分布式系統(tǒng)設(shè)計實踐

目　錄
第一部分　分布式系統(tǒng)概述
第1章　分布式系統(tǒng)概述　3
1．1　分布式系統(tǒng)的組成　4
1．2　分布式協(xié)調(diào)組件　6
1．3　分布式存儲系統(tǒng)　7
1．4　分布式計算系統(tǒng)　9
1．4．1　批處理分布式計算系統(tǒng)　9
1．4．2　流處理分布式計算系統(tǒng)　10
1．4．3　混合系統(tǒng)　11
1．5　分布式系統(tǒng)中節(jié)點之間的關(guān)系　11
第二部分　分布式系統(tǒng)的前端構(gòu)造技術(shù)
第2章　Web框架的實現(xiàn)原理　15
2．1　Web框架簡介　16
2．2　PHP Web MVC框架的工作原理　17
2．2．1　框架的入口　17
2．2．2　URL到控制器的映射　17
2．2．3　如何將模型傳給視圖　18
2．3　Java Web MVC框架原理　19
2．3．1　Java Servlet API 3．0　19
2．3．2　框架的入口　20
2．3．3　Spring 4．0框架　22
2．3．4　Java EE　29
2．3．5　Spring與Java EE的比較　30
2．4　Go語言Web開發(fā)　30
2．4．1　Go語言簡介　31
2．4．2　Go語言Web開發(fā)　32
第3章　反向代理與負(fù)載均衡　33
3．1　反向代理　33
3．1．1　Nginx　34
3．1．2　Tengine　35
3．1．3　Varnish　35
3．2　負(fù)載均衡　36
3．2．1　DNS負(fù)載均衡　36
3．2．2　硬件負(fù)載均衡　36
3．2．3　軟件負(fù)載均衡　37
第三部分　分布式中間件
第4章　分布式同步服務(wù)中間件　41
4．1　分布式一致性協(xié)議　42
4．2　分布式同步服務(wù)中間件簡介　43
4．3　分布式同步服務(wù)中間件的實現(xiàn)原理　44
4．3．1　架構(gòu)　44
4．3．2　如何消除單點故障　45
4．3．3　Chubby對外提供的API　45
4．3．4　數(shù)據(jù)庫　46
4．3．5　Chubby使用示例：集群的主服務(wù)器選舉　46
4．4　其他分布式同步服務(wù)中間件　46
4．4．1　Linux心跳機制　47
4．4．2　ZooKeeper　47
4．4．3　iNexus　48
4．5　分布式同步服務(wù)的應(yīng)用　48
第5章　關(guān)系型數(shù)據(jù)庫訪問中間件　53
5．1　數(shù)據(jù)庫訪問中間件的形式　54
5．2　數(shù)據(jù)庫訪問中間件的工作原理　55
5．3　著名的數(shù)據(jù)庫訪問中間件　56
5．3．1　MySQL代理　57
5．3．2　Cobar　58
5．3．3　TDDL　59
5．3．4　MyCAT　59
5．3．5　Heisenberg　59
5．4　數(shù)據(jù)庫訪問中間件的應(yīng)用　60
5．4．1　使用MySQL代理實現(xiàn)讀寫數(shù)據(jù)庫分離　60
5．4．2　研發(fā)自己的數(shù)據(jù)庫中間件，實現(xiàn)MySQL的分庫分表　60
第6章　分布式服務(wù)調(diào)用中間件　63
6．1　分布式服務(wù)調(diào)用中間件簡介　63
6．2　分布式服務(wù)調(diào)用中間件的實現(xiàn)原理　64
6．2．1　Dubbo的架構(gòu)　64
6．2．2　Dubbo中各組件的交互　65
6．2．3　Dubbo的實現(xiàn)及特點　66
6．2．4　Dubbox　66
6．3　其他分布式服務(wù)調(diào)用中間件　67
6．3．1　Protocol Buffers　67
6．3．2　gRPC　68
6．3．3　Thrift　69
6．3．4　Motan　72
6．3．5　sofa-pbrpc　73
6．4　分布式服務(wù)調(diào)用中間件的應(yīng)用　73
第7章　分布式消息服務(wù)中間件　75
