思维导图备注

高可用架构（第1卷） - 高可用架构社区
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

1.8.2　高可用性方案

浏览 4 扫码
  • 小字体
  • 中字体
  • 大字体
2024-04-30 10:39:52
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 封面
  • 版权信息
  • 推荐序1　技术没有高低
  • 推荐序2
  • 推荐序3
  • 推荐序4
  • 前言
  • 第1章　高可用架构案例精选
    • 1.1　Twitter高性能分布式日志系统架构解析
      • 1.1.1　为什么需要分布式日志
      • 1.1.2　Twitter如何考虑这个问题
      • 1.1.3　基于Apache BookKeeper构建DistributeLog
      • 1.1.4　DistributeLog案例分享
      • 1.1.5　疑问与解惑
    • 1.2　腾讯基于用户画像大数据的电商防刷架构
      • 1.2.1　背景介绍
      • 1.2.2　黑产现状介绍
      • 1.2.3　腾讯内部防刷架构
      • 1.2.4　腾讯大数据收集维度
      • 1.2.5　腾讯大数据处理平台——魔方
      • 1.2.6　疑问与解惑
    • 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
      • 1.3.1　移动互联网时代多终端数据同步面临的挑战
      • 1.3.2　多终端数据同步与传统消息投递协议的差异
      • 1.3.3　Grouk在多终端数据同步协议上的探索实践
      • 1.3.4　疑问与解惑
    • 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
      • 1.4.1　关于push系统对比与性能指标的讨论
      • 1.4.2　消息系统架构介绍
      • 1.4.3　哪些因素能影响推送系统
      • 1.4.4　GO语言开发问题与解决方案
      • 1.4.5　消息系统的运维及测试
      • 1.4.6　疑问与解惑
    • 1.5　雪球在股市风暴下的高可用架构改造分享
      • 1.5.1　雪球公司的介绍
      • 1.5.2　雪球当前总体架构
      • 1.5.3　雪球架构优化历程
      • 1.5.4　关于架构优化的总结和感想
      • 1.5.5　疑问与解惑
    • 1.6　亿级短视频社交美拍架构实战
      • 1.6.1　短视频市场的发展
      • 1.6.2　美拍的发展
      • 1.6.3　短视频所面临的架构问题
      • 1.6.4　为支持亿级用户，美拍架构所做的一些改进
      • 1.6.5　后续发展
    • 1.7　微博“异地多活”部署经验谈
      • 1.7.1　微博异地多活建设历程
      • 1.7.2　微博异地多活面临的挑战
      • 1.7.3　异地多活的最佳实践
      • 1.7.4　异地多活的新方向
    • 1.8　来自Google的高可用架构理念与实践
      • 1.8.1　决定可用性的两大因素
      • 1.8.2　高可用性方案
      • 1.8.3　可用性7级图表
      • 1.8.4　疑问与解惑
    • 1.9　深入理解同步/异步与阻塞/非阻塞区别
      • 1.9.1　同步与异步
      • 1.9.2　阻塞与非阻塞
      • 1.9.3　与多路复用I/O的联系
  • 第2章　高可用架构原理与分布式实践
    • 2.1　Codis作者细说分布式Redis架构设计
      • 2.1.1　Redis、Redis Cluster和Codis
      • 2.1.2　我们更爱一致性
      • 2.1.3　Codis在生产环境中的使用经验和坑
      • 2.1.4　分布式数据库和分布式架构
      • 2.1.5　疑问与解惑
    • 2.2　给你介绍一个不一样的硅谷
      • 2.2.1　Uber
      • 2.2.2　Coursera
      • 2.2.3　Airbnb
      • 2.2.4　硅谷行带给我的一些影响
      • 2.2.5　疑问与解惑
    • 2.3　解耦的艺术——大型互联网业务系统的插件化改造
      • 2.3.1　插件化
      • 2.3.2　如何处理用户交互
      • 2.3.3　如何处理数据
      • 2.3.4　总结
    • 2.4　从零开始搭建高可用IM系统
      • 2.4.1　什么是IM
      • 2.4.2　协议设计
      • 2.4.3　Web聊天室
      • 2.4.4　IM典型业务场景
      • 2.4.5　疑问与解惑
    • 2.5　360分布式存储系统Bada的架构设计和应用
      • 2.5.1　主要应用场景
      • 2.5.2　整体架构
      • 2.5.3　主要模块
      • 2.5.4　数据分布策略
      • 2.5.5　请求流程
      • 2.5.6　多机房架构
      • 2.5.7　FAQ
