高可用架构(第1卷) PDF 全书超清版

这书由数十位一线架构师的实践活动与工作经验凝固而成，选料兼具专业性、创新性与技术专业深度。各技术性重点，均由具有象征性的专家或实践活动先行者撰文深度分析，相互构成“高可用性”的全局视线与领跑高度，內容包含精华实例、分布式系统原理、电子商务构架等最火专题讲座，及云计算技术、器皿、运维管理、互联网大数据、安全性等重中之重方位。不但架构师能够从这当中获益，别的IT、大数据技术就业者一样能够获得提高

目录

• 第1 章 高可用架构案例精选 1
• 郭斯杰／1.1 Twitter 高性能分布式日志系统架构解析 1
• 1.1.1 为什么需要分布式日志. 1
• 1.1.2 Twitter 如何考虑这个问题 4
• 1.1.3 基于Apache BookKeeper 构建DistributeLog 5
• 1.1.4 DistributeLog 案例分享13
• 1.1.5 疑问与解惑.13
• 颜国平／1.2 腾讯基于用户画像大数据的电商防刷架构.16
• 1.2.1 背景介绍16
• 1.2.2 黑产现状介绍16
• 1.2.3 腾讯内部防刷架构18
• 1.2.4 腾讯大数据收集维度.20
• 1.2.5 腾讯大数据处理平台——魔方21
• 1.2.6 疑问与解惑.24
• 王渊命／1.3 如何设计类似微信的多终端数据同步协议：Grouk 实践分享.26
• 1.3.1 移动互联网时代多终端数据同步面临的挑战26
• 1.3.2 多终端数据同步与传统消息投递协议的差异27
• 1.3.3 Grouk 在多终端数据同步协议上的探索实践.28
• 1.3.4 疑问与解惑.32
• 周 洋／1.4 如何实现支持数亿用户的长连消息系统：Golang 高并发案例33
• 1.4.1 关于push 系统对比与性能指标的讨论.33
• 1.4.2 消息系统架构介绍35
• 1.4.3 哪些因素决定推送系统的效果37
• 1.4.4 GO 语言开发问题与解决方案.38
• 1.4.5 消息系统的运维及测试41
• 1.4.6 疑问与解惑.42
• 唐福林／1.5 雪球在股市风暴下的高可用架构改造分享.46
• 1.5.1 雪球公司的介绍46
• 1.5.2 雪球当前总体架构47
• 1.5.3 雪球架构优化历程48
• 1.5.4 关于架构优化的总结和感想.53
• 1.5.5 疑问与解惑.54
• 麦俊生／1.6 亿级短视频社交美拍架构实战59
• 1.6.1 短视频市场的发展59
• 1.6.2 美拍的发展.60
• 1.6.3 短视频所面临的架构问题61
• 1.6.4 为支持亿级用户，美拍架构所做的一些改进62
• 1.6.5 后续发展68
• 刘道儒／1.7 微博“异地多活”部署经验谈69
• 1.7.1 微博异地多活建设历程69
• 1.7.2 微博异地多活面临的挑战70
• 1.7.3 异地多活的最佳实践.73
• 1.7.4 异地多活的新方向74
• 孙宇聪／1.8 来自Google 的高可用架构理念与实践75
• 1.8.1 决定可用性的两大因素76
• 1.8.2 高可用性方案77
• 1.8.3 可用性7 级图表80
• 1.8.4 疑问与解惑.81
• 那 谁／1.9 深入理解同步／异步与阻塞／非阻塞区别84
• 1.9.1 同步与异步.84
• 1.9.2 阻塞与非阻塞85
• 1.9.3 与多路复用I/O 的联系86
• 第2 章 高可用架构原理与分布式实践.88
• 黄东旭／2.1 Codis 作者细说分布式Redis 架构设计88
• 2.1.1 Redis、Redis Cluster 和Codis88
• 2.1.2 我们更爱一致性90
• 2.1.3 Codis 在生产环境中的使用经验和坑91
• 2.1.4 分布式数据库和分布式架构.94
• 2.1.5 疑问与解惑.95
• 霍泰稳／2.2 给你介绍一个不一样的硅谷.98
• 2.2.1 Uber .98
• 2.2.2 Coursera.99
• 2.2.3 Airbnb102
• 2.2.4 硅谷行带给我的一些影响106
• 2.2.5 疑问与解惑106
• 金自翔／2.3 解耦的艺术——大型互联网业务系统的插件化改造110
• 2.3.1 插件化.110
• 2.3.2 如何处理用户交互115
• 2.3.3 如何处理数据.115
• 2.3.4 总结116
• 沈 剑／2.4 从零开始搭建高可用IM 系统117
• 2.4.1 什么是IM117
• 2.4.2 协议设计118
• 2.4.3 WEB 聊天室.122