7．1　分布式消息服務(wù)中間件簡介　75
7．2　分布式消息服務(wù)中間件的實現(xiàn)原理　77
7．2．1　消息模型　77
7．2．2　架構(gòu)　77
7．3　其他分布式消息服務(wù)中間件　79
7．3．1　阿里巴巴RocketMQ　79
7．3．2　Apache Pulsar　80
7．4　分布式消息服務(wù)中間件的應(yīng)用　82
7．4．1　秒殺系統(tǒng)中使用Kafka以削平峰值流量　83
7．4．2　使用Kafka流實現(xiàn)消息推送　83
第8章　分布式跟蹤服務(wù)中間件　85
8．1　分布式跟蹤服務(wù)中間件的實現(xiàn)原理　85
8．2　其他分布式跟蹤服務(wù)中間件　88
8．2．1　Twitter的Zipkin　88
8．2．2　Pinpoint　90
8．2．3　阿里巴巴的EagleEye　92
8．3　分布式跟蹤服務(wù)中間件的應(yīng)用　92
第四部分　分布式存儲技術(shù)
第9章　分布式文件系統(tǒng)　95
9．1　分布式文件系統(tǒng)的實現(xiàn)原理　96
9．2　其他分布式文件系統(tǒng)　102
9．3　分布式文件系統(tǒng)的應(yīng)用　104
第10章　基于鍵值對的NoSQL數(shù)據(jù)庫　107
10．1　NoSQL數(shù)據(jù)庫的CAP權(quán)衡　108
10．2　基于鍵值對的NoSQL數(shù)據(jù)庫的實現(xiàn)原理　108
10．2．1　谷歌的LevelDB　108
10．2．2　阿里巴巴的Tair　111
10．2．3　亞馬遜的Dynamo　111
10．3　其他基于鍵值對的NoSQL數(shù)據(jù)庫　115
10．3．1　Memcached　115
10．3．2　Redis　116
10．3．3　Berkeley DB　117
10．3．4　Facebook RocksDB　117
10．3．5　Riak　118
10．3．6　Voldemort　118
10．4　基于鍵值對的NoSQL數(shù)據(jù)庫的應(yīng)用　118
10．4．1　使用Redis緩存會話數(shù)據(jù)　118
10．4．2　使用Berkeley DB/LevelDB/RocksDB構(gòu)建自己的分布式存儲系統(tǒng)　119
10．4．3　使用Berkeley DB/LevelDB/RocksDB作為本地數(shù)據(jù)庫　119
第11章　基于列的NoSQL數(shù)據(jù)庫　121
11．1　基于列的NoSQL數(shù)據(jù)庫的實現(xiàn)原理　121
11．1．1　數(shù)據(jù)模型　121
11．1．2　架構(gòu)　124
11．2　其他基于列的NoSQL數(shù)據(jù)庫　126
11．2．1　Apache HBase　126
11．2．2　Apache Cassandra　127
11．2．3　Baidu Tera　128
11．3　基于列的NoSQL數(shù)據(jù)庫的應(yīng)用　128
11．3．1　HBase用于數(shù)據(jù)分析系統(tǒng)　128
11．3．2　HBase用于存儲呼叫記錄　129
第12章　基于文檔的NoSQL數(shù)據(jù)庫　131
12．1　基于文檔的NoSQL數(shù)據(jù)庫的實現(xiàn)原理　131
12．1．1　數(shù)據(jù)模型　131
12．1．2　自動分片　132
12．1．3　副本　132
12．1．4　索引　133
12．1．5　查詢路由　133
12．2　其他基于文檔的NoSQL數(shù)據(jù)庫　133
12．2．1　CouchDB　133
12．2．2　RethinkDB　134
12．3　基于文檔的NoSQL數(shù)據(jù)庫的應(yīng)用　135
第13章　其他NoSQL數(shù)據(jù)庫　137
13．1　基于圖的NoSQL數(shù)據(jù)庫Neo4j　138
13．1．1　數(shù)據(jù)模型　138
13．1．2　圖的存儲　138
