Skip to content

Latest commit

 

History

History
4041 lines (2911 loc) · 284 KB

README-ru.md

File metadata and controls

4041 lines (2911 loc) · 284 KB
Raw

English | 日本語 | Русский | 简体中文 | 繁體中文

Помогайте переводить это руководство!

Пособие по Проектированию Cистем

l10n-sync-ru


Для чего это нужно

Чтобы узнать, как проектировать крупномасштабные системы.

Чтобы подготовиться к собеседованию по проектированию систем.

Научитесь проектировать крупномасштабные системы

Умение проектировать масштабируемые системы поможет улучшить ваши инженерные навыки.

Проектирование систем - это обширная тема. В сети есть огромное количество ресурсов по принципам проектирования систем.

Этот репозиторий представляет собой организованную коллекцию ресурсов, которые помогут вам научиться создавать системы на большом масштабе.

Учитесь у сообщества по разработке ПО с открытым исходным кодом

Это постоянно обновляемый проект с открытым исходным кодом.

Содействие очень приветствуется!

Подготовка к собеседованию по проектированию систем

Наряду с интервью по написанию кода, проектирование систем является обязательным компонентом процесса технического интервью во многих технологических компаниях.

Практикуйте общие вопросы по проектированию систем и сравнивайте свои результаты с примерами решений: обсуждения, код и диаграммы.

Дополнительные темы для подготовки к собеседованию:

Карточки Anki


Предоставленные карточки Anki могут быть использованы для повторения и запоминания ключевых концепций проектирования систем.

Ресурсы по программированию: интерактивные задачи

Ищете ресурсы для подготовки к Coding Interview?


Посмотрите другой репозиторий Interactive Coding Challenges, который тоже содержит набор карт Anki:

Содействуйте

Учитесь у сообщества.

Не стесняйтесь отправлять запросы на:

  • Исправление ошибок
  • Улучшение разделов
  • Добавление новых разделов
  • Перевод

Контент, который нуждается в некоторой доработке, помещается в раздел В разработке.

Ознакомьтесь с Принципами содействия.

Содержание

Обобщение различных тем по проектированию систем, включая преимущества и недостатки. Любое решение требует компромисса.

Каждый раздел содержит ссылки на более подробное описание.


Руководство

Предлагаемые темы для повторения в зависимости от того, сколько у вас есть времени для подготовки к интервью (мало, средне, много)

Imgur

Вопрос: Надо ли мне знать все из этого документа для интервью?

Ответ: Нет, не обязательно.

То, что вас будут спрашивать на интервью, зависит от:

  • Вашего опыта - сколько времени и чем вы занимались
  • Должности, на которую вы проходите собеседование
  • Компании, в которую вы проходите собеседование
  • Как повезёт

Ожидается, что более опытные кандидаты в общем случае знают больше о проектировании систем, а архитекторы и руководители команд знают больше, чем индивидуальные разработчики. Топовые IT компании скорее всего будут проводить один или более этапов собеседования по проектированию систем.

Начинайте широко, и углубляйтесь в некоторые области. Это поможет узнать больше о различных темах по проектированию систем. Корректируйте ваш план в зависимости от того, сколько у вас есть времени, какой у вас опыт, на какую должность вы проходите собеседование и в какие компании.

  • Короткий срок - настраивайтесь на широту покрытия тем. Тренируйтесь отвечать на некоторые вопросы.
  • Средний срок - настраивайтесь на широту и немного глубины покрытия тем. Тренируйтесь отвечать на многие вопросы.
  • Длительный срок - настраивайтесь на широту и больше глубины покрытия тем. Тренируйтесь отвечать на большинство вопросов.
Малый срок Средний срок Длительный срок
Смотрите Содержание, чтобы получить общее понимание, как работают системы 👍 👍 👍
Почитайте несколько статей из блогов компаний, в которые вы проходите собеседование - Блоги инженерных компаний 👍 👍 👍
Изучите несколько Архитектур действующих систем 👍 👍 👍
Как отвечать на вопросы на интервью по проектированию систем 👍 👍 👍
Вопросы на интервью по проектированию систем с решениями Немного Много Большинство
Вопросы на интервью по объектно-ориентированному программированию с решениями Немного Много Большинство
Дополнительные вопросы на интервью по проектированию систем Немного Много Большинство

Как отвечать на вопросы на интервью по проектированию систем

Это интервью является открытой беседой. Ожидается, что вы возьмете инициативу по его ведению на себя.

Изучите раздел Вопросов на интервью по проектированию систем с решениями и используйте шаги, описанные ниже.

Шаг 1: определите сценарии использования, ограничения и допущения

Соберите требования и оцените рамки задачи. Задавайте вопросы, чтобы уточнить варианты использования и ограничения. Обсудите допущения.

  • Кто будет использовать решение?
  • Как его будут использовать?
  • Сколько пользователей?
  • Что система должна делать?
  • Что система получает на вход, и что должно быть на выходе?
  • Какое количество данных система должна обрабатывать?
  • Сколько ожидается запросов в секунду?
  • Какое соотношение количества операций чтения и записи?

Шаг 2: Создайте высокоуровневый проект

Сделайте набросок проекта с наиболее важными компонентами:

  • Выделите главные компоненты и связи между ними
  • Обоснуйте ваши идеи

Шаг 3: Спроектируйте основные компоненты

Детализируйте каждый компонент. Например, если вас попросили разработать сервис сокращения URL, обсудите следующие моменты:

  • Генерация и хранения хэша оригинального URL
    • MD5 и Base62
    • Коллизии хэш-функции
    • SQL или NoSQL
    • Схема базы данных
  • Перевод хэшированного URL в оригинальный URL
    • Поиск в базе данных
  • API и объектно-ориентированное проектирование

Шаг 4: Увеличьте масштаб проекта

Определите узкие места и разберитесь с ними, учитывая данные ограничения. Например, для решения проблем с масштабируемостью, может ли вам понадобиться что-то из:

  • Балансировщик нагрузки
  • Горизонтальное масштабирование
  • Кэширование
  • Шардинг (sharding) базы данных

Обсудите потенциальные варианты и компромиссы. Разберитесь с узкими местами используя принципы проектирования масштабируемых систем.

Вычисления "на салфетке"

Вас могут попросить сделать оценку решения по некоторым параметрам. Разделы Приложения могут с этим помочь:

Источники и другие ссылки

Посмотрите следующие ссылки, чтобы лучше понимать, что можно ожидать (внешние ссылки без перевода):

Вопросы на интервью по проектированию систем с решениями

Распространенные задачи с обсуждением, кодом и диаграммами.

Решение находятся в папке solutions/.

Задача на проектирование
Pastebin.com (или Bit.ly) Решение
Лента и поиск в Twitter (или Facebook) Решение
Веб-сканер Решение
Система управление личными финансами Mint.com Решение
Структура данных для социальной сети Решение
Хранилище типа ключ-значение для поисковика Решение
Рейтинг продаж по категориям в Amazon Решение
Система, которая масштабируется до миллиона пользователей на AWS Решение
Добавьте задачу Добавить

Спроектируйте Pastebin.com (or Bit.ly)

Требования и решение

Imgur

Спроектируйте ленту Twitter или Facebook и поиск

Требования и решение

Imgur

Спроектируйте веб-сканер

Требования и решение

Imgur

Спроектируйте Mint.com

Требования и решение

Imgur

Спроектируйте структуру данных для социальной сети

Требования и решение

Imgur

Спроектируйте хранилище типа "ключ-значение" для поисковика

Требования и решение

Imgur

Спроектируйте ранжированирование товаров Amazon по категориям

Требование и решение

Imgur

Спроектируйте систему, которая масштабируются на миллионы пользователей с помощью AWS

Требования и решение

Imgur

Вопросы на интервью по объектно-ориентированному программированию с решениями

Распространенные задачи с обсуждением, кодом и диаграммами.

Решение находятся в папке solutions/.

Внимание, этот раздел находится в стадии разработки

Задачи на проектировние
Хэш таблица Решение
Кэширование с удалением давно используемых (Least recently used - LRU) Решение
Центр обработки звонков Решение
Набор карт Решение
Парковка Решение
Чат сервер Решение
Циклический массив Добавить
Добавьте задачу Добавить

Темы про проектированию систем: начало

Только начинайте изучать проектирование систем?

Для начала, вам понадобится понимание базовых принципов, как они используются, их преимущества и недостатки.

Шаг 1: Посмотрите видео-лекцию по масштабированию

Лекция по масштабированию в Гарварде

  • Темы:
    • Вертикальное масштабирование
    • Горизонтальное масштабирование
    • Кэширование
    • Балансировка нагрузки
    • Репликация баз данных
    • Партицирование баз данных

Шаг 2: Прочитайте статьи по масштабированию

Scalability

Следующие шаги

Далее, рассмотрим компромиссы в общем виде:

  • Производительность и масштабирование
  • Задержка и пропускная способность
  • Доступность и согласованность данных

Помните, что везде необходимы компромиссы.