• 2.4.4 IM 典型业务场景126
• 2.4.5 疑问与解惑126
• 陈宗志／2.5 360 分布式存储系统Bada 的架构设计和应用.129
• 2.5.1 主要应用场景.129
• 2.5.2 整体架构130
• 2.5.3 主要模块131
• 2.5.4 数据分布策略.132
• 2.5.5 请求流程133
• 2.5.6 多机房架构134
• 2.5.7 FAQ138
• 2.5.8 疑问与解惑139
• 张 亮／2.6 新一代分布式任务调度框架：当当Elastic-Job 开源项目
• 的10 项特性143
• 2.6.1 为什么需要作业（定时任务）.143
• 2.6.2 当当之前使用的作业系统144
• 2.6.3 Elastic-Job 的来历.144
• 2.6.4 Elastic-Job 包含的功能145
• 2.6.5 Elastic-Job 的部署和使用.146
• 2.6.6 对开源产品的开发理念.147
• 2.6.7 未来展望148
• 2.6.8 疑问与解惑149
• 付海军／2.7 互联网DSP 广告系统架构及关键技术解析152
• 2.7.1 优秀DSP 系统的特点152
• 2.7.2 程序化购买的特点153
• 2.7.3 在线广告的核心问题156
• 2.7.4 在线广告的挑战.156
• 2.7.5 DSP 系统架构.157
• 2.7.6 RTB 投放引擎的架构.158
• 2.7.7 DMP160
• 2.7.8 广告系统DMP 数据处理的架构.160
• 2.7.9 用户画像的方法.162
• 2.7.10 广告行业的反作弊.165
• 2.7.11 P2P 流量互刷166
• 2.7.12 CPS 引流作弊167
• 2.7.13 疑问与解惑168
• 王卫华／2.8 亿级规模的Elasticsearch 优化实战170
• 2.8.1 索引性能（Index Performance） .170
• 2.8.2 查询性能（Query Perofrmance） 171
• 2.8.3 其他173
• 2.8.4 疑问与解惑174
• 杨卫华／2.9 微博分布式存储考试题：案例讲解及作业精选179
• 2.9.1 访问场景179
• 2.9.2 设计180
• 2.9.3 sharding 策略180
• 2.9.4 案例精选181
• 李 凯／2.10 架构师需要了解的Paxos 原理、历程及实战.184
• 2.10.1 数据库高可用性难题184
• 2.10.2 Paxos 协议简单回顾.185
• 2.10.3 Basic Paxos 同步日志的理论模型186
• 2.10.4 Multi Paxos 的实际应用.187
• 2.10.5 依赖时钟误差的变种Paxos 选主协议简单分析190
• 2.10.6 疑问与解惑191
• 温 铭／2.11 OpenResty 的现在和未来193
• 2.11.1 OpenResty 是什么，适合什么场景下使用.193
• 2.11.2 某安全公司服务端技术选型的标准194
• 2.11.3 如何在项目中引入新技术.196
• 2.11.4 如何入门以及学习的正确方法197
• 2.11.5 OpenResty 中的测试和调试.199
• 2.11.6 NginScript 是否会替代OpenResty201
• 2.11.7 未来重点解决的问题和新增特性.202
• 2.11.8 开源社区建设203
• 2.11.9 疑问与解惑.203
• 第3 章 电商架构热点专题.205
• 张开涛／3.1 亿级商品详情页架构演进技术解密.205
• 3.1.1 商品详情页205
• 3.1.2 商品详情页发展史209
• 3.1.3 遇到的一些问题和解决方案220
• 3.1.4 总结228
• 3.1.5 疑问与解惑229
• 杨 超／3.2 大促系统全流量压测及稳定性保证——京东交易架构.232
• 3.2.1 交易系统的三个阶段232
• 3.2.2 交易系统的三层结构233
• 3.2.3 交易系统的访问特征234
• 3.2.4 应对大促的第1 步：全链路全流量线上压测.234
• 3.2.5 应对大促的第2 步：根据压力表现进行调优.237
• 3.2.6 异步和异构240
• 3.2.7 应对大促的第3 步：分流与限流242
• 3.2.8 应对大促的第4 步：容灾降级.244
• 3.2.9 应对大促的第5 步：完善监控.245
• 3.2.10 疑问与解惑246
• 吕 毅／3.3 秒杀系统架构解密与防刷设计.248
