技术选型的三个常见误判
面对新技术,常见三种误判:潮流派认定新技术必然带来收益,容易在技术未成熟时踩坑;保守派认定稳定压倒一切,只用一种技术打天下,会错过技术带来的非线性收益(如同有了拖拉机还硬用牛车);跟风派靠竞品动向决定是否跟进,看似稳妥,却可能无风可跟,也可能误判——适合竞争对手的技术未必适合自己。三者共同问题是都从技术本身出发判断,而非从自身业务需求出发,本质是把手段当成了目的。
主题对照
比较业务规模与复杂度变化如何驱动技术选型和架构分阶段演进。
面对新技术,常见三种误判:潮流派认定新技术必然带来收益,容易在技术未成熟时踩坑;保守派认定稳定压倒一切,只用一种技术打天下,会错过技术带来的非线性收益(如同有了拖拉机还硬用牛车);跟风派靠竞品动向决定是否跟进,看似稳妥,却可能无风可跟,也可能误判——适合竞争对手的技术未必适合自己。三者共同问题是都从技术本身出发判断,而非从自身业务需求出发,本质是把手段当成了目的。
判断技术演进方向不能只看技术潮流或竞品动态,而要看业务复杂度的变化:产品类业务(用户独占使用,靠功能取胜,如手机、浏览器)由技术创新直接推动发展;服务类业务(价值随用户规模增长,如微信、淘宝)则是业务规模扩大带来的复杂度倒逼技术演进,业务先行、技术随后。架构师需要识别当前业务复杂度主要来自功能叠加还是规模扩张,才能避免把资源投入对业务无用的技术升级上。
互联网业务技术演进大致分四阶段:初创期求快,能买则买能开源就用;发展期经历堆功能→优化→架构拆分三步,优化顶不住才被迫重构;竞争期系统数量暴增,重复造轮子和交互复杂度飙升,靠平台化、服务化收敛;成熟期创新空间变小,转向局部”求精”优化。发散:该模型说明”过早架构”和”过晚架构”都是错的,关键看是否真到了优化顶不住的临界点。
系统因功能堆积变得难维护时,团队通常在”优化现有系统”与”调整架构”(拆分子系统)间选择,多数情况优化派会赢,因为优化改动小、见效快,能最快解决当下竞争压力,而业务能否发展到需要架构调整的规模本是未知数。只有优化边际收益趋近于零(单机到物理上限)时,架构调整才被提上日程。发散:这解释了架构升级为何总”来得太晚”——不是没意识到问题,而是每个当下优化确是理性选择,直到量变积累到临界点。
用户规模增长对技术的影响不是线性的,而是跨过临界点后发生质变。以数据库为例,单台 MySQL 到瓶颈后,从一台变多台不是数量简单增加,而是从集中式变分布式存储的本质转变,引入分库分表等一整套新复杂度。可用性同理:1万用户宕机1小时损失很小,100万用户宕机10分钟造成显著损失。发散:评估”是否需要升级”不能只看规模是否够用,更要判断是否接近会引发质变的临界点,提前规划比事后补救成本低得多。
App架构经历了网页壳、原生开发、混合方案、组件化容器化四个阶段的演进,每步都对应业务主要复杂度的切换,而非单纯技术潮流驱动。早期方向不明,选成本最低的方案利于试错;成为主流后体验差距成主要矛盾,转向原生开发;竞争加剧后迭代速度重新重要但原生效率低,转向混合方案,只求平衡不求同时解决。发散:架构没有终局最优解,只有匹配当下复杂度的阶段性最优解。
当超级App承载几十上百个子业务且各由独立团队开发时,可扩展性成为主要复杂度。App与后端拆分本质不同:后端可拆成上千个独立微服务、各用不同技术栈;App对用户始终是同一整体,须共用同一套技术栈,不能照搬”拆服务”思路,而要用组件化/容器化——拆成统一规范、可独立开发测试的组件,靠消息通信隔离。大厂用得多,中小公司通常不一定需要。发散:同一个”拆”的思想落到不同物理形态时须重新推导。
存储层是否做成平台,取决于规模和重复程度。SQL 拆库后,先把拆分与组合做成中间件,大公司自研,中小公司用开源方案;集群多到资源浪费、维护成本高时,再建统一存储平台。NoSQL 自带集群,几十台时做平台收益不大,几千台时集中管理和提升利用率才划算。小文件存储各业务都需要,起步阶段就可以封装开源方案做成统一平台。发散:重复造轮子的成本超过平台成本时再平台化。参见[[互联网业务技术演进的四个阶段]]。