      • 2.5.8　疑问与解惑
    • 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
      • 2.6.1　为什么需要作业（定时任务）
      • 2.6.2　当当之前使用的作业系统
      • 2.6.3　Elastic-Job的来历
      • 2.6.4　Elastic-Job包含的功能
      • 2.6.5　Elastic-Job的部署和使用
      • 2.6.6　对开源产品的开发理念
      • 2.6.7　未来展望
      • 2.6.8　疑问与解惑
    • 2.7　互联网DSP广告系统架构及关键技术解析
      • 2.7.1　优秀DSP系统的特点
      • 2.7.2　程序化购买的特点
      • 2.7.3　在线广告的核心问题
      • 2.7.4　在线广告的挑战
      • 2.7.5　DSP系统架构
      • 2.7.6　RTB投放引擎的架构
      • 2.7.7　DMP
      • 2.7.8　广告系统DMP数据处理的架构
      • 2.7.9　用户画像的方法
      • 2.7.10　广告行业的反作弊
      • 2.7.11　P2P流量互刷
      • 2.7.12　CPS引流作弊
      • 2.7.13　疑问与解惑
    • 2.8　亿级规模的Elasticsearch优化实战
      • 2.8.1　索引性能（Index Performance）
      • 2.8.2　查询性能（Query Performance）
      • 2.8.3　其他
      • 2.8.4　疑问与解惑
    • 2.9　微博分布式存储考试题：案例讲解及作业精选
      • 2.9.1　访问场景
      • 2.9.2　设计
      • 2.9.3　sharding策略
      • 2.9.4　案例精选
    • 2.10　架构师需要了解的Paxos原理、历程及实战
      • 2.10.1　数据库高可用性难题
      • 2.10.2　Paxos协议简单回顾
      • 2.10.3　Basic Paxos同步日志的理论模型
      • 2.10.4　Multi Paxos的实际应用
      • 2.10.5　依赖时钟误差的变种Paxos选主协议简单分析
      • 2.10.6　疑问与解惑
    • 2.11　OpenResty的现在和未来
      • 2.11.1　OpenResty是什么，适合什么场景下使用
      • 2.11.2　某安全公司服务端技术选型的标准
      • 2.11.3　如何在项目中引入新技术
      • 2.11.4　如何入门以及学习的正确方法
      • 2.11.5　OpenResty中的测试和调试
      • 2.11.6　NginScript是否会替代OpenResty
      • 2.11.7　未来重点解决的问题和新增特性
      • 2.11.8　开源社区建设
      • 2.11.9　疑问与解惑
  • 第3章　电商架构热点专题
    • 3.1　亿级商品详情页架构演进技术解密
      • 3.1.1　商品详情页
      • 3.1.2　商品详情页发展史
      • 3.1.3　遇到的一些问题和解决方案
      • 3.1.4　总结
      • 3.1.5　疑问与解惑
    • 3.2　大促系统全流量压测及稳定性保证——京东交易架构
      • 3.2.1　交易系统的三个阶段
      • 3.2.2　交易系统的三层结构
      • 3.2.3　交易系统的访问特征
      • 3.2.4　应对大促的第1步：全链路全流量线上压测
      • 3.2.5　应对大促的第2步：根据压力表现进行调优
      • 3.2.6　异步和异构
      • 3.2.7　应对大促的第3步：分流与限流
      • 3.2.8　应对大促的第4步：容灾降级
      • 3.2.9　应对大促的第5步：完善监控
      • 3.2.10　疑问与解惑
    • 3.3　秒杀系统架构解密与防刷设计
      • 3.3.1　抢购业务介绍
      • 3.3.2　具体抢购项目中的设计
      • 3.3.3　如何解耦前后端压力
      • 3.3.4　如何保证商品库的库存可靠
      • 3.3.5　如何与第三方多方对账
      • 3.3.6　项目总结
      • 3.3.7　疑问与解惑
    • 3.4　Lambda架构与推荐在电商网站实践
      • 3.4.1　Lambda架构
      • 3.4.2　1号店推荐系统实践
      • 3.4.3　Lambda的未来
      • 3.4.4　思考
      • 3.4.5　疑问与解惑
    • 3.5　某公司线上真实流量压测工具构建
      • 3.5.1　为什么要开发一个通用的压测工具
      • 3.5.2　常见的压测工具
      • 3.5.3　构建自己的压测工具
      • 3.5.4　疑问与解惑
  • 第4章　容器与云计算
    • 4.1　微博基于Docker容器的混合云迁移实战
      • 4.1.1　为什么要采用混合云的架构
      • 4.1.2　跨云的资源管理与调度