13．1．3　高可用性　139
13．1．4　水平擴展　139
13．2　多數(shù)據(jù)模型NoSQL數(shù)據(jù)庫OrientDB　139
13．2．1　基本概念　140
13．2．2　圖的表示　140
13．2．3　節(jié)點與集群　140
13．2．4　分片　141
13．2．5　ACID支持　141
13．2．6　CAP的權(quán)衡　142
13．2．7　集群配置信息的管理　142
13．3　時間序列NoSQL數(shù)據(jù)庫　142
第14章　NewSQL數(shù)據(jù)庫　143
14．1　NewSQL和CAP理論　144
14．2　采用新架構(gòu)的NewSQL系統(tǒng)　145
14．2．1　谷歌的Megastore　145
14．2．2　谷歌的Spanner　146
14．2．3　谷歌的F1　147
14．2．4　阿里巴巴的OceanBase　148
14．2．5　其他采用新架構(gòu)的NewSQL數(shù)據(jù)庫　152
第五部分　分布式系統(tǒng)的構(gòu)建思想
第15章　云化　157
15．1　云化的技術(shù)基礎(chǔ)　157
15．1．1　虛擬機技術(shù)　157
15．1．2　容器技術(shù)　159
15．2　公有云能提供什么　159
15．3　云化對軟件架構(gòu)的要求　161
第16章　分布式系統(tǒng)的構(gòu)建思想　163
16．1　一切都可能失敗與冗余的思想　163
16．1．1　如何避免單點故障　164
16．1．2　避免單點故障的具體做法　165
16．2　水平而不是垂直擴展的思想　165
16．2．1　數(shù)據(jù)的水平擴展　166
16．2．2　服務(wù)的水平擴展　167
16．2．3　數(shù)據(jù)中心的水平擴展　167
16．3　盡可能簡單的思想　168
16．4　實用主義的思想　169
16．4．1　搜索引擎作為查詢工具使用　169
16．4．2　阿里巴巴的OceanBase的架構(gòu)　169
16．4．3　根據(jù)需要選擇最適合的開發(fā)工具和開發(fā)語言　170
16．4．4　根據(jù)需要選擇不同的存儲系統(tǒng)　170
16．5　異步化以解耦并削平峰值　170
16．6　最終一致性的思想　171
16．7　微服務(wù)的思想　171
16．8　MapReduce的思想　172
16．9　服務(wù)跟蹤的思想　172
16．10　資源池化的思想　173
第六部分　大型分布式系統(tǒng)案例研究及分析
第17章　大型分布式系統(tǒng)案例研究　177
17．1　案例研究之谷歌搜索系統(tǒng)　177
17．2　案例研究之淘寶網(wǎng)　182
17．3　案例研究之阿里云　185
17．4　案例研究之領(lǐng)英　189
第18章　關(guān)于分布式系統(tǒng)設(shè)計的思考　197
18．1　大型互聯(lián)網(wǎng)公司架構(gòu)的共性　197
18．2　為何大型互聯(lián)網(wǎng)公司的架構(gòu)如此相似　198
18．3　關(guān)于分布式監(jiān)控系統(tǒng)　199
18．4　Linux系統(tǒng)調(diào)用epoll()　200
18．5　關(guān)于插件設(shè)計模式的實現(xiàn)　201
18．5．1　C/C++語言的動態(tài)庫形式的實現(xiàn)　202
18．5．2　Java語言的插件模式實現(xiàn)　203
18．5．3　采用專用語言的插件模式實現(xiàn)　205
18．6　關(guān)于分布式服務(wù)調(diào)用中間件的實現(xiàn)　205
18．7　動態(tài)鏈接還是靜態(tài)鏈接　206
18．8　無所不用其極的壓榨性能手段　206
18．8．1　編譯后代碼的原生態(tài)化　206
18．8．2　定制的Linux內(nèi)核　207
18．8．3　定制的Java虛擬機　208
18．8．4　定制的MySQL　208
參考文獻　209
后記　211