运维平台负责配置、部署、监控、应急四块,核心设计是“四化”。标准化是基础:统一配置、部署、监控指标和应急规范;某系统改不动,就由中间程序适配,如把 RESTful 性能接口转成日志上报。平台化把标准固化进平台;自动化把登录、上传、备份、启动等重复操作变成一键完成;可视化像汽车仪表盘一样,让应急时一眼看出状态。发散:没有标准,自动化无从谈起。参见[[阈值类参数只能靠压测和上线观察逐步调优]]。
面对层出不穷的新技术,架构师常见有三种典型判断派别,本质是三种不同的价值观。潮流派热衷新技术,一有新技术出现就迫切想引入自己产品(比如”NoSQL很火,咱们要大规模切换成NoSQL”),价值观是”新技术肯定能带来很大收益”;问题在于新技术需要时间成熟,刚出来就用很可能自己成了实验小白鼠、踩各种坑,而且学习新技术本身要花时间成本,如果学完发现不适用,就是一笔较大的人力浪费。保守派对新技术保持很强的戒备心,”稳定压倒一切”,掌握了一种技术就一直用它打天下(就像那句俗语”如果你手里有一把锤子,那么所有的问题都变成了钉子”);问题在于享受不到新技术带来的收益——很多新技术本质是为了解决旧技术的固有缺陷,带来的往往不是线性的量变,而是爆发式的质变(就像汽车取代马车),无视技术发展,就好比有了拖拉机还偏偏要用牛车。跟风派不是跟技术潮流走,而是跟竞争对手走——竞争对手用了就跟着用,没用就先观望(比如”腾讯用了我们就用”“阿里用了Hadoop,咱们也要尽快用起来”);看起来很讨巧,既不承担潮流派的风险,也不遭受保守派的损失,花的资源也少,但最大的问题是”没风可跟怎么办”——如果自己恰恰是行业领头羊,没有可参照的对手;即使有竞争对手,对方的技术信息也未必容易获取,拿到的信息大概率也不完整,盲目照搬容易变成邯郸学步;而且适用于竞争对手的技术未必适用于自己,盲目模仿反而可能适得其反。三种派别共同的问题是:它们都站在”技术本身”的角度考虑问题,正所谓”不识庐山真面,只缘身在此山中”。
结构图:
flowchart TB
A["三种技术判断派别"]
A --> B["潮流派:新技术=大收益<br/>迫切引入新技术"]
B --> B1["问题:新技术不成熟易踩坑<br/>+学习成本可能白费"]
A --> C["保守派:稳定压倒一切<br/>一把锤子解决所有问题"]
C --> C1["问题:错失新技术带来的<br/>爆发式(非线性)收益"]
A --> D["跟风派:竞争对手用了就用"]
D --> D1["问题:领头羊时无风可跟<br/>+对手信息不透明<br/>+适用于对手的未必适用自己"]
B1 --> E["共同盲点:都站在技术本身角度<br/>而非跳出来看业务发展"]
C1 --> E
D1 --> E
[[三种技术判断派别]]共同的盲点是都站在技术本身看问题,真正要看清方向,必须跳出技术、从企业业务发展这个更高的角度来看——支撑业务发展的是市场、技术、管理这个铁三角,业务处于三角形中心,三者都是为业务服务的。企业业务大致可分两类:产品类(360杀毒软件、iPhone、UC浏览器等,本质和传统制造业产品类似,用户购买或使用来完成任务,对产品是”独占”的)和服务类(百度搜索、淘宝购物、微信IM等,大量用户用它和别人交互,是”使用”而非”独占”,服务用户越多价值越大,正体现互联网”互联”+“网”的本质)。对产品类业务,答案是技术创新推动业务发展——比如苹果靠智能手机的技术创新把诺基亚拉下王座、UC浏览器靠云端架构和自研U3内核成为最大第三方手机浏览器,原因在于用户选择产品的根本驱动力是”功能是否更好地帮自己完成任务”,功能、性能、体验、外观都要靠技术支撑,因此技术领先能直接转化为产品竞争力。对服务类业务,答案正好相反:业务发展推动技术发展——原因是用户选择服务的根本驱动力不是”功能”而是”规模”:选UC浏览器还是QQ浏览器看个人喜好和体验,但选微信还是WhatsApp不是看功能差异,而是看身边人用哪个(哪怕个人更喜欢WhatsApp的简洁,身边人都用微信,也不得不用微信)。