• 3.3.1 抢购业务介绍.248
• 3.3.2 具体抢购项目中的设计.249
• 3.3.3 如何解耦前后端压力250
• 3.3.4 如何保证商品库的库存可靠252
• 3.3.5 如何与第三方多方对账.254
• 3.3.6 项目总结255
• 3.3.7 疑问与解惑255
• 王富平／3.4 Lambda 架构与推荐在电商网站实践.257
• 3.4.1 Lambda 架构257
• 3.4.2 1 号店推荐系统实践260
• 3.4.3 Lambda 的未来262
• 3.4.4 思考263
• 3.4.5 疑问与解惑263
• 杨 硕／3.5 某公司线上真实流量压测工具构建.265
• 3.5.1 为什么要开发一个通用的压测工具265
• 3.5.2 常见的压测工具.266
• 3.5.3 构建自己的压测工具266
• 3.5.4 疑问与解惑271
• 第4 章 容器与云计算.273
• 陈 飞／4.1 微博基于Docker 容器的混合云迁移实战.273
• 4.1.1 为什么要采用混合云的架构273
• 4.1.2 跨云的资源管理与调度.275
• 4.1.3 容器的编排与服务发现.278
• 4.1.4 混合云监控体系.284
• 4.1.5 前进路上遇到的那些坑.286
• 4.1.6 疑问与解惑286
• 高 磊／4.2 互联网金融创业公司Docker 实践287
• 4.2.1 背景介绍287
• 4.2.2 容器选型287
• 4.2.3 应用迁移288
• 4.2.4 弹性扩容291
• 4.2.5 未来规划295
• 4.2.6 疑问与解惑295
• 高永超／4.3 使用开源Calico 构建Docker 多租户网络.297
• 4.3.1 PaaS 平台的网络需求.297
• 4.3.2 使用Calico 实现Docker 的跨服务器通讯.298
• 4.3.3 利用Profile 实现ACL301
• 4.3.4 性能测试306
• 4.3.5 Calico 的发展308
• 4.3.6 疑问与解惑309
• 彭哲夫／4.4 解析Docker 在芒果TV 的实践之路310
• 4.4.1 豆瓣时期310
• 4.4.2 芒果TV 的Nebulium Engine .311
• 4.4.3 Project Eru .312
• 4.4.4 细节313
• 4.4.5 网络314
• 4.4.6 存储315
• 4.4.7 Scale316
• 4.4.8 资源分配和集群调度316
• 4.4.9 服务发现和安全.317
• 4.4.10 实例317
• 4.4.11 总结318
• 4.4.12 疑问与解惑318
• 王关胜／4.5 微博基于Docker 的混合云平台设计与实践323
• 4.5.1 微博的业务场景及混合云背景.323
• 4.5.2 三大基础设施助力微博混合云.326
• 4.5.3 微博混合云DCP 系统设计核心：自动化、弹性调度328
• 4.5.4 引入阿里云作为第3 机房，实现弹性调度架构330
• 4.5.5 大规模集群操作自动化.331
• 4.5.6 不怕峰值事件.332
• 第5 章 运维保障333
• 王 康／5.1 360 如何用QConf 搞定两万以上服务器的配置管理.333
• 5.1.1 设计初衷333
• 5.1.2 整体认识334
• 5.1.3 架构介绍335
• 5.1.4 QConf 服务端336
• 5.1.5 QConf 客户端336
• 5.1.6 QConf 管理端340
• 5.1.7 其他341
• 5.1.8 疑问与解惑343
• 尤 勇／5.2 深度剖析开源分布式监控CAT347
• 5.2.1 背景介绍347
• 5.2.2 整体设计348
• 5.2.3 客户端设计349
• 5.2.4 服务端设计352
• 5.2.5 总结感悟357
• 杨尚刚／5.3 单表60 亿记录等大数据场景的MySQL 优化和运维之道359
• 5.3.1 前言359
• 5.3.2 数据库开发规范.360
• 5.3.3 数据库运维规范.363
• 5.3.4 性能优化368
• 5.3.5 疑问与解惑375
• 秦 迪／5.4 微博在大规模、高负载系统问题排查方法379
• 5.4.1 背景379
• 5.4.2 排查方法及线索.379
• 5.4.3 总结384
• 5.4.4 疑问与解惑385
• 秦 迪／5.5 系统运维之为什么每个团队存在大量烂代码387
• 5.5.1 写烂代码很容易.387
• 5.5.2 烂代码终究是烂代码388
• 5.5.3 重构