Далее, рассмотрим более детально DNS, CDN, балансировщики нагрузки и другие темы.

Производительность и масштабируемость

Сервис считается масштабируемым, если его производительность растет пропорционально добавленным ресурсам. Обычно под увеличением производительности подразумевают увеличение количества обрабатываемых единиц работы. Однако, это может быть и обработка более крупных единиц работы, как, например, при росте объема данных.1

Иначе говоря:

  • если у вас проблемы с производительностью, ваша система медленная для одного пользователя;
  • если у вас проблемы с масштабируемостью, ваша система быстрая для одного пользователя, но становится медленной под большой нагрузкой.

Источники и дополнительные ссылки

Задержка и пропускная способность

Задержка - это время, необходимое для выполнения действия или достижения некоторого результата.

Пропускная способность - это количество таких действий или результатов в единицу времени.

Обычно следует стремиться к максимальной пропускной способности, при этом сохраняя задержку приемлемой.

Источники и дополнительные ссылки

Доступность и согласованность данных

Теорема CAP


Источник: CAP theorem revisited
Дополнительный источник: Wikipedia

В распределённый системах можно обеспечить только два из трех свойств, указанных ниже:

  • Согласованность данных (Consistency) - каждый запрос на чтение возвращает самые актуальные данные либо ошибку.
  • Доступность (Availability) - любой запрос возвращает результат, но без гарантии, что он содержит самую актуальную версию данных.
  • Устойчивость к разделению (Partition Tolerance) - система продолжает работать, несмотря на произвольное разделение узлов системы из-за проблем с сетью.

Сетевые соединения ненадежны, поэтому поддерживать устойчивость к разделению необходимо. Выбор придется делать между согласованностью данных и доступностью.

CP - Согласованность данных и Устойчивость к разделению

При таком подходе ожидание ответа от узла может привести к ошибке - истечению времени ожидания (timeout error). CP решение хорошо подходит для систем, где необходима атомарность операций чтения и записи.

AP - Доступность и Устойчивость к разделению

При таком решении запросы возвращают готовую версию данных, доступную на каком-либо узле распределённой системы на данный момент, хотя она может быть не самой актуальной. Операция записи может занять некоторое время, если придется ожидать восстановления потерянного соединения с одним из узлов.

AP решение подходит для систем, где система должна продолжать работать несмотря на внешние ошибки и допустима Согласованность в конечном счете.

Источники и дополнительные ссылки

Шаблоны реализации согласованности

В распределённой системе может существовать несколько копий одних и тех же данных. Для достижения согласованности данных, получаемых клиентским приложением, существует несколько подходов синхронизации этих копий. Вспомните определение согласованности из Теоремы CAP - каждая операция чтения возвращает либо самую последнюю записанную версию, либо ошибку.

Слабая согласованность

После операции записи данных, операция чтения необязательно вернёт эти данные сразу. Реализуется в системах это настолько, насколько представляется возможным.

Этот подход используется в таких системах, как memcached. Слабая согласованность применяется в таких системах как VoIP, видео чаты и многопользовательские игры реального времени. Например, если вы на звонке и на несколько секунд пропала связь, после восстановления связи вы не услышите, что говорили, пока связь отсутствовала.

Согласованность в конечном счете

После операции записи данных, операция чтения в конечном счете увидит эти данные (обычно в течение нескольких миллисекунд). Данных в таком случае реплицируются асинхронно.

Такой подход используется в таких системах, как DNS и электронная почта. Согласованность в конечном счете хорошо подходит для систем с высокой доступностью.

Сильная согласованность

После операции записи данных, операция чтения увидит эти данные. Данные реплицируются синхронно.

Такой подход используется в файловых системах и реляционных БД. Сильная согласованность хорошо подходит для систем, где требуются транзакции.

Источники и дополнительные ссылки

Шаблоны доступности

Для обеспечения высокой доступности существует два паттерна: отказоустойчивость и репликация.

Отказоустойчивость

Активный-пассивный

В таком режиме, активный и пассивный сервер, находящийся в режиме ожидания, обмениваются специальными сообщениями - heartbeats. Если такое сообщение не приходит, то пассивный сервер получает IP адрес активного сервера и восстанавливает работу сервера.

Время простоя определяется состоянием, в котором находится пассивный сервер:

  • горячее (hot) ожидание - сервер уже работает
  • холодное (cold) ожидание - сервер должен быть запущен.

Только активный сервер может обрабатывать клиентские запросы.

Активный-активный

В таком режиме оба сервера обрабатывают клиентские запросы, распределяя нагрузку между собой.

Если серверы имеют общий доступ, то публичные IP адреса обоих серверов должны быть зарегистрированы в DNS. Если серверы находятся во внутренней сети, то клиентское приложение должно знать про оба сервера.

Режим "активный-активный" также известен как "Master-Master".

Недостатки отказоустойчивости

  • Отказоустойчивость делает систему более сложной и требует большего количества аппаратного обеспечения.
  • Существует вероятность потери данных, если данных не успели реплицироваться во время переключения активного и пассивного серверов.

Репликация

Master-Slave и Master-Master

Эта тема обсуждается далее в разделе Базы данных:

Доступность в цифрах

Доступность обычно измеряется как соотношение времени, когда система доступна ко всему промежутку времени измерения. Обычно это количество девяток. Говорят, что сервис с доступностью 99.99%, имеет доступность в четыре девятки.

Доступность 99.9% - 3 девятки

Длительность Допустимое время простоя
Время простоя в год 8ч 45мин 57сек
Время простоя в месяц 43мин 49.7сек
Время простоя в неделю 10мин 4.8сек
Время простоя в день 1мин 26.4сек

Доступность 99.99% - четыре девятки

Длительность Допустимое время простоя
Время простоя в год 52мин 35.7сек
Время простоя в месяц 4мин 23сек
Время простоя в неделю 1мин 5сек
Время простоя в день 8.6сек

Параллельная и последовательная доступность

Если сервис состоит из нескольких компонентов, которые могут отказать в обслуживании, доступность сервиса зависит от того, как связаны эти компоненты - последовательно или параллельно.

Последовательная доступность

Общая доступность уменьшается, если два компонента (например, Foo и Bar) с доступностью менее 100% связаны последовательно:

Доступность (Общая) = Доступность (Foo) * Доступность (Bar)
Параллельная доступность

Общая доступность увеличивается, если два компонента с доступностью менее 100% связаны параллельно:

Доступность (Общая) = 1 - (1 - Доступность (Foo)) * (1 - Доступность (Bar))

Если Foo и Bar имеют доступность 99.9%, их общая доступность при параллельной связи будет 99.9999%.

Система доменных имен


Источник: DNS security presentation

Система доменных имен (DNS) преобразует доменное имя (например, www.example.com) в IP адрес.

DNS иерархична и имеет несколько корневых серверов. Информацию о том, какой DNS сервер надо использовать, предоставляется вашим маршрутизатором или интернет-провайдером. Нижестоящие DNS сервера кэшируют таблицы соответствия хостов и IP адресов, которые могут устаревать из-за задержки обновления. Результаты преобразования могут быть закэшированы браузером или операционной системой на определенное Время жизни (Time to live - TTL)

Типы записей:

  • Запись NS (name server) - указывает DNS сервер для вашего домена/поддомена.
  • Запись MX (mail exchange) - указывает сервера электронной почты для получения сообщений.
  • Запись A (address) - связывает имя с IP адресом.
  • CNAME (canonical) - связывает имя с другим именем, записью CNAME (example.com to www.example.com) или записью А.

Такие сервисы, как CloudFlare и Route 53 предоставляют полностью управляемые DNS сервисы. Некоторые DNS сервисы могут направлять трафик, используя различные методы:

Недостатки DNS

Источники и дополнительные ссылки

Сеть доставки содержимого (CDN)


Источник: Why use a CDN

Сеть доставки содержимого (Content Delivery Network, CDN) - это глобальная распределённая сеть прокси-серверов, которая доставляет содержимое с серверов, наиболее близко находящихся к пользователю. Обычно в CDN размещаются статические файлы, такие как HTML/CSS/JS, фотографии и видео. Некоторые сервисы, как, например Amazon CloudFront, поддерживают доставку динамического содержимого. DNS запрос на сайт даст ответ на какой CDN сервер клиент должен делать запрос.