一旦”规模”成为决定因素,服务模式的创新才是业务发展的核心驱动力,产品只是承载服务的载体——淘宝提供的是”网络购物”这种服务,即便有软件公司半年内模仿出淘宝网、支付宝、菜鸟物流这些产品,也没有意义,因为用户选择的是淘宝那一整套已具规模的服务体系,不会因为对手产品功能更强就转投过去;同理,即使做出耗电量只有微信十分之一、体验好十倍的产品,绝大多数微信用户也不会因此改用它,因为微信不是一个”互联网产品”而是一个”互联网服务”,一个人单独换到同类产品毫无意义。服务类业务的发展路径是循环往复的:提出创新服务模式→吸引一批用户→业务开始发展→吸引更多用户→服务模式不断完善创新→吸引更多用户,在这条路径里技术不是驱动力,反而是用户规模扩大和业务不断创新对技术提出越来越高的要求,是业务在驱动技术。即使是产品类业务,把时间线拉长来看,技术创新开创一个新业务之后,后续的业务发展同样会反向推动技术发展(比如第一代iPhone不支持3G、只能通过Web发应用,第二代才开始支持3G并内置GPS;UC浏览器随功能越来越强大,架构也不得不从7.0一路演进到9.0)。综合来看,除非是开创新技术、直接推动或创造一种全新业务,绝大多数情况下都是业务的发展在推动技术的发展。
结构图:
flowchart TB
A["业务两类:产品类 vs 服务类"]
A --> B["产品类(iPhone/UC浏览器)<br/>用户驱动力:功能"]
B --> B1["技术创新推动业务发展<br/>(技术领先→功能/性能/体验领先→产品胜出)"]
A --> C["服务类(淘宝/微信)<br/>用户驱动力:规模(而非功能)"]
C --> C1["业务发展推动技术发展<br/>创新服务模式→吸引用户→规模扩大<br/>→对技术要求越来越高(循环)"]
B1 --> D["长期看:产品类也会反向<br/>由业务发展倒逼技术演进<br/>(如iPhone 2代补3G/GPS,UC浏览器7→9代架构迭代)"]
C1 --> D
D --> E["结论:除非技术创新开创全新业务<br/>绝大多数情况是业务推动技术"]
技术该往哪里演进,答案在复杂度:业务需要技术跟进时,都是因为功能叠加或规模扩大使复杂度超出了原有技术的承受力。架构师的核心能力是判断当前及接下来的主要复杂度,这要基于行业和企业的发展阶段。银行在 90 年代面对功能与系统数量激增,2004 年后是网银的稳定与安全,2009 年后是需与支付机构协作应对的海量移动支付;淘宝则依次经历快速开发、性能、稳定性,到 2008 年变成内部过度耦合,于是做了系统解耦。
互联网业务通常经历初创、发展、竞争、成熟四个阶段。初创期重在创新而非完善,靠用户使用、快速试错来逐步完善,对技术的唯一要求是“快”,而这时团队最弱小,所以能买就买、有开源就用开源,第一版淘宝和 QQ 与今天几乎认不出是同一个产品。业务被验证后进入发展期,要不断完善功能,技术的核心工作是快速实现需求,先是在现有系统上不断堆功能;这时顾不上重构优化,不是偷懒,而是当下最理性的选择。
承接[[初创期只求快]]的堆功能期,功能越堆越多之后系统会变得越来越复杂,继续堆功能会越来越吃力、越来越慢,典型症状是改一个需求要动好多地方、一不小心就改出问题,直到团队再也受不了这种慢,才会下决心解决——这时通常会分裂成两派。优化派主张优化现有系统(重构代码、分层、优化某个MySQL查询、机械硬盘换SSD、MySQL换Oracle、加Memcache缓存),优点是改动小、能快速落地,缺点是可能撑不了多久系统又扛不住了。架构派主张调整系统架构,把原来的大系统拆成多个互相配合的小系统(比如把购物系统拆成登录认证、订单、查询、分析等子系统),优点是一次调整能支撑较长期的发展,缺点是动作大、耗时长、对业务的影响也更大。