      • 4.1.3　容器的编排与服务发现
      • 4.1.4　混合云监控体系
      • 4.1.5　前进路上遇到的那些坑
      • 4.1.6　疑问与解惑
    • 4.2　互联网金融创业公司Docker实践
      • 4.2.1　背景介绍
      • 4.2.2　容器选型
      • 4.2.3　应用迁移
      • 4.2.4　弹性扩容
      • 4.2.5　未来规划
      • 4.2.6　疑问与解惑
    • 4.3　使用开源Calico构建Docker多租户网络
      • 4.3.1　PaaS平台的网络需求
      • 4.3.2　使用Calico实现Docker的跨服务器通信
      • 4.3.3　利用Profile实现ACL
      • 4.3.4　性能测试
      • 4.3.5　Calico的发展
      • 4.3.6　疑问与解惑
    • 4.4　解析Docker在芒果TV的实践之路
      • 4.4.1　豆瓣时期
      • 4.4.2　芒果TV的Nebulium Engine
      • 4.4.3　Project Eru
      • 4.4.4　细节
      • 4.4.5　网络
      • 4.4.6　存储
      • 4.4.7　Scale
      • 4.4.8　资源分配和集群调度
      • 4.4.9　服务发现和安全
      • 4.4.10　实例
      • 4.4.11　总结
      • 4.4.12　疑问与解惑
    • 4.5　微博基于Docker的混合云平台设计与实践
      • 4.5.1　微博的业务场景及混合云背景
      • 4.5.2　三大基础设施助力微博混合云
      • 4.5.3　微博混合云DCP系统设计核心：自动化、弹性调度
      • 4.5.4　引入阿里云作为第3机房，实现弹性调度架构
      • 4.5.5　大规模集群操作自动化
      • 4.5.6　不怕峰值事件
  • 第5章　运维保障
    • 5.1　360如何用QConf搞定两万台以上服务器的配置管理
      • 5.1.1　设计初衷
      • 5.1.2　整体认识
      • 5.1.3　架构介绍
      • 5.1.4　QConf服务端
      • 5.1.5　QConf客户端
      • 5.1.6　QConf管理端
      • 5.1.7　其他
      • 5.1.8　疑问与解惑
    • 5.2　深度剖析开源分布式监控CAT
      • 5.2.1　背景介绍
      • 5.2.2　整体设计
      • 5.2.3　客户端设计
      • 5.2.4　服务端设计
      • 5.2.5　总结感悟
    • 5.3　单表60亿记录等大数据场景的MySQL优化和运维之道
      • 5.3.1　前言
      • 5.3.2　数据库开发规范
      • 5.3.3　数据库运维规范
      • 5.3.4　性能优化
      • 5.3.5　疑问与解惑
    • 5.4　微博在大规模、高负载系统问题排查方法
      • 5.4.1　背景
      • 5.4.2　排查方法及线索
      • 5.4.3　总结
      • 5.4.4　疑问与解惑
    • 5.5　系统运维之为什么每个团队存在大量烂代码
      • 5.5.1　写烂代码很容易
      • 5.5.2　烂代码终究是烂代码
      • 5.5.3　重构不是万能药
      • 5.5.4　写好代码很难
      • 5.5.5　悲观的结语
    • 5.6　系统运维之评价代码优劣的方法
      • 5.6.1　什么是好代码
      • 5.6.2　结语
      • 5.6.3　参考阅读
    • 5.7　系统运维之如何应对烂代码
      • 5.7.1　改善可维护性
      • 5.7.2　改善性能与健壮性
      • 5.7.3　改善生存环境
      • 5.7.4　个人感想
  • 第6章　大数据与数据库
    • 6.1　某音乐公司的大数据实践
      • 6.1.1　什么是大数据
      • 6.1.2　某音乐公司大数据技术架构
      • 6.1.3　在大数据平台重构过程中踩过的坑
      • 6.1.4　后续的持续改进
    • 6.2　实时计算在点评
      • 6.2.1　实时计算在点评的使用场景
      • 6.2.2　实时计算在业界的使用场景
      • 6.2.3　点评如何构建实时计算平台
      • 6.2.4　Storm基础知识简单介绍
      • 6.2.5　如何保证业务运行的可靠性
      • 6.2.6　Storm使用经验分享
      • 6.2.7　关于计算框架的后续想法
      • 6.2.8　疑问与解惑
    • 6.3　百姓网Elasticsearch2.x升级之路
      • 6.3.1　Elasticsearch2.x变化
      • 6.3.2　升级之路
      • 6.3.3　优化或建议
      • 6.3.4　百姓之道
      • 6.3.5　后话：Elasticsearch5.0
      • 6.3.6　升级2.x版本成功，5.x版本还会远吗
      • 6.3.7　疑问与解惑