Раздача содержимого из CDN может значительно улучшить производительность по двум причинам:

  • Пользователи будут получать содержимое из дата-центров, которые находятся ближе к ним
  • Вашим серверам не придется обрабатывать запросы, которые может обработать CDN

Push CDN

Содержимое Push CDN обновляется тогда, когда оно обновляется на сервере. Разработчик сайта загружает содержимое на CDN и обновляет соответствующие URL адреса, чтобы они указывали на CDN. Далее, можно сконфигурировать время жизни содержимого в CDN и когда оно должно быть обновлено. Загружается только новое или обновленное содержимое, минимизируя трафик и увеличивая объем хранящихся данных в CDN.

С таким типом CDN хорошо работают сайты с небольшим трафиком, либо сайты с содержимым, которое редко обновляется. Содержимое размещается в CDN один раз, вместо того, чтобы регулярно обновляться.

Pull CDN

Pull CDN загружает новое содержимое при первом обращении пользователя. Разработчик сайта оставляет содержимое на своем сервере, но обновляет адреса, чтобы они указывали на CDN. В результате, запрос обрабатывается медленнее, ожидая пока содержимое будет закэшировано в CDN.

Время жизни (Time to live - TTL) определяет как долго содержимое будет закэшировано. Pull CDN минимизирует объем хранящихся данных в CDN, но может привести к дополнительному трафику, если время жизни в CDN истекло, а файл на сервере изменен не был.

Pull CDN подходит для загруженных сайтов. Трафик в таком случае распределяется более равномерно и в результате в CDN хранится только то содержимое, к которому обращались недавно.

Недостатки CDN

  • Стоимость CDN может быть высока и зависит от объема трафика, но стоит иметь в виду и дополнительные расходы, которые будут, если CDN не использовать.
  • Содержимое в CDN может оказаться устаревшим, если оно будет обновлено до того, как истечет время жизни (TTL).
  • Исходные URL ссылки должны быть изменены и указывать на CDN.

Источники и дополнительные ссылки

Балансировщик нагрузки


Source: Scalable system design patterns

Балансировщик нагрузки распределяет входящие клиентские запросы между серверами приложений или баз данных, возвращая ответ от конкретного сервера клиенту, от которого пришел запрос. Балансировщики нагрузки используются для:

  • предотвращения запроса на неработающий сервер
  • предотвращения чрезмерной нагрузки ресурсов
  • избежания единой точки отказа

Балансировщики нагрузки могут быть аппаратными (дорогой вариант) или программными (например, HAProxy).

Дополнительные плюсы:

  • SSL-терминация - расшифровка входящих запросов и шифровка ответов; в таком случае бэкенд-сервера не тратят свои ресурсы на эти потенциально трудоемкие операции
  • Сохранение сессии - выдает куки и перенаправляет клиентский запрос на тот же сервер в случае, если сами веб-приложения не хранят сессии.

Для защиты от сбоев, можно использовать вместе несколько балансировщиков в режимах Активный-Пассивный или Активный-Активный.

Балансировщики могут направлять трафик опираясь на различные метрики, включая:

  • случайно
  • наименее загруженные сервер
  • сессия/куки
  • взвешенный циклический (Weighted round robin)
  • Layer 4
  • Layer 7

Layer 4 балансировка

Для распределения запросов балансировщики 4-го уровня используют Транспортный уровень модели OSI. Обычно, используются IP адрес и порт источника и получателя из заголовков пакетов, но не из их содержимого. Балансировщики этого уровня перенаправляют сетевые пакеты с серверов, используя Network Address Translation (NAT).

Layer 7 балансировка

Для распределения запросов балансировщики 7го уровня используют Прикладной уровень модели OSI. Для этого могут быть задействованы заголовок, сообщение и куки. Балансировщики на этом уровне прерывают сетевой трафик, сканируют сообщение, принимают решение, куда отправить запрос и открывают соединение с выбранным сервером. Например, они могут отправить видео запрос на видео-сервер, а биллинг запрос - на серверы с усиленной безопасностью.

Балансировка на 4м уровне быстрее и требует меньше ресурсов, чем на 7м уровне, но имеет меньшую гибкость. Хотя на современном аппаратном обеспечении эта разница может быть незаметна.

Горизонтальное масштабирование

Балансировщики нагрузки могут быть использованы для горизонтального масштабирования, улучшая производительность и доступность. "Масштабирование вширь", используя стандартные сервера, дешевле и приводит к более высокой доступности, чем "масштабирование вверх" одного сервера с более дорогим аппаратным обеспечением (Вертикальное масштабирование). Так же проще найти и специалиста, который умеет работать со стандартным аппаратным обеспечением, чем со специализированными Enterprise-системами.

Недостатки горизонтального масштабирования

  • Горизонтальное масштабирование увеличивает сложность системы и предполагает клонирование серверов:
    • Сервера не должны хранить состояние, например сессию или изображение пользователя
    • Сессии должны хранится в централизованном хранилище, например в Базе данных (SQL, NoSQL) или в Кэше (Redis, Memcached)
  • С увеличением количества серверов, принимающие сервера на следующем уровне должны обрабатывать больше одновременных запросов

Недостатки балансировщика

  • Балансировщик нагрузки может стать узким местом в производительности системы, если он неправильно настроен или его аппаратное обеспечение слишком слабое.
  • Балансировщик нагрузки позволяет избежать единой точки отказа, но увеличивает совокупную сложность всей системы.
  • Единственный балансировщик становится единой точкой отказа, использование нескольких балансировщиков еще больше усложняет систему.

Источники и дополнительные ссылки

Обратный прокси-сервер (Reverse proxy)


Source: Wikipedia

Обратный прокси-сервер - это веб-сервер, который централизует внутренние сервисы и предоставляет для них унифицированный интерфейс для доступа из публичной сети. Клиентские запросы перенаправляются на сервер, который их будет обрабатывать, и затем обратный прокси возвращает ответ клиенту.

Дополнительные преимущества:

  • Повышенная безопасность - скрывает информацию о бэкенд-серверах, блокирует IP адреса, ограничивает допустимое количество соединений на клиента
  • Повышенная масштабируемость и гибкость - клиентское приложение знает только IP адрес прокси-сервера, таким образом можно менять количество серверов или изменять их конфигурацию
  • SSL терминация - расшифровка входящих запросов и шифровка ответов; в таком случае бэкенд-серверы не тратят свои ресурсы на эти потенциально трудоемкие операции
  • Сжатие - сжатие ответов сервера клиенту
  • Кэширование - возвращает ответы для закэшированных запросов
  • Статическое содержимое - предоставляет статическое содержимое напрямую:
    • HTML/CSS/JS
    • Фотографии
    • Видео
    • и т.д.

Сравнение балансировщика нагрузки и обратного прокси-сервера

  • Использование балансировщика нагрузки полезно при наличии нескольких серверов. Часто балансировщики направляют трафик на сервера, выполняющие одинаковую функцию.
  • Обратный прокси-сервер может быть полезен даже при использовании одного веб-сервера или сервера приложений, предоставляет преимущества, описанные в предыдущей секции
  • Такие решения, как NGINX и HAProxy могут поддерживать как обратный прокси-сервер 7го уровня, так и балансировку нагрузки

Недостатки обратного прокси-сервера

  • Использование обратного прокси-сервера увеличивает сложность системы в целом
  • Использование одного прокси-сервера создает единую точку отказа. Настройка нескольких обратных прокси-серверов (Аварийное переключение) еще больше усложняет систему.

Источники и дополнительные ссылки

Уровень приложений


Source: Intro to architecting systems for scale

Разделение веб-уровня и уровня приложения (так же известного как уровень платформы) позволяет масштабировать и настраивать оба уровня независимо. Для добавления нового API может понадобиться добавление нового сервера на уровне приложения, но необязательно на веб-уровне. Принцип единственной ответственности подразумевает создание небольших и автономных сервисов, которые работают вместе. Небольшие команды с небольшими сервисами могут быстрее расти.

Worker-сервера на уровне приложений позволяют поддерживать Асинхронность.

Микросервисы

Микросервисная архитектура может быть описана как набор независимо развёртываемых, небольших, модульных сервисов. Каждый сервис работает как независимый процесс и взаимодействует на основе предустановленного легковесного протокола для обслуживания бизнес задачи. 1

Примеры микросервисов в Pinterest: профиль пользователя, подписчик, лента, поиск, загрузка фото и т.д.

Обнаружение сервисов (Service Discovery)

Ведя учет зарегистрированных имен, адресов и портов, такие системы как Consul, Etcd, и Zookeeper помогают сервисам находить друг друга. Проверки состояния Health checks позволяют убедиться в работоспособности сервера с помощью HTTP запроса. Consul и Etcd имеют Хранилище типа ключ-значение, которое может быть полезно для хранения конфигурации и других общих данных.