现实中大部分公司这个阶段都是优化派先赢,原因很直接:此时”优化”就是最快的方式,至于优化派撑不了多久这个问题,反而不是当下最要紧的事——毕竟业务能不能真的发展到那个阶段本身就是未知数,保住当下的竞争力才是第一位的。但如果业务真的继续发展,优化早晚会撑不住——再怎么优化,单机系统的能力总有极限(Oracle再强也扛不住1亿交易量,小型机再好也撑不住100万在线人数),这时候就没有别的选择,只能进入架构期,先前被压制的架构派开始扬眉吐气。架构期能用的手段很多,但归根结底就是一个字”拆”,可以拆的地方包括:拆功能(把购物系统拆成登录认证子系统、订单系统、查询系统、分析系统)、拆数据库(MySQL从一台变两台、两台变四台,加DBProxy、做分库分表)、拆服务器(服务器从一台变两台、两台变四台,加Nginx、HAProxy这类负载均衡系统)。
结构图:
flowchart TB
A["堆功能期后遗症:越堆越慢,改一处牵动多处"]
A --> B["优化派:重构/分层/换硬件/加缓存/换数据库"]
B --> B1["优点:改动小,落地快"]
B --> B2["缺点:不久后系统又会扛不住"]
A --> C["架构派:拆大系统为多个小系统"]
C --> C1["优点:能支撑较长期发展"]
C --> C2["缺点:动作大、耗时长、影响业务"]
B1 --> D["现实:多数公司优化派先赢<br/>因为优化是当下最快的路<br/>业务能否发展到瓶颈本就未知"]
D --> E["业务真发展下去:<br/>单机能力见顶(如Oracle扛不住1亿交易)<br/>→被迫进入架构期"]
E --> F["架构期核心手段:拆<br/>拆功能/拆数据库(分库分表+DBProxy)/拆服务器(负载均衡)"]
承接[[优化派与架构派之争]],业务发展到一定规模后必然会引来竞争对手,大家互相学习模仿、催生更多新业务创新,同时竞争压力也把技术要求推上一个新台阶。新业务创新意味着更多新系统,架构拆分又让原有系统越拆越多,两股力量叠加,系统数量在原有基础上进一步暴增,好不容易靠拆分换来的”快”又开始变”慢”——这背后是系统数量的量变到了临界点、引发了技术工作的质变,具体表现在两方面。一是”重复造轮子”:系统越来越多,各系统需要处理的相似问题也越来越多(每个系统都要存储、都要缓存、都要数据库),新建一个系统,这些基础工作又要重新做一遍,即使别的系统早就做过,也没法直接复用,速度自然快不起来。二是”系统交互一团乱麻”:系统之间的交互关系变成网状结构,交互数量和系统数量呈平方比关系(4个系统交互路径是6条,10个系统就变成45条),实现一个业务需求往往要同时改好几个甚至十几个系统、还要处理它们之间层层调用,联调成了研发的灾难、联测成了测试的灾难、部署成了运维的灾难。针对这两个问题,技术上主要的应对手段是平台化和服务化。平台化专门解决”重复造轮子”:把通用的基础能力沉淀成统一平台,比如存储平台化(淘宝TFS、京东JFS)、数据库平台化(百度DBProxy、淘宝TDDL)、缓存平台化(Twitter Twemproxy、豆瓣BeansDB、腾讯TTC),让新系统直接复用这些平台能力,不用每次都从零造轮子。服务化专门解决”系统交互混乱”:常见做法是用消息队列完成系统间的异步通知(淘宝Notify/MetaQ,开源Kafka/ActiveMQ),用服务框架完成系统间的同步调用(Facebook thrift、当当Dubbox、淘宝HSF),把原本网状的点对点调用收敛成有规范的通信方式。
结构图:
flowchart TB
A["竞争期:新业务创新+架构拆分<br/>共同导致系统数量再度暴增"]
A --> B["问题①重复造轮子<br/>各系统重复处理存储/缓存/数据库等基础工作"]
A --> C["问题②系统交互一团乱麻<br/>交互数量随系统数呈平方增长(N系统≈N(N-1)/2条交互)"]
B --> D["应对:平台化<br/>存储平台化(TFS/JFS)<br/>数据库平台化(DBProxy/TDDL)<br/>缓存平台化(Twemproxy/BeansDB/TTC)"]