    • 6.4　Hadoop、HBase年度回顾
      • 6.4.1　Hadoop2015技术发展
      • 6.4.2　HBase2015年技术发展
      • 6.4.3　疑问与解惑
    • 6.5　解密Apache HAWQ——功能强大的SQL-on-Hadoop引擎
      • 6.5.1　HAWQ基本介绍
      • 6.5.2　Apache HAWQ系统架构
      • 6.5.3　HAWQ中短期规划
      • 6.5.4　贡献到Apache HAWQ社区
      • 6.5.5　疑问与解惑
    • 6.6　PostgresSQL HA高可用架构实战
      • 6.6.1　PostgreSQL背景介绍
      • 6.6.2　在PostgreSQL下如何实现数据复制技术的HA高可用集群
      • 6.6.3　Corosync+Pacemaker MS模式介绍
      • 6.6.4　Corosync+Pacemaker M/S环境配置
      • 6.6.5　Corosync+Pacemaker HA基础配置
      • 6.6.6　PostgreSQL Sync模式当前的问题
      • 6.6.7　疑问与解惑
    • 6.7　从NoSQL历史看未来
      • 6.7.1　前言
      • 6.7.2　1970年：We have no SQL
      • 6.7.3　1980年：Know SQL
      • 6.7.4　2000年：No SQL
      • 6.7.5　2005年：不仅仅是SQL
      • 6.7.6　2013年：No，SQL
      • 6.7.7　阿里的技术选择
      • 6.7.8　疑问与解惑
    • 6.8　MySQL5.7新特性大全和未来展望
      • 6.8.1　提高运维效率的特性
      • 6.8.2　优化器Server层改进
      • 6.8.3　InnoDB层优化
      • 6.8.4　未来发展
      • 6.8.5　运维经验总结
      • 6.8.6　疑问与解惑
    • 6.9　大数据盘点之Spark篇
      • 6.9.1　Spark的特性以及功能
      • 6.9.2　Spark在Hulu的实践
      • 6.9.3　Spark未来的发展趋势
      • 6.9.4　参考文章
      • 6.9.5　疑问与解惑
    • 6.10　从Postgres95到PostgreSQL9.5：新版亮眼特性
      • 6.10.1　Postgres95介绍
      • 6.10.2　PostgresSQL版本发展历史
      • 6.10.3　PostgresSQL9.5的亮眼特性
      • 6.10.4　PostgresSQL还可以做什么
      • 6.10.5　疑问与解惑
    • 6.11　MongoDB2015回顾：全新里程碑式的WiredTiger存储引擎
      • 6.11.1　存储引擎的发展
      • 6.11.2　复制集改进
      • 6.11.3　自动分片机制
      • 6.11.4　其他新特性介绍
      • 6.11.5　疑问与解惑
    • 6.12　基于Xapian的垂直搜索引擎的构建分析
      • 6.12.1　垂直搜索的应用场景
      • 6.12.2　技术选型
      • 6.12.3　垂直搜索的引擎架构
      • 6.12.4　垂直搜索技术和业务细节
      • 6.12.5　疑问与解惑
  • 第7章　安全与网络
    • 7.1　揭秘DDoS防护——腾讯云大禹系统
      • 7.1.1　有关DDoS简介的问答
      • 7.1.2　有关大禹系统简介的问答
      • 7.1.3　有关大禹系统硬件防护能力的问答
      • 7.1.4　有关算法设计的问答
      • 7.1.5　大禹和其他产品、技术的区别
    • 7.2　App域名劫持之DNS高可用——开源版HttpDNS方案详解
      • 7.2.1　HttpDNSLib库组成
      • 7.2.2　HttpDNS交互流程
      • 7.2.3　代码结构
      • 7.2.4　开发过程中的一些问题及应对
      • 7.2.5　疑问与解惑
    • 7.3　CDN对流媒体和应用分发的支持及优化
      • 7.3.1　CDN系统工作原理
      • 7.3.2　网络分发过程中ISP的影响
      • 7.3.3　防盗链
      • 7.3.4　内容分发系统的问题和应对思路
      • 7.3.5　P2P穿墙打洞
      • 7.3.6　疑问与解惑
    • 7.4　HTTPS环境使用第三方CDN的证书难题与最佳实践
    • 7.5　互联网主要安全威胁分析及应对方案
      • 7.5.1　互联网Web应用面临的主要威胁
      • 7.5.2　威胁应对方案
      • 7.5.3　疑问与解惑
      • 7.5.4　进一步阅读
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《高可用架构（第1卷） - 高可用架构社区》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度