Недостатки уровня приложений

  • Добавление уровня приложений со слабо связанными сервисами требует другого подхода для архитектуры и процессов (в отличие от монолитной системы).
  • Микросервисная архитектура усложняет развертывание и эксплуатацию сервисов.

Источники и дополнительные ссылки

Базы данных


Source: Scaling up to your first 10 million users

Реляционные системы управления базами данных

Реляционная база данных (Relational database management system, RDBMS, SQL) - это набор данных, организованных в виде таблиц.

ACID - описывает набор свойств транзакций для реляционных баз данных.

  • Атомарность (Atomicity) - каждая транзакция выполняется либо целиком, либо не выполняется совсем (откатывается)
  • Согласованность (Consistency) - любая транзакция переводит базу данных из одного правильного состояния в другое правильное состояние, сохраняя согласованность данных
  • Изолированность (Isolation) - параллельное выполнение транзакций должно иметь такие же результаты, как и их последовательное выполнение
  • Стойкость (Durability) - после завершение транзакции, данные должны остаться сохранёнными

Существует ряд подходов для масштабирования реляционных баз данных:

  • репликация "Master-Slave"
  • репликация "Master-Master"
  • федерализация
  • шардирование
  • денормализация
  • оптимизация SQL запросов

Репликация Master-Slave

Ведущий сервер работает на чтение и запись, реплицируя записи на один или более ведомых серверов. Ведомый сервер работает только на чтение. Ведомые сервера могут реплицировать на дополнительные ведомые сервера (как в древовидной структуре). Если ведущий сервер перестает работать, система продолжает работать в режиме только на чтение до тех пор, пока один из ведомых серверов не станет ведущим, или пока новый ведущий сервер не будет создан.


Источник: Scalability, availability, stability, patterns

Недостатки репликации master-slave
  • Для переключения ведомого сервера в ведущий необходима дополнительная логика
  • См. Недостатки репликации для особенностей, характерных для подходов "Master-Slave" и "Master-Master".

Репликация Master-Master

Оба ведущих сервера работают на чтение и запись и координирует операции записи между собою. Если один из ведущих серверов перестаёт работать, система может продолжать работать на чтение и запись.


Источник: Scalability, availability, stability, patterns

Недостатки репликации Master-Master
  • Необходим балансировщик нагрузки или понадобиться изменить логику приложения для определения куда будет идти запись.
  • Большинство систем "Master-Master" либо слабо согласованы (нарушая ACID) либо имеют большую задержку из-за необходимости синхронизации.
  • При возрастании количества серверов для записи данных (ведущих) возрастает задержка и возникает необходимость разрешения конфликтов.
  • См. Недостатки репликации для пунктом, характерных для подходов "Master-Slave" и "Master-Master".
Недостатки репликации
  • Существует риск потери данных, если ведущий сервер перестает работать до того, как новые данные будут реплицированы на другие сервера.
  • Операции записи реплицируются на ведомые сервера. Если совершается много операций записи, ведомые сервера могут быть перегружены реплицированием этих операций, влияя на производительность операций чтения.
  • С ростом количества ведомых серверов увеличивается объем репликации, что приводит к задержке репликации.
  • На некоторых системах, запись на ведущем сервере может делаться в несколько потоков, выполняемых параллельно. Запись на ведомых серверах происходит последовательно в один поток.
  • Репликация требует большего количества аппаратного обеспечения и увеличивает общую сложность системы.
Источники и дополнительные ссылки

Федерализация


Source: Scaling up to your first 10 million users

Федерализация (или функциональное разделение) разбивает базы данных по функциям. Например, вместо одной монолитной базы данных, можно создать три отдельных базы данных: форум, пользователи и товары, что приведет к меньшему количеству операций чтения и записи в каждую базу данных и, как следствие, сократить задержку репликации. Меньшие базы данных позволяют хранить больше данных в памяти, что приводит к более оптимальному использованию кэширования. Из-за отсутствия единого ведущего сервера, операции записи можно делать параллельно, увеличивая пропускную способность.

Недостатки федерализации
  • Федерализация неэффективна, если схема базы данных требует больших функций или таблиц.
  • Необходимо изменить логику приложения, чтобы определить, с какими базами данных работать.
  • Операция соединения данных (JOIN) становится сложнее с server link.
  • Федерализация требует большего количества аппаратного обеспечения и увеличивает общую сложность системы.
Источники и дополнительные ссылки

Шардирование


Источник: Scalability, availability, stability, patterns

Шардирование распределяет данные между разными базами данных так, что каждая база данных управляет только частью данных. Например, с увеличением количества пользователей в базу данных пользователей добавляются новые серверы (шарды).

Аналогично Федерализации, шардирование уменьшает количество операций записи и чтения на каждый сервер, уменьшая репликацию и улучшая кэширование. Размер индексов также уменьшается, что приводит к улучшению производительности и более быстрым запросам. Если один из шардов выходит из строя, другие шарды продолжают работать. Во избежание потери данных можно ввести дополнительную репликацию данных. Так же как и с федерализацией, нет централизованного сервера на запись, что позволяет делать запись параллельно, увеличивая пропускную способность.

Распространённый подход шардирования таблицы пользователей основан на разделении по имени или местоположению.

Недостатки шардирования
  • Логика приложения должна быть адаптирована к работе с шардами, что может привести к более сложным SQL запросам.
  • Данные могут неравномерно распределяться среди шардов. Например, использование данных активных пользователей, находящихся на одном шарде, увеличивают нагрузку на него.
    • Балансировка усложняет систему. Функция шардирования, основанная на consistent hashing может уменьшить общий объем передаваемых данных.
  • Соединение данных (JOIN) из нескольких шардов сложнее
  • Шардирование требует большего количества аппаратного обеспечения и увеличивает общую сложность системы.
Источники и дополнительные ссылки

Денормализация

Денормализация - это попытка улучшить скорость чтения за счет производительности записи. Избыточные копии данных записываются в несколько таблиц для избежания сложных операций соединения данных. Некоторые СУБД, например PostgreSQL и Oracle поддерживают материализованное представление, которое выполняют задачу хранения избыточных данных и поддержку их согласованности.

При использовании Федерализации и Шардирования, данные становятся распределенными. В результате выполнения операций соединения данных, которые могут находится в разных дата-центрах, усложняется. Денормализация может позволить избавиться от необходимости в сложных JOIN запросах.

В большинстве систем, количество операций чтения значительно больше операций записи (100:1, или даже 1000:1). Операция чтения в результате сложного соединения данных может быть очень ресурсоемкой и требовать значительного времени, потраченного на операции c жестким диском.

Недостатки денормализации
  • Данные дублируются.
  • Ограничения могут помочь поддерживать избыточные копии данных в актуальном состоянии, но увеличивают сложность архитектуры базы данных
  • Денормализованная база данных под большой нагрузкой может работать медленнее, чем её нормализованный аналог.
Источники и дополнительные ссылки

Оптимизация SQL запросов

Оптимизация SQL запросов - это обширная тема, описанная во многих книгах.

Очень важно проводить бенчмарки и профилирование для имитации и обнаружения узких мест.

  • Бенчмарк - эталонный тест производительности, имитация высокой нагрузки с помощью таких средств, как ab.
  • Профилирование - отслеживание проблем производительность с помощью таких средства, как slow query log

Проведение бенчмарков и профилирования может указать на следующие шаги оптимизации.

Пересмотрите схему
  • Запись в MySQL на смежные блоки для быстрого доступа.
  • Используйте CHAR вместо VARCHAR для полей с фиксированной длиной.
    • CHAR обеспечивает быстрый произвольный доступ, в случае с VARCHAR необходимо найти конец строки для перехода на следующую.
  • Используйте TEXT для больших фрагментов текста (например, блог-посты). TEXT позволяет делать булевый поиск. Использование поля типа TEXT приводит к хранению указателя на диске, которые используется для поиска этого блока.
  • Используйте INT для больших чисел до 2^32.
  • Используйте DECIMAL для денежных единиц для избежания ошибок, связанных с представлением в формате с плавающей точкой.
  • Избегайте хранения больших BLOBS, вместо этого храните указатель на объект.
  • Установите ограничения NOT NULL, где возможно, для улучшения производительности (improve search performance).
Используйте хорошие индексы
  • Запрос столбцов (включая операторы SELECT, GROUP BY, ORDER BY, JOIN) может быть быстрее с индексами.
  • Индексы обычно представляют собой самобалансирующиеся B-деревья, которые хранят данные отсортированными, позволяют делать поиск, последовательный доступ, вставку и удаление с логарифмической сложностью.
  • Добавление индекса может потребовать хранения данных в памяти, требуя больше места.
  • Операции записи могут быть медленнее, так как индекс тоже необходимо обновлять.
  • При загрузке большого объема данных отключение индексов может помочь для ускорения этой операции, индексы в таком случае обновляются после загрузки данных.
Избегайте больших объединений
Разбиение таблиц
  • Разбейте таблицу, поместив часто используемые данные в отдельную таблицу, для того, чтобы хранить ее в памяти.
Настройте кэширование запросов
  • В некоторых случаях, кэширование запросов (query cache) может привести к проблемам с производительностью (performance issues).
Источники и дополнительные ссылки

NoSQL

NoSQL - это набор данных, представленных в виде базы ключ-значение, документориентированной базы данных, колоночной базы данных или графовой базы данных. Данные денормализованы и операции соединения данных обычно происходят на уровне кода. Большинство NoSQL хранилищ не поддерживают ACID свойства транзакций и характеризуются согласованностью в конечном счете.