C --> E["应对:服务化<br/>消息队列做异步通知(Notify/Kafka)<br/>服务框架做同步调用(thrift/Dubbox/HSF)"]
熬过[[竞争期平台化服务化]]、成为行业领头羊或行业整体进入成熟阶段后,市场地位已经比较牢固,业务创新的空间和竞争压力都不再那么激烈,业务重心从”求快求新”转向”求精”——比拼响应时间是否更快、用户体验是否更好、成本是否更低。这个阶段技术上该拆的也拆了、该平台化的也平台化了,大动作已经不多,更多是精细化优化,但有些优化目标本身可能牵动很多方面(比如要把响应时间从200ms降到50ms,可能要同时优化CDN、数据库、网络等多个环节),这类优化没有固定套路,只能按竞争对手的对比结果找出自己的短板逐项优化,具体手段可以从前面各阶段(堆功能、优化、架构拆分、平台化、服务化)里灵活借用。除了业务复杂性这条主线,用户规模是互联网技术演进的另一条主线,同样贯穿初创期到成熟期,用户量增大对技术的影响集中在两方面。性能:以MySQL为例,单台机器不管配置多高,能撑住的TPS/QPS基本封顶在万级(低则几千、高不过几万),用户量涨上去后必须上多台MySQL,而”从一台到多台”不是简单的数量增加,是本质变化——从集中式存储变成了分布式存储,分布式意味着要处理分库分表、读写分离、复制同步这一整套新增复杂度。可用性:用户1万时宕机1小时可能没什么感觉,用户100万时宕机10分钟投诉电话就被打爆,用户还会在朋友圈吐槽,很可能就断送了接下来发展下一个100万用户的机会;从收入角度看同理,1万用户宕机1小时可能只损失几千元,100万用户宕机10分钟可能就是几十万元的损失——可用性的容错空间随用户规模扩大而急剧收窄。业务复杂性和用户规模这两条主线,本质上都是同一个规律的体现:”量变带来质变”——不管在哪个发展阶段,一旦发现业务已经”快不起来”了,就说明当前的技术水平已经跟不上业务发展的需要,是技术该变革的信号;更理想的做法是在问题真正暴露之前,就能根据发展趋势提前预判下一个转折点、提前做好技术准备,这对技术人员的判断力要求非常高。
结构图:
flowchart TB
A["成熟期:从求快求新转向求精<br/>优化无固定套路,按短板逐项优化"]
B["用户规模维度:贯穿全生命周期"]
B --> C["性能挑战:单机TPS/QPS封顶(万级)<br/>多机=集中式变分布式,复杂度质变"]
B --> D["可用性挑战:容错空间随用户规模急剧收窄<br/>(1万用户宕机1小时≈无感<br/>100万用户宕机10分钟≈投诉电话被打爆)"]
C --> E["共同本质:量变带来质变"]
D --> E
A --> E
E --> F["信号:业务'快不起来'时<br/>=技术已跟不上业务需要<br/>理想状态是提前预判转折点"]
架构设计相关的理念、技术、实践主要聚焦在后端系统(存储高可用、微服务、异地多活等),但这并不意味着App、前端就没有架构设计——专栏所讲的整套架构设计理念,虽然来源于后端设计经验,一旦形成完善的技术理论后,同样适用于App和前端。回顾这套理念的关键点:架构是系统的顶层结构;架构设计的主要目的是解决软件系统复杂度带来的问题;架构设计需要遵循合适原则、简单原则、演化原则;架构设计首先要掌握业界已成熟的各种架构模式,然后再优化、调整、创新。App架构的演进正是这套理念的具体体现,大致经历五个阶段。第一阶段Web App(包壳架构):在Web业务上包装一个App壳,业务逻辑完全由Web实现,App壳只完成安装功能。约2010年前后,移动互联网还是新鲜事物、发展前景不明朗(淘宝2013年才决定”All in无线”),业务重心仍在PC互联网,移动端更多是尝试性质,因此需要”快速开发”和”低成本”,原生开发成本太高,Web App成为首选——遵循”合适原则”和”简单原则”。