分布式架构、分布式组件、通用逻辑系统和专有逻辑系统。分布式架构主要是解决如何把资源组合起来进行计算、存储等；而其中要组合起来用到的部件，就是我们的组件；有一些分布式的系统是现在互联网上比较通用的，比如消息推送、内容聚合等；而有一些则是跟各个公司或者网站业务紧密结合的，比如：抢火车票（大家是否都经历过啊）。接下来我们就相对详细讲讲这几个东东。
分布式架构
老王刚刚去百度搜了一下“分布式架构”，他告诉老王大概有7,360,000这么多个网页，可见这是多么广的一个话题。四年前，老王写了一篇文章《蚂蚁变大象:浅谈常规网站是如何从小变大的》（刚刚我也去搜了一下这个文章，百度上有15,400多篇转载），这篇文章大约几万字，差不多比较详细讲述了老王一步步经历的网站从小变大的过程。有兴趣的同学可以去百度上搜来看看，或者等待老王把这篇文章优化以后，再在微信里分享给大家。
鉴于现在正在写的这篇文章是一个概览，所以老王先概要的讲讲自己理解的分布式架构（要看详细的，继续关注老王的微信：simplemain哦）。有些偷懒了，所以有一部分是借鉴我当年写的文章，哈哈哈~
我们一般把整体的架构分成三层，即：访问层、逻辑层和数据存储层。有点类似于我们常提到的MVC模式。
1、访问层：他的作用是接受用户的连接请求，读取用户请求数据，并在组织好逻辑数据后往后转发。这一层的难点，主要是要接收大量用户的连接请求，而这些请求很大部分又是慢请求（相对于cpu运行速度而言），如果处理不好，就会造成大量的连接阻塞，从而使得用户看起来我们的服务连接不上。因此，这一层用到的最主要的知识，就是我们在中篇提到过的计算机网络&操作系统的知识。
我们来算一个帐哈，如果每秒要同时接收N个用户的请求，此时如果N比较小（比如：100），那么我们只需要一台稍微好一点的服务器（比如：8核8G内存），就可以应对。如果N比较大（比如：10000），那么一台机器就肯定不行，我们就需要多机来解决这个问题。打比方说，我们有K台服务器，每台服务器能承受最大R个请求，那么要满足每秒N个请求，就需要有 N <= R * K，对吧~
要做到这一点，要么提升R，要么提升K，要么同时提升R和K。如果要提升R，就需要去提升网络服务模型的处理能力；如果要提升K，我们需要要良好的体系架构支持，因为如果你的架构不够好，那么机器越多，你的管理难度越大（1台，10台，100台，1000台……服务器的管理难度是完全不一样的）。其中，提升R的这部分，我们在中篇已经有过粗略的介绍，这里就重点讲讲提升K的这一部分。
我们把接入层再拆分一下，可以用几个部分来表示：虚拟server、web服务或者私有协议server和命名/定位服务。
这里的虚拟server就像是虚拟的主机一样，每个虚拟server对外有一个IP，而在他的后面连接了大量的真实服务器。他用来对外屏蔽内部的实现细节，一般工作在网络层（IP协议所在那一层）和传输层（TCP协议那一层），他能接收大量的IP报文，然后根据一定的负载均衡策略，将这些请求报文转发给后端真正的web服务器或者是socket服务器。最常见的虚拟server就是LVS（Linux Virtual Server），当年在百度的时候，内部的软件四层设备用的就是基于他改造的，现在比较火的阿里云的SLB的四层转发也是用的这个。有了这个东东，我们就可以只暴露少量的IP给外界，而将大量的web服务器隐藏在系统内部。就像我们常用的代理服务器一样，你的连接他，他再连接后面真实的服务器。
而web服务器我们现在常用的是nginx，他轻便、稳定、负载能力强，所以现在基本上是web服务器的不二人选。阿里基于nginx修改了一个Tengine的服务器，也是用到阿里云里面了。相比起来，原来的老大哥apache，现在就显得有些臃肿，并且负载能力要差不少。两者的差别主要在于服务模型不一样。