Для описания свойств NoSQL баз данных используют BASE свойства. Согласно Теореме CAP, BASE придерживается доступности данных, а не их согласованности.

  • В целом доступные - система гарантирует доступность.
  • Неокончательное (soft) удаление - состояние ситемы может со временем измениться, даже без дополнительных операций.
  • Согласованность в конечном счете (eventual consistency) - данные в системе станут согласованными в течение некоторого времени, если в течение этого времени не будут приходить новые данные.

Вместе с выбором между SQL или NoSQL, надо сделать выбор типа NoSQL базы данных, которая подходит для вашего сценария использования. В следующей секции представлены базы ключ-значение, документориентированные базы данных, колоночные базы данных или графовые базы данных.

Хранилище типа ключ-значение

Абстракция: хэш-таблица

Хранилище типа ключ-значение обычно позволяет выполнять операции чтения и записи со сложностью O(1) и используют оперативную память или SSD. Эти хранилища могут поддерживать лексикографический порядок, позволяя эффективно выполнять запросы на диапазон ключей. Базы этого типа позволяют хранить мета-данные вместе с данными.

Такие хранилища имеют высокую производительность и обычно используют для простых моделей данных или для быстро изменяющихся данных, таких как кэши, находящиеся в оперативной памяти. Обычно они предоставляют ограниченный набор действий. Поэтому сложность смещается на уровень приложение в том случае, если необходимы дополнительные действия.

Хранилища типа ключ-значение являются основой для более сложных систем, таких как хранилище документов и, в некоторых случаях, графовые базы данных.

Источники и дополнительные ссылки

Хранилище документов

Абстракция: база данных "ключ-значение" с документами в качестве значения

Хранилище документов работает с документами (XML, JSON, бинарные и др.), где документ хранит все информацию об объекте. Такие хранилища предоставляют API или язык для запросов по внутренней структуре самих документов. Обратите внимание, что такая же функциональность может быть доступна и для метаданных, тем самым размывая разницу между этими двумя типа данных.

В зависимости от реализации, документы могут быть организованы по коллекциям, меткам, метаданным или директориям. Документы могут быть организованы и сгруппированы вместе, и одновременно иметь поля, которых нет в других документах.

Такие базы данных как MongoDB и CouchDB предоставляют SQL-подобный язык для выполнения сложных запросов. DynamoDB работает с данными в виде "ключ-значение" и с документами.

Хранилища документов предоставляют высокую гибкость и часто используются для работы с данными, структура которых может меняться.

Источники и дополнительные ссылки

Колоночное хранилище


Source: SQL & NoSQL, a brief history

Абстракция: вложенная ассоциативная таблица ColumnFamily<RowKey, Columns<ColKey, Value, Timestamp>>

Основной единицей данных в колоночных хранилищах является колонка - пара имя/значение. Колонки могут быть сгруппированы в семейства колонок (по аналогии с SQL таблицей). Следующим уровнем будет супер-семейство колонок. Значение каждой колонки можно получить по ключу строки. Все колонки с одинаковым ключом строки формируют строку. Каждое значение содержит временную метку для версионности и разрешения конфликтов.

Google представили Bigtable, как первую колоночную базу данных, которая была создана под влиянием HBase, часто используемой в экосистеме Hadoop, и Cassandra от Facebook. BigTable, HBase, and Cassandra и другие базы данных этого типа хранят ключи в лексикографическом порядке, позволяя делать эффективные запросы по диапазону ключей.

Колоночные хранилища имеют высокую доступность и масштабируемость. Часто они используются для очень больших объемов данных.

Источники и дополнительные ссылки

Графовая база данных


Source: Graph database

Абстракция: граф

В графовой базе данных, каждый узел это запись, а ребра это связь между двумя узлами. Графовые базы данных оптимизированы для представления сложных связей с множеством внешних ключей или связей многих ко многим.

Графовые базы данных имеют высокую производительность для моделей данных со сложными связями, как в социальных сетях. Они относительно новые и пока не используются широко. Может быть сложно найти средства и ресурсы для их разработки. Получить доступ ко многим графам можно только с помощью REST API.

Источники и дополнительные ссылки

Источники и дополнительные ссылки по NoSQL

SQL или NoSQL


Source: Transitioning from RDBMS to NoSQL

Причины использовать SQL:

  • Структурированные данные
  • Строгая схема
  • Реляционные данные
  • Необходимость сложных соединений (JOIN)
  • Транзакции
  • Понятные шаблоны масштабирования
  • Широко используются: разработчики, сообщество, код, средства и т.д.
  • Поиск по индексу очень быстрый

Причины использовать NoSQL:

  • Частично-структурированные данные
  • Динамическая или гибкая схема данных
  • Нереляционные данные
  • Нет необходимости в сложных соединениях (JOIN)
  • Хранение большого количества данных (TB или PB)
  • Очень большая нагрузка связанная с работой с данными
  • Большая пропускная способность для IOPS (количество операций ввода-вывода в секунду)

Примеры данных, хорошо подходящих для NoSQL:

  • Быстрое сохранение данных потоков кликов (clickstream) и данных журналирования (logs)
  • Список лидеров или общий счет
  • Временные данные, например, корзина
  • Таблицы с частым доступом (горячие таблицы)
  • Метаданные или данные для поиска
Источники и дополнительные ссылки по SQL or NoSQL

Кэширование


Источник: Scalable system design patterns

Кэширование улучшает время загрузки страницы и может уменьшить нагрузку на серверы и базы данных. При таком подходе, диспетчер вначале проверяет, делался ли запрос ранее, чтобы найти ответ, который уже на него возвращался, сократив при этом время выполнения текущего запроса.

Базы данных работают оптимальным образом при равномерном распределении операций чтения и записи между их партициями (partitions). Популярные элементы могут нарушить равномерность распределения, создавая узкие места. Добавление системы кэширование перед базой данных может позволить сгладить неравномерность поступающего трафика.

Кэширование на клиенте

Системы кэширования могут находиться на клиентской стороне (ОС или браузер), на сервере, или в выделенном уровне для кэширования.

Кэширование в CDN

Сети доставки содержимого (CDN) считаются одним из видов кэширования.

Кэширование на веб-сервере

Обратные прокси-сервера и такие системы кэширования как Varnish могут выдавать как статический, так и динамический контент. Веб-серверы тоже могут кэшировать запросы, возвращая ответы не обращаюсь к серверам приложений.

Кэширование в Базах данных

Базы данных в конфигурации по умолчанию обычно уже включают кэширование, которое оптимизировано для стандартных сценариев использования. Настройка этих параметров для конкретных сценариев использования данных может еще больше улучшить её производительность.

Кэширование в приложениях

Системы кэширования в памяти (например, Memcached и Redis) являются хранилищами типа "ключ-значение", которые находятся между вашим приложением и хранилищем данных. Они обычно быстрее, так как данныe хранятся в оперативной памяти, а не на жестком диске, как это обычно бывает в случае с базами данных. Количество оперативной памяти имеет больше ограничений, чем жесткий диск, поэтому алгоритмы очистки кэша, как например вытеснение давно неиспользуемых (Least recently used, LRU) помогают удалять из кэша "холодные" записи и оставлять в памяти "горячие".

Redis включает дополнительную функциональность:

  • возможность сохранения данных (из памяти на диск)
  • встроенные структуры данных, например сортированные множества или списки

Существует несколько уровней кэширования, которые можно обобщить в две категории: "запросы к БД" и "объекты":

  • записи БД
  • запросы
  • сформированные сериализуемые объекты
  • сформированный HTML

Как правило, стоит избегать кэширования файлов, так как такой подход усложняет клонирование и автоматическое масштабирование.