第二阶段原生App:随着移动设备发展速度远超Web技术、App承载的业务逻辑越来越复杂、且只有原生才能利用移动设备的用户体验优化技术,复杂度焦点从”快速开发/低成本”转向”用户体验”,原生App成为最合适的选择——遵循”演化原则”(约2013年前后快速发展)。第三阶段Hybrid App:移动互联网已成明确大趋势,竞争关键变成”谁更快抓住用户需求”,复杂度又回到”快速开发”,但原生App在Android/iOS/Windows Phone三平台间完全不兼容、同样功能要重复开发三遍;由于Web体验又不如原生,于是按业务需求分别选型——体验要求高的用原生、要求不高的用Web,这就是Hybrid App的核心设计思想,是”用户体验”和”快速开发”两个复杂度之间的平衡(不是同时解决),遵循”合适原则”。第四阶段组件化/容器化:超级App(如手机淘宝、微信)在一个App里承载几十上百个子业务,且每个业务由独立团队开发、还在不断扩展,引入了新的可扩展性复杂度;解决办法是把超级App拆分成众多遵循统一规范、可独立开发测试上线的组件,组件间通过消息系统通信实现隔离——这只在业务复杂度发展到一定规模后才适用,遵循”演化原则”,中小公司通常不需要。第五阶段跨平台App:前面除Web App外的方案都面临同一功能要在Android、iOS各开发一遍的重复投入问题,违背”简单原则”,于是React Native、Weex、Flutter等跨平台方案不断涌现,但目前都不算成熟,用户体验上也和原生App有差距(例如Airbnb已宣布放弃React Native、回归原生技术)。
结构图:
flowchart LR
A["Web App(包壳)<br/>复杂度=快速开发+低成本<br/>合适原则+简单原则"]
A --> B["原生App<br/>复杂度→用户体验<br/>演化原则"]
B --> C["Hybrid App<br/>复杂度→快速开发(多平台重复)<br/>体验与开发的平衡·合适原则"]
C --> D["组件化/容器化<br/>复杂度→超级App可扩展性<br/>演化原则(仅大厂适用)"]
D --> E["跨平台App(RN/Weex/Flutter)<br/>复杂度→减少重复开发投入<br/>简单原则(尚不成熟)"]
可扩展的基本思想都是“拆”,但 App 与后端有两个本质区别:App 面向用户,再怎么拆对用户也只能是同一个 App,后端则可以拆成成百上千个服务;App 内各业务必须使用相同的技术栈才能集成,后端不同服务可以用不同技术栈。正因为对外呈现单一、技术栈统一,App 的拆分发展出组件化、容器化等专门形式:把超级 App 拆成遵循统一规范、可独立开发测试上线的组件,组件间通过消息系统通信实现隔离。
组件化和容器化在规范、拆分和团队协作上基本一致:都把超级 App 拆成遵循预定规范的组件,各自独立开发、测试、上线,组件间通过消息系统通信,避免团队间相互影响。真正的区别在发布方式:组件化是静态发布,组件开发测试完后跟随 App 的某个版本统一上线;容器化是动态发布,容器可以动态加载组件,组件准备好就能直接发布,不必等固定版本。容器化把单个组件的发布节奏从 App 整体版本中解耦出来。
除 Web App 外,各种 App 架构都要为 Android 和 iOS 各开发一遍,因此出现了 React Native、Weex、Flutter 等跨平台方案。书中是 2018 年的判断:这些方案当时还不成熟,体验与原生有差距,Airbnb 也宣布放弃 React Native 回归原生。可迁移的是稳定的权衡:跨平台省下重复开发成本,代价可能是部分体验;是否采用看业务对体验的敏感度,并按当下框架的实际成熟度重新评估。
业务架构的实现是设计与落地交替上升的过程:设计从战略出发,梳理目标、发掘主动或被动的能力需求,用价值链构建能力布局,甚至反过来检验和调整战略;落地则用业务架构驱动 IT 设计、协调实施,并在实施中做最终调整。所谓“技术引领业务”,不是 IT 直接把新技术抛给业务琢磨,而是先把对新技术的理解通过业务架构设计引发业务变化,再做开发。