为了让大量的web服务器方便管理，我们一般需要有一个命名/位置服务，他的作用就是统一管理后面这些web服务器，当请求来了以后，告诉虚拟Server，后面有哪些web服务器。如果没有他，我们就需要一个个的服务器去配置，这是多么恐怖的噩梦。
将这三者组合起来，就可以构建比较强大的接入层。随着流量的增加，我们可以通过增加web服务器的数量来应对（一般virtual server只做转发，压力不会太大，瓶颈可能会发生在带宽上）。当接入层不再是我们瓶颈的时候，我们就将压力传递到了逻辑层。
2、逻辑层：当访问层将数据接下来以后，就会把完整的用户请求转发到逻辑层，用来做真正的逻辑处理。
逻辑层的整个分布和接入层差不多，也大体分成3个部分：虚拟server、逻辑处理器和命名/位置服务。
虚拟server我们之前提过了，在这里是一个可选项，如果有他，则可以对外提供较少的服务IP；如果没有他也是可以的，只不过会暴露很多具体的真实server。
逻辑处理服务部分就是一个个的逻辑处理单元，他们按照逻辑功能来区分和聚合。同一个功能的服务器，注册为同一名字。前端服务就按名字来挑选不同的服务器。比如，有一个服务是用来获取用户基本信息的，我们就取名字叫：com.simplemain.user，然后有三台机器都部署了这个服务，分别是MA、MB和MC。当有一个逻辑要获取用户基本信息的时候，就会从命名/位置服务那里，通过"com.simplemain.user"这个名字，来找到对应的机器，并按照对应的负载均衡策略（比如：随机、一致hash、轮询等）来挑选一台机器返回给请求的服务（比如：MB）。因为web服务一般是无状态的，使得我们可以简化请求处理的复杂度，只需要每次请求的时候带上用户请求的参数，我们就能根据这些参数给出相应的返回。
命名/位置服务，也是同样的作用，就是提供机器、服务的注册和查找，以及健康检查等功能。
通过以上的手段，我们的逻辑层也可以通过增加机器的方式，来应对流量的压力。所以，压力又往后传递到了数据存储层（是不是一切都看起来很美好呢？）。
3、数据存储层：用来做数据的存储和访问。这一层是最为复杂，设计模式也最多的一层。因为数据的存储，根据业务的不同，很难有一个统一的模型去处理。不过，大体上有这样的一个设计模式：
对外提供一个访问网关（Access Gate），用来屏蔽内部的细节（比如，我们常听说的mysql-proxy就是类似的作用）。内部系统就包含：
1、源信息单元（MetaInfo Unit），用来记录每个数据具体存储在哪里；
2、数据组装单元（DataAssemble Unit），用来将多个地方的数据组装返回；
3、命名/位置服务；
4、状态管理单元（StatusManagement Unit），用来管理数据单元的状态；
5、消息队列（MessageQueue），用来做数据转发，平滑大量数据提交带来的瞬时压力，以及修复数据等；
6、数据存储单元（DataStore Unit），就是存储具体数据的地方。
不是每个存储系统都需要这些东东，可以根据业务的需求选择性的使用。他们的作用，说白了，就是因为数据太多了，需要分散来存；因为存一份太不安全了，需要存储冗余的数据，来保证数据损坏以后可恢复。
打个比方，不知道大家是否用过mysql，这就是我们最常用的数据存储系统。当数据量和请求不大的时候，我们用一个mysql就可以存下所有的数据，应对所有的请求。但是，这里有三种情况可能发生：
1、请求量变大；
2、数据量超出磁盘大小；
3、数据需要做实时热备。
这三种情况发生了，怎么办？