Кэширование на уровне запросов в базу данных

При таком подходе результат сохраняется с ключом, которым является вычисленное хэш-значение для запроса в базу данных. Такой подход имеет ряд недостатков:

  • Тяжело удалить закэшированный результат сложных запросов
  • Если меняется значение одной ячейки данных, необходимо удалить все запросы, которые могут содержать эти данные

Кэширование на уровне объектов

При таком подходе данные рассматриваются как объекты, аналогично объектам в коде приложения. Приложение собирает данные из базы в объект класса или структуру(ы) данных:

  • Объект удаляется из кэша, если структура данных, которую он представляет, изменилась
  • Возможна асинхронная обработка: новые объекты могут собираться из текущий версии закэшированных объектов

Что можно кэшировать как объекты:

  • Пользовательские сессии
  • Полностью сформированные веб-страницы
  • Потоки активности
  • Графовые данные пользователя

Когда обновлять кэш

Для каждого сценария использования необходимо определять, какая стратегия очистки кэша подходит наилучшим образом, так как количество данных, которые можно хранить в системе кэширования, ограничено.

Кэширование Cache-aside (кэш отдельно)


Источник: From cache to in-memory data grid

Приложение читает данных из хранилища и записывает в него. Система кэширования не взаимодействует с хранилищем. Приложение выполняет следующие действия:

  • Ищет элемент в кэше, которой там ещё нет
  • Загружает данные из БД
  • Добавляет элемент в кэш
  • Возвращает результат клиенту
def get_user(self, user_id):
    user = cache.get("user.{0}", user_id)
    if user is None:
        user = db.query("SELECT * FROM users WHERE user_id = {0}", user_id)
        if user is not None:
            key = "user.{0}".format(user_id)
            cache.set(key, json.dumps(user))
    return user

Обычно так используется Memcached.

Последующие запросы на чтение данных, находящихся в кэше, выполняются быстро. Такой подход также известен как ленивая загрузка. Только запрашиваемые данные попадают в систему кэширование, и не происходит её заполнения данными, которые не запрашиваются.

Недостатки Сache-aside
  • Если запрашиваемые данные отсутствуют в кэше, выполняется три дополнительных действия, которые могут привести к заметной задержке
  • Данные могут устареть, если они обновляются в БД. Для смягчение последствий этой проблемы используют время жизни (TTL), которое вызывает обновление элемента в кэше, либо делают сквозную запись
  • Когда выходит из строя сервер кэширования, он заменяется новым сервером с пустым кэшем, что увеличивает задержку.

Кэширование Write-through (сквозное)


Источник: Scalability, availability, stability, patterns

Приложение использует систему кэширования, как основной источник данных, считывая и записывая данные в него. Система кэширования в свою очередь записывает и считывает данные из БД:

  • Приложение добавляет и обновляет элемент в системе кэширования
  • Система кэширования синхронно записывает данные в БД
  • Возвращается результат

Код приложения:

set_user(12345, {"foo":"bar"})

Код системы кэширования:

def set_user(user_id, values):
    user = db.query("UPDATE Users WHERE id = {0}", user_id, values)
    cache.set(user_id, user)

В целом, подход со сквозной записью является медленным из-за операции записи, но последующие операции чтения выполняются быстро. Пользователи предпочитают такие системы из-за допустимой задержки при обновлении данных, но не их чтении. Данные в системе кэширования не устаревают.

Недостатки кэширования Write through
  • Когда добавляется новый сервер из-за отказа другого, либо в результате масштабирования, его кэш не содержит никаких элементов, пока данные не обновятся в БД. Использование "отдельного" кэша может помочь смягчить последствия этой проблемы
  • Большая часть записываемых данных может вообще не использоваться. Использование времени жизни данных (TTL) может смягчить последствия этой проблемы.

Кэширование Write-behind / write-back (отложенная запись)


Источник: Scalability, availability, stability, patterns

При таком подходе приложение делает следующее:

  • Добавляет/обновляет элемент в системе кэширования
  • Асинхронно делает запись в БД, улучшая скорость записи
Недостатки кэширования Write-behind
  • Возможна потеря данных, если система кэширования выйдет из строя до сохранения данных в БД.
  • Такую систему сложнее реализовать, чем "отдельный" или "сквозной" кэш.

Кэширование Refresh-ahead (предварительное обновление)


Источник: From cache to in-memory data grid

При таком подходе можно настроить автоматическое обновление закэшированных данных, к которым недавно обращались, не ожидая истечения их срока действия.

Кэширование методом "предварительного обновления" может уменьшить задержку, по сравнению с кэшем, который делает сквозное чтение, если можно точно определить, какие элементы могут быть запрошены в будущем.

Недостатки Refresh-ahead
  • Неточное определение элементов, которые могут понадобиться в будущем, может привести к ухудшению производительности.

Недостатки кэширования

  • Необходимость поддерживать согласованность данных в кэше и источнике данных, таком как БД, с помощью инвалидации кэша.
  • Инвалидация кэша является сложной задачей, и включает дополнительную задачу по определению времени, когда кэш нужно обновлять.
  • Необходимы изменения в приложении, например, добавление Redis или Memcached.

Источники и дополнительные ссылки

Асинхронность


Источник: Intro to architecting systems for scale

Асинхронные процессы позволяют сократить время запросов для трудоёмких операций по сравнению со случаями, когда эти операции выполняются синхронно. Они также могут помочь с выполнением времязатратных операций, таких как периодическое агрегирование данных.

Очереди сообщений

Очереди сообщений позволяют принимать, хранить и доставлять сообщения. Если операция слишком медленная для синхронного выполнения, можно использовать очередь сообщений со следующим рабочим процессом:

  • Приложение отправляет задачу в очередь, затем оповещает пользователя о состоянии задачи
  • Рабочий процесс (воркер) берет задачу из очереди, выполняет её и посылает сообщение о том, что задача выполнена

При таком подходе пользователь не заблокирован и задача выполняется в фоне. В это время, клиентское приложение может частично обработать данные и сделать видимость выполнения. Например, сразу после публикации вашего сообщения в соц. сети, оно может появится в вашей ленте, но фактическая доставка этого сообщения фолловерам может занять некоторое время.

Redis - может использоваться как простой брокер сообщений (message broker), но сообщения могут быть утеряны.

RabbitMQ - широко распространен, но потребует адаптации к "AMQP" протоколу и поддержки серверов для его развертывания.

Amazon SQS - полностью управляемый сервис, но может иметь большую задержку и возможность доставки сообщений дважды.

Очереди задач

Очереди задач принимают задачи и связанные с ними данные, выполняют их, и затем выдают их результаты. Они могут поддерживать планирование и использоваться для выполнения задач, которые требуют высоких вычислительных мощностей, в фоне.

Планирование есть в Celery, который в основном поддерживается на Python.

Обратное давление

Если очередь достигает больших размеров, ее размер может стать больше памяти, что приведет к запросу элементов, которых нет в кэше, увеличению количества операций чтения с жесткого диска и ухудшению производительности. Обратное давление может помочь, ограничивая размер очереди, поддерживая высокую пропускную способность и хорошее время отклика для задач, которые уже находятся в очереди. Как только очередь заполнится, клиентские приложения получают 503 код состояния HTTP ("Сервис недоступен"). Клиенты могут повторить запрос позже, в том числе и с экспоненциальной выдержкой.

Недостатки асинхронности

  • Для простых вычислений и процессов реального времени лучше подойдут синхронные операции, так как введение очередей может добавить задержку и усложнить систему.

Источники и дополнительные ссылки

Взаимодействие


Источник: OSI 7 layer model

HTTP (Hypertext transfer protocol)

HTTP - это метод для кодировки и передачи данных между клиентом и серверов. Этот протокол основан на модели запрос/ответ: клиенты делают запросы, серверы отвечают на них с соответствующим контентом и информацией о состоянии завершения запроса. HTTP самодостаточен, позволяя запросам и ответам свободно передаваться через множество маршрутизаторов и серверов посредников, которые выполняют балансировку, кэширование, шифрование и сжатие.

Стандартный HTTP запрос состоит из глагола (метода) и ресурса (конечной точки (endpoint)). Ниже приведены распространенные HTTP методы:

Метод Описание Идемпотентность* Безопасность Кэшируемость
GET Считывает ресурс Да Да Да
POST Считывает ресурс, или начинает какой-то процесс обработки данных Нет Нет Да, если ответ содержит информацию об актуальности данных
PUT Создает или замещает ресурс Да Нет Нет
PATCH Частично обновляет ресурс Нет Нет Да, если ответ содержит информацию об актуальности данных
DELETE Удаляет ресурс Да Нет Нет

*Может быть вызван несколько раз, при этом результат будет всегда одинаковым.

HTTP - это протокол уровня приложений, который построен на более низкоуровневых протоколах, таких как TCP и UDP.