Rackspace为支持技术人员查询邮件日志,先后构建了三代功能相同但架构完全不同的系统:本地脚本grep查询、中央关系数据库、分布式文件系统+Hadoop并行索引。三代系统证明了同一查询功能可以由不同架构实现——基本功能相同并不唯一决定系统结构,选择哪种取决于团队愿意在可修改性、可伸缩性、延迟之间做何种取舍,而不是功能需求本身决定架构。
结构图:
flowchart LR
V1["版本1:本地日志文件<br/>SSH+grep逐台查询<br/>仅工程师可用,随规模增长开销明显"] --> V2["版本2:中央数据库<br/>日志汇总入关系库,Web界面查询<br/>单机数据库成瓶颈,模糊查询被禁用"]
V2 --> V3["版本3:索引簇<br/>Hadoop分布式存储+并行索引<br/>可伸缩性大幅提升,但索引数据约滞后15分钟,已有索引的查询数秒返回"]
运维架构不是部署与维护动作的集合,而是对产品运行所依赖的客户端、服务器和系统软件进行整体规划与持续治理,目标贯穿服务生命周期,并同时平衡成本、稳定、安全与效率。这个边界把运维从末端保障提升为产品运行体系的设计工作。
从运维转向SRE不能简化为“学会写代码”。转型还要求走到业务前线、具备团队级工程开发经验、承担性能目标、挖掘基础设施的业务价值,并建立跨团队共同负责稳定性的工作方式。职位名称改变而协作和评价机制不变,转型通常只会停留在表面。
技术方案没有脱离场景的“最好”,只有在业务目标、SLA、人力、成本与技术债约束下的适合。追逐新技术会增加学习和维护成本,也可能削弱稳定性;合理做法是在可靠性底线之上评估其业务增益,并提前明确未来偿还技术债的责任。
SRE金字塔把能力建设排成由基础保障到用户价值的七层顺序:上一层依赖下一层持续有效,不能跳过监控与事故学习直接追求高级能力。沟通不是独立层级,而是贯穿所有层级的协作条件,使经验、决策和反馈能在团队间流动。
结构图:
flowchart BT
A[监控] --> B[事故响应]
B --> C[事后回顾]
C --> D[测试与发布]
D --> E[容量规划]
E --> F[开发]
F --> G[用户体验]
H[沟通贯穿并支撑每一层] -.-> A
H -.-> D
H -.-> G
程序员评价工作价值最容易停在第一层——功能强大、技术新颖。真正价值需往上追问:第二层对应哪个非功能性质量(可扩展性、高性能等);第三层给公司带来什么业务结果(收入、留存、成本);第四层回到公司盈利本质——技术投入最终服务于开源或节流。发散:以价值为中心的管理防止团队陷入”无效忙碌”——说不清工作对应第三四层价值,很可能是在正确地做没意义的事。
开放哪些接口、保留哪些内部实现,是分层的产业选择。原书以Android/iOS、Foundry/Fabless及云厂商定制芯片作历史比较,说明对外互操作和内部差异化可以同时存在。这些说明性案例不能证明开放必然换来市场规模,或封闭必然带来更高利润;还需要考察标准、投入、规模和价值获取位置,不能把整个生态简单归成全开放或全封闭。
App 后台架构先回答三个问题:业务是什么、会遇到什么约束、有哪些技术方案能处理这些约束。把架构看成业务问题到技术组合的映射,能避免一上来讨论框架名,也能让后续演进围绕真实瓶颈而不是个人偏好。
早期架构的目标是快速上线验证业务,中期才逐步补高性能和高可用,复杂阶段再做服务拆分和技术转型。架构演进由业务规模驱动,过早追求完美会拖慢产品验证。
点击箭头逐层展开,点击卡片标题查看详情。路径上下文仅用于连接层级,不计入主题卡片数。
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 5/7
97 张卡片
来源书籍
系统架构类
书籍类型:未标注
清单覆盖 7/7
52 张卡片
来源书籍
软件架构方法论类
书籍类型:经典原理
清单覆盖 7/7
