大型网站架构演变过程理解

web动静资源分离

浏览器的请求分为静态资源请求，与动态资源请求。

静态有：html文件，js脚本，css等。

动态有：jsp，php等

http服务器用来处理静态请求，应用服务器处理动态请求。分别可以称为前端服务器，后端服务器。

随着网站访问量变高，可以采取缓存处理。

1.客户端(浏览器)缓存，浏览器访问，先从缓存中获取页面。

2.前端页面缓存，前端服务器可以做一些前端的静态页面缓存。

3.页面片段缓存ESI(Edge side Includes)

前端负载均衡：

DNS负载均衡

在DNS服务器中，可以为多个不同的地址配置同一个名字，对于不同的客户机访问同一个名字，得到不同的地址

       反向代理

使用代理服务器将请求发给内部服务器，让代理服务器将请求均匀转发给多台内部web服务器之一，从而达到负载均衡的目的。

       基于NAT的负载均衡技术

LVS

F5

后端的应用服务器负载均衡

可以增加任务服务器，选择负载比较小的任务服务器

对数据库分库分表：

数据库读写 并发量比较大的时候，就会出现锁竞争，那么就可以把数据库进行分库。

数据库分区种类：

垂直分区：

垂直分区完之后每一张表还可能出现“大表”。



水平分区：



多数据中心+分布式存储与计算

目前有些大型数据，对一致性要求不高，没有必要保存在关系数据库中。关系数据库的事务，表的join，都是服务器性能杀手。

nosql支持并发性比关系型数据库好的多。

DFS分布式文件系统：

nosql的数据可能存在分布式文件系统中。

举例：淘宝上面有好多图片，图片比较小，如果存在磁盘中，磁盘查找磁头回去转动，效率比较低。

分布式文件系统可以是这样的，比如说分成块，将相关性很大的图片存在一个块中。操作系统在查找的时候，就相当于在查找一个大文件。当然这个块内部还存储了图片的存储信息。通过哈希算法，操作系统就可以快速找到图片，不需要磁盘上的消耗。

nosql基于key value存储，为了快速找到这些数据，nosql可以建立在分布式文件系统之上，减轻对I/O的访问。实际上，这些数据库也有自己的文件系统。

map/reduce算法，是分布式计算框架。是google的系统，基本现有nosql数据库都支持此算法。

google（GFS|BigTable | Map/Reduce)

map_reduce是什么呢？比如说我们要统计文件，这些文件太大没法加载到内存中。如果用一台机器效率比较低，那么就可以用多台机器去计算它。这就是分布式计算。

下面这段话来自知乎：

举个栗子，要斗地主了，需要从10副混一起的牌里找出一幅牌，10副牌分10堆给10个人去清，每个人分别把黑红梅方放一堆，这就是map
然后安排4个人每人去清一种花色的牌，从中找出1到K，这就是reduce了