1、请求量变大了。
我们最好的想法，就是能够有多个mysql，每个mysql有同样的数据用来应对请求，对不对？那mysql提供了主-从同步的模式，有一个主的mysql，所有的写入操作都走他过，而他将数据写入后，通过binlog的方式，同步到其他非主的mysql（俗称从库）。这里面这种数据同步的方式，原理上来讲，就用到了消息队列（Message Queue）的思想和设计。
另外，有可能某些机器运转着运转着就坏掉了，怎么办呢？就需要有健康检查的机制，把坏掉的机器从我们这一组机器中摘除，保证整体服务的可用，这就是我们介绍的状态管理单元的作用。
2、数据量超出磁盘大小。
不管是单机模式，还是主从模式，每个机器都是存储的全量数据，当数据量太大的时候，每个机器都没办法放了，怎么办？只能把数据拆分，放到不同的数据库。如果我们把之前讲的每一个主从mysql看做一套，那我们就可以把数据拆解成N份：mysql-group-1、mysql-group-2……mysql-group-N，这样，我们就可以不受单个磁盘大小的限制了，对不对？
但是这样拆分带来了其他的问题，当请求来了以后，我应该去找哪个mysql组拿数据呢？如果数据是放到多个组的，那数据怎么合并呢？这就需要我们的源信息单元来对信息管理，告诉我们哪些数据再哪个单元里面。数据取出来以后，再有数据组装单元将数据组装合并后，返回给请求者。
3、数据需要做实时热备。
为了保证数据不丢失，我们就需要对数据保存多份。其实通过主从的方式，我们已经可以做到热备了。那我们一般要备份多少份呢，大家猜猜？
一般最少是3份，为什么呢？
我们先假设有N份数据，当我们的主从数据库提供服务的时候，比方说一台机器坏掉了，这个时候，线上就只有N-1份数据了。那我们为了保证数据的可持续使用，需要用新的机器替换掉将刚刚坏掉的机器，这个时候，就需要将已有的数据拷贝到新的机器上。拷贝一般有热拷贝（实时在线拷贝）和冷拷贝（摘除服务后离线拷贝，拷贝完成后，由Message Queue分发最近的缺失的那一部分即可）。那不管哪种拷贝，都需要有另外一台机器来提供数据源，为了保证线上服务的稳定，这个源数据机器最好不提供线上服务，所有，能提供线上服务的机器就只有N-2个了。由于要保证线上服务，所以N-2 >=1，则N >= 3。
好了，数据存储层做分布式的东东，大面儿上就是这样的。当然细节很多，说起来容易，做起来却不易（我们之前做贴吧存储系统的时候，就花了大半年的时间调研和开发，里面的水很深）。不过，现在很多通用数据库已经提供了很多集成方案来帮大家解决问题，这使得我们已经能很快速和方便的应对存储带来的问题。但是，在解决问题的时候，有这样的思想却是非常重要的。
====扯淡休息的分割线 ====
怎么样，是不是感觉顿时压力倍增呢？一下看到这样的一个结构，确实有点恼火。不要紧，先初步感受一下，老王会在后面的文章中，一步步带大家了解为什么要这么做，以及怎么走到这一步的。其实有了这样一个框架，大部分的系统，就基本都在这个框架下做的衍生，无非就是套不同的逻辑和数据。
好吧，老王本来指望这用上中下三篇文章来把这个蓝图讲个大概，结果写到下篇，发现居然三篇写不完了，没办法，只有临时把这个下篇又拆分，大家理解理解哈~
接下来的一篇，老王就想讲讲那些通用的分布式组件，比如：消息队列（Message Queue）、命名/位置服务（Naming Service）、远程调用组件（Remote Procedure Call）等，希望能够在一篇之内讲完，嘿嘿~
那今天就写到这里咯，有兴趣的盆友请继续关注老王的微信：simplemain今天就暂时不贴美图了哈（因为老王发现每篇文章一张美图可能不够用，就准备留着后面用）~