358 张卡片
来源书籍
书籍类型:经典原理
290 张卡片
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 7/7
206 张卡片
来源书籍
软件架构方法论类
书籍类型:未标注
清单覆盖 6/6
45 张卡片
来源书籍
框架类
书籍类型:工程实践
清单覆盖 8/8
32 张卡片
来源书籍
书籍类型:经典原理
312 张卡片
来源书籍
云原生微服务实战类
书籍类型:工程实践
清单覆盖 5/5
42 张卡片
来源书籍
书籍类型:未标注
398 张卡片
来源书籍
云基础设施平台类
书籍类型:工程实践
清单覆盖 7/7
45 张卡片
来源书籍
云基础设施平台类
书籍类型:工程实践
清单覆盖 6/6
44 张卡片
来源书籍
人机对话系统设计类
书籍类型:工程实践
清单覆盖 6/6
39 张卡片
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 7/7
100 张卡片
来源书籍
软件架构方法论类
书籍类型:未标注
清单覆盖 7/7
186 张卡片
来源书籍
系统架构类
书籍类型:未标注
清单覆盖 6/6
92 张卡片
来源书籍
系统架构类
书籍类型:经典原理
清单覆盖 7/7
218 张卡片
来源书籍
企业大数据建设类
书籍类型:工程实践
清单覆盖 7/7
102 张卡片
来源书籍
领域建模类
书籍类型:经典原理
清单覆盖 6/6
94 张卡片
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 6/6
94 张卡片
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 5/6
44 张卡片
来源书籍
框架类
书籍类型:工程实践
清单覆盖 5/5
52 张卡片
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 7/7
121 张卡片
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 6/7
122 张卡片
来源书籍
书籍类型:未标注
240 张卡片
来源书籍
系统架构类
书籍类型:未标注
清单覆盖 5/7
194 张卡片
来源书籍
系统架构类
书籍类型:未标注
类别清单尚未核对
317 张卡片
来源书籍
书籍类型:未标注
357 张卡片
来源书籍
书籍类型:工程实践
清单覆盖 7/7
304 张卡片
来源书籍
混合云/云计算平台架构类
书籍类型:速查手册
清单覆盖 9/9
38 张卡片
来源书籍
书籍类型:未标注
71 张卡片
来源书籍
书籍类型:未标注
53 张卡片
来源书籍
系统架构类
书籍类型:未标注
清单覆盖 6/6
146 张卡片
来源书籍
软件架构方法论类
书籍类型:未标注
类别清单尚未核对
334 张卡片
来源书籍
软硬件协同与硬件加速类
书籍类型:未标注
类别清单尚未核对
274 张卡片
来源书籍
书籍类型:工程实践
57 张卡片
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 6/7
304 张卡片
主题索引
比较微服务拆分的边界依据、粒度与非业务因素,以及从单体演进和持续重组的策略。
主题索引
比较缓存穿透、雪崩、热点等问题的成因与应对方案。
主题索引
比较内部与外部一致性、XA/2PC/3PC、CAP 与 BASE,以及可靠事件队列、TCC、SAGA、AT 等柔性事务方案。
主题索引
比较边车代理、通信可靠性演进、流量劫持、xDS 与控制平面产品,以及网格层的安全与标准化。
主题索引
比较功能放在软件还是硬件的判断依据:灵活性与效率、迭代节奏、规模与成本、ASIC/FPGA 配比、接口设计与集成形态,以及软件定义硬件与软硬件融合的差异。
主题索引
比较架构师所需的判断力、执行力、创新力及其积累方式与成长阶段。