Источники и дополнительные ссылки по HTTP

Transmission control protocol (TCP)


Источник: How to make a multiplayer game

TCP - это протокол с установкой соединения, работающий поверх межсетевого протокола IP. Соединение устанавливается и завершается с помощью рукопожатия. Гарантия доставки пакетов получателю в оригинальном порядке и без искажений основана на:

Если отправитель не получает правильного ответа, пакеты будут отправлены повторно. Если время ожидания истекает несколько раз, соединение разрывается. TCP также реализует контроль потока и отслеживание перегрузок. Такие гарантии вызывают задержки и обычно приводят к менее эффективной передаче по сравнению с UDP.

Для поддержки высокой пропускной способности, веб-сервера могут содержать большое количество открытых TCP соединений, что приводит к использованию большого количества оперативной памяти. Ресурсозатратным можем быть поддержание большого количества открытых соединений между потоками веб-сервера и, например, сервером Memcached. В этом случае может помочь использование пула соединений и UDP там, где он может быть применим.

TCP подходит для приложений, которым необходимы высокая надежность, но менее требовательным ко времени, например веб-серверы, базы данных, SMTP, FTP, SSH.

Используйте TCP (а не UDP) в случаях, когда необходимо:

  • сохранить данные неповрежденными
  • наилучшим образом использовать пропускную способность сети автоматически

User datagram protocol (UDP)


Источник: How to make a multiplayer game

Источники и дополнительные ссылки по TCP и UDP

UPD не требует соединения. Датаграммы (по аналогии с пакетами данных) гарантированы только на уровне датаграммы. Датаграммы могут быть доставлены в порядке, отличном от того, в котором они были отправлены, либо не доставлены совсем. UDP не поддерживает контроля перегрузок. Из-за отсутствия гарантий TCP, обычно UDP является более эффективным.

UDP поддерживает широковещательную передачу данных, отправляя датаграммы всем устройствам подсети. Это полезно использовать вместе с DHCP, так как с клиентом, который еще не получил IP адрес, нельзя установить TCP соединение.

UDP менее надежный, но работает хорошо для приложений реального времени, например, VoIP, видеочатов, потоковой передачи данных и мультиплеерных игр реального времени.

Используйте UDP (а не TCP) в случаях, когда:

  • вам необходима минимальная задержка передачи данных
  • данные, которые пришли поздно, хуже, чем потеря данных
  • вы хотите сами реализовать исправление ошибок

Удалённый вызов процедур (Remote procedure call, RPC)


Источник: Crack the system design interview

При использовании RPC, клиент вызывает выполнение процедуры в другом адресном пространстве, обычно на удаленном сервере. Эта процедура запрограммирована для использования, как локальный вызов, абстрагируя детали взаимодействия сервера и клиентского приложения. Удаленные вызовы обычно медленнее и менее надежны, чем локальные вызовы. Поэтому полезно отличать удаленные вызовы от локальных. Популярными RPC фреймворками являются Protobuf, Thrift, и Avro.

RPC - это протокол на основе запроса и ответа:

  • Клиентское приложение - вызывает клиентскую процедуру-заглушку. Параметры передаются в стек, также как и с вызовом локальной процедуры.
  • Клиентская процедура-заглушка - собирает идентификатор процедуры и её аргументы в сообщение для запроса.
  • Клиентский модуль взаимодействия - ОС отправляет сообщение с клиента на сервер.
  • Серверный модуль взаимодействия - ОС передает входящие пакеты серверной процедуре-заглушке.
  • Серверная процедура-заглушка - разбирает входящее сообщение, вызывает процедуру по полученному идентификатору и передаёт ей полученные аргументы.
  • Таким же образом, только в обратном порядке, идет ответ от сервера клиенту.

Примеры вызовов RPC:

GET /someoperation?data=anId

POST /anotheroperation
{
  "data":"anId";
  "anotherdata": "another value"
}

RPC сфокусированы на поведении системы. RPC обычно используются для достижения высокой производительности при внутренней передаче данных, так как можно использовать нативные вызовы, подходящие для ваших сценариев использования.

Используйте нативные библиотеки (SDK), когда:

  • вы знаете целевую платформу
  • вы хотите контролировать доступ к вашей логике
  • вы хотите контролировать работу с ошибками в вашей библиотеке
  • производительность и опыт конечного пользователя является вашим основным интересом.

REST API на основе HTTP часто используются для публичных API.

Недостатки RPC

  • клиентские приложения RPC становятся сильно связанными с сервисной реализацией.
  • необходимо делать новое API для каждой новой операции или сценария использования.
  • отладка (debug) вызовов RPC может быть непростой.
  • вы, возможно, не сможете использовать существующие технологии как есть "из коробки". Например, могут понадобиться дополнительные действия для того, чтобы убедиться, что RPC запросы закэшированы на серверах систем кэширования таких, как, например, Squid.

REST (Representational state transfer)

REST - это архитектурный стиль взаимодействия клиента и сервера, где клиент работает с ресурсами, управляемыми сервером. Сервер предоставляет представление ресурсов и действия для их управления, или получения нового представления. Любое взаимодействие не должно иметь состояния и должно быть кэшируемым.

Существует четыре характеристики REST-интерфейса:

  • Определение ресурса (URI в HTTP) - независимо от операции используется один и тот же URI.
  • Изменение представления - используйте методы, заголовки и тело.
  • Самодостаточное сообщение об ошибке (код состояния в HTTP) - используйте коды состояния и не изобретайте велосипед.
  • HATEOAS (HTML интерфейс для HTTP) - ваш веб-сервис должен быть доступен через браузер.

Пример REST запроса:

GET /someresources/anId

PUT /someresources/anId
{"anotherdata": "another value"}

REST ориентирован на предоставление данных. Он снижает связность между клиентом и сервером и часто используется для публичных API. REST использует обобщенный и унифицированный метод предоставления ресурсов через URI, представление через заголовки, и действия с помощью методов, таких как GET, POST, PUT, DELETE и PATCH. Не имея состояния, REST хорошо подходит для горизонтального масштабирования и партицирования.

Недостатки REST

  • Учитывая, что REST ориентирован на предоставление данных, этот подход может не подойти, если ресурсы недостаточно организованы или их можно получить в виде простой иерархии. Например, возвращение всех обновленных за последних час записей, соответствующих определенному набору событий не так просто представить в виде пути. Скорее всего, в таком случае реализация будет включать сочетание пути URI, параметры запросов и, возможно, тело запроса.
  • REST обычно полагается на несколько методов (GET, POST, PUT, DELETE и PATCH), что не всегда может подходить для вашего сценария использования. Например, нет определенного метода для представления перемещения документов с истекшим сроком в архивную папку.
  • Получение сложных ресурсов с вложенными иерархиями требует нескольких повторных запросов между клиентов и сервером, например, получение контента записи в блоге и комментариев к этой записи. Для мобильных приложений, которые функционируют в условиях переменного качества сети, эти повторные запросы являются крайне нежелательными.
  • С течением времени, больше полей может добавляться в ответ API, и более старые клиенты будут получать все новые поля, включая даже те, которые не нужны. В результате, увеличивается размер пересылаемых данных, что приводит к увеличению задержки передачи данных.

Сравнение вызовов RPC и REST

Действие RPC REST
Регистрация POST /signup POST /persons
Удаление пользователя POST /resign
{
"personid": "1234"
}		 DELETE /persons/1234
Получение пользователя (person) GET /readPerson?personid=1234 GET /persons/1234
Получения списка элементов (item) пользователя GET /readUsersItemsList?personid=1234 GET /persons/1234/items
Добавления элемента в список пользователя POST /addItemToUsersItemsList
{
"personid": "1234";
"itemid": "456"
}		 POST /persons/1234/items
{
"itemid": "456"
}
Обновления элемента POST /modifyItem
{
"itemid": "456";
"key": "value"
}		 PUT /items/456
{
"key": "value"
}
Удаление элемента POST /removeItem
{
"itemid": "456"
}		 DELETE /items/456

Source: Do you really know why you prefer REST over RPC

Источники и дополнительные ссылки по REST и RPC

Безопасность

Эта секция нуждается в дополнении. Содействуйте!

Обеспечение безопасности - это обширная тема. Если у вас нет значительного опыта в безопасности, либо вы не подаётесь на вакансию, которая требует знаний по безопасности, возможно вам будет достаточно основ:

Источники и дополнительные ссылки

Приложение

Вас иногда могут попросить сделать оценку по времени "на салфетке". Например, определить, сколько времени понадобится для генерации 100 миниатюр изображений с жесткого диска, или сколько памяти потребует структура данных. Таблица степеней двойки и Время выполнения задач, которые должен знать любой программист могут в этом помочь.

Таблица степеней двойки

Степень           Точное значение   Приблизительное значение    Байты
---------------------------------------------------------------------
7                             128
8                             256
10                           1024   1 тысяча                    1 KB
16                         65,536                               64 KB
20                      1,048,576   1 миллион                   1 MB
30                  1,073,741,824   1 миллиард                  1 GB
32                  4,294,967,296                               4 GB
40              1,099,511,627,776   1 триллион                  1 TB

Источники и дополнительные ссылки

Время выполнения задач, которые должен знать каждый программист

Время выполнения
--------------------------
Обращение к кэшу первого уровня (L1)                                  0.5 ns
Использование альтернативной ветки                                    5   ns
Обращение к кэшу первого уровня (L2)                                  7   ns                      14x L1 кэша
Блокировка/снятие блокировки (mutex)                                 25   ns
Обращение к основной памяти                                         100   ns                      20x L2 кэша, 200x L1 кэша
Сжатие 1 КB с помощью Zippy                                      10,000   ns       10 us
Отправить 1 KB по сети 1 Gbps                                    10,000   ns       10 us
Считать 4 KB случайно с SSD*                                    150,000   ns      150 us          ~1GB/sec SSD
Считать 1 MB последовательно из памяти                          250,000   ns      250 us
Полный обход внутри дата-центра                                 500,000   ns      500 us
Считать 1 MB последовательно с SSD*                           1,000,000   ns    1,000 us    1 ms  ~1GB/sec SSD, 4X памяти
Поиск на HDD                                                 10,000,000   ns   10,000 us   10 ms  20x полного обхода дата-центра
Считать 1 MB последовательно по сети 1 Gbps                  10,000,000   ns   10,000 us   10 ms  40x памяти, 10X SSD
Считать 1 MB последовательно с HDD                           30,000,000   ns   30,000 us   30 ms 120x памяти, 30X SSD
Послать пакет данных Калифорния->Нидерланды->Калифорния     150,000,000   ns  150,000 us  150 ms

Заметки
-----
1 ns = 10^-9 seconds
1 us = 10^-6 seconds = 1,000 ns
1 ms = 10^-3 seconds = 1,000 us = 1,000,000 ns

Некоторые значения на основе данных выше

  • Последовательное чтение с HDD - скорость 30 MB/s
  • Последовательное чтение из канала 1 Gbps сети Ethernet - скорость 100 MB/s
  • Последовательное чтение с SSD - скорость 1 GB/s
  • Последовательное чтение из основной памяти - скоростью 4 GB/s
  • Количество полных обходов вокруг земного шара в секунду - 6-7
  • Количество полных обходов внутри дата-центра в секунду - 2,000

Визуализация времени выполнения задач

Источники и дополнительные ссылки

Дополнительные вопросы на интервью по проектированию систем

Распространенные задачи на интервью по проектированию систем со ссылками на решение.

Задача Ссылки
Design a file sync service like Dropbox youtube.com
Design a search engine like Google queue.acm.org
stackexchange.com
ardendertat.com
stanford.edu
Design a scalable web crawler like Google quora.com
Design Google docs code.google.com
neil.fraser.name
Design a key-value store like Redis slideshare.net
Design a cache system like Memcached slideshare.net
Design a recommendation system like Amazon's hulu.com
ijcai13.org
Design a tinyurl system like Bitly n00tc0d3r.blogspot.com
Design a chat app like WhatsApp highscalability.com
Design a picture sharing system like Instagram highscalability.com
highscalability.com
Design the Facebook news feed function quora.com
quora.com
slideshare.net
Design the Facebook timeline function facebook.com
highscalability.com
Design the Facebook chat function erlang-factory.com
facebook.com
Design a graph search function like Facebook's facebook.com
facebook.com
facebook.com
Design a content delivery network like CloudFlare figshare.com
Design a trending topic system like Twitter's michael-noll.com
snikolov .wordpress.com
Design a random ID generation system blog.twitter.com
github.com
Return the top k requests during a time interval cs.ucsb.edu
wpi.edu
Design a system that serves data from multiple data centers highscalability.com
Design an online multiplayer card game indieflashblog.com
buildnewgames.com
Design a garbage collection system stuffwithstuff.com
washington.edu
Design an API rate limiter https://stripe.com/blog/
Design a Stock Exchange (like NASDAQ or Binance) Jane Street
Golang Implementation
Go Implemenation
Add a system design question Добавить

Архитектуры действующих систем

Статья о том, как спроектированы действующие системы.


Источник: Twitter timelines at scale

*Не вдавайтесь в мельчайшие подробности, вместо этого:

  • Определите основные принципы, общие технологии и шаблоны, которые встречаются в этих статьях
  • Изучите, какие проблемы решаются каждым компонентом, где это работает, а где нет
  • Обратите внимание на секции, описывающие полученный опыт и работу над ошибками
Тип Система Ссылки
Обработка данных MapReduce - распределённая обработка данных от Google research.google.com
Обработка данных Spark - распределённая обработка данных от Databricks slideshare.net
Обработка данных Storm - распределённая обработка данных от Twitter slideshare.net
Хранилище данных Bigtable - распределённая колоночная база данных от Google harvard.edu
Хранилище данных HBase - Реализация Bigtable с открытым исходным кодом slideshare.net
Хранилище данных Cassandra - распределённая колоночная база данных от Facebook slideshare.net
Хранилище данных DynamoDB - Документно-ориенитрованная база данных от Amazon harvard.edu
Хранилище данных MongoDB - Документно-ориенитрованная база данных slideshare.net
Хранилище данных Spanner - Глобально-распределённая база данных от Google research.google.com
Хранилище данных Memcached - Распределённый кэш, хранящийся в памяти slideshare.net
Хранилище данных Redis - Распределённая система кэширования с возможностью сохранения и типами данных slideshare.net
Файловая система Google File System (GFS) - Распределённая файловая система research.google.com
Файловая система Hadoop File System (HDFS) - Реализация GFS с открытым исходным кодом apache.org
Другое Chubby - Система блокировки для слабосвязанных распределённых систем от Google research.google.com
Другое Dapper - Система отслеживания операций в распределённых системах research.google.com
Другое Kafka - Очередь сообщений Pub/sub от LinkedIn slideshare.net
Другое Zookeeper - Централизованная инфраструктура и сервисы для синхронизации распределённых систем slideshare.net
Добавьте архитектуру Добавить

Архитектуры компаний

Компания Ссылки
Amazon Amazon architecture
Cinchcast Producing 1,500 hours of audio every day
DataSift Realtime datamining At 120,000 tweets per second
DropBox How we've scaled Dropbox
ESPN Operating At 100,000 duh nuh nuhs per second
Google Google architecture
Instagram 14 million users, terabytes of photos
What powers Instagram
Justin.tv Justin.Tv's live video broadcasting architecture
Facebook Scaling memcached at Facebook
TAO: Facebook’s distributed data store for the social graph
Facebook’s photo storage
How Facebook Live Streams To 800,000 Simultaneous Viewers
Flickr Flickr architecture
Mailbox From 0 to one million users in 6 weeks
Netflix A 360 Degree View Of The Entire Netflix Stack
Netflix: What Happens When You Press Play?
Pinterest From 0 To 10s of billions of page views a month
18 million visitors, 10x growth, 12 employees
Playfish 50 million monthly users and growing
PlentyOfFish PlentyOfFish architecture
Salesforce How they handle 1.3 billion transactions a day
Stack Overflow Stack Overflow architecture
TripAdvisor 40M visitors, 200M dynamic page views, 30TB data
Tumblr 15 billion page views a month
Twitter Making Twitter 10000 percent faster
Storing 250 million tweets a day using MySQL
150M active users, 300K QPS, a 22 MB/S firehose
Timelines at scale
Big and small data at Twitter
Operations at Twitter: scaling beyond 100 million users
How Twitter Handles 3,000 Images Per Second
Uber How Uber scales their real-time market platform
Lessons Learned From Scaling Uber To 2000 Engineers, 1000 Services, And 8000 Git Repositories
WhatsApp The WhatsApp architecture Facebook bought for $19 billion
YouTube YouTube scalability
YouTube architecture

Блоги инженерных компаний

Вопросы могут быть связаны с архитектурой компаний, в которые вы собеседуетесь.

Источники и дополнительные ссылки

Хотите добавить блог? Во избежание дублирования, добавьте его в этот репозиторий:

В разработке

Заинтересованы в добавлении раздела или в завершении того, что уже в процессе? Содействуйте!!

  • распределённые вычисления с MapReduce
  • Согласованное хеширование
  • Scatter gather
  • Содействие

Благодарность

Источники указаны в самом документе.

Особая благодарность:

Контактная информация

Сообщайте мне, