数据密集型应用系统设计 - 可靠、可扩展、可维护的应用系统 - 《Architect - 架构师之路》

认识数据系统

我们需要认识到，当今许多新兴应用都属于数据密集型（data-intensive) 而不是计算密集型（compute-intensive）。对应这些类型的应用，CPU的处理能力往往不是第一限制性因素，关键在于数据量，数据的复杂度及数据的快速多变性。

一种数据系统架构：包含多个不同的组件

当出现意外情况，如硬件，软件故障，人为失误等，系统应该可以继续正常运转：虽然性能可能降低，但确保功能正确。以下列出几种常见的类型及解决方案概要。

冗余硬盘，服务器配置双电源，热插拔CPU，数据中心添加备用电源，发电机

认真检查依赖的假设条件与系统之间的交互，全面测试，进程隔离，允许进程崩溃并自动重启，反复评估，监控

设计和构建软件都是由人来完成，也是有人来运维，即使有时意图是好的，但人却无法做到万无一失。假定人是不可靠的，那么如何保证系统的可靠性呢？可以尝试结合以下多种方法：

以最小出错的方式来设计系统。列入精心设计抽象层，API及其管理界面，使“做正确的事”变得轻松容易，但搞坏或异常操作变得复杂。
想办法分离最容易出错的地方，容易引发故障的接口。特别是提供一个功能齐全但非生产用的沙箱环境，人们可以放心的尝试，体验，包括导入真实的数据，万一出现问题，不会影响真实的用户。
充分的测试：从各单元测试到全系统集成测试以及手动测试，对于覆盖正常操作中很少出现的边界条件尤为重要。
当出现人为失误时，提供快速的恢复机制以尽量减少故障影响。例如快速回滚配置改动，滚动发布新代码
设置详细而清晰的监控系统，包括性能指标与错误率。
推行管理流程并加以培训。
可扩展性
随着规模的增长，例如数据量，流量，复杂性。系统应以合理的方式来匹配这种增长。
系统负载能力。描述负载（QPS，缓存命中率，活跃用户数量），描述性能（吞吐、TP、SLA）

随着时间的推移，虚的新的人员参与到系统开发和运维，已维护现有功能或适配新场景新需求等，系统都应该高效运转。
关注软件系统的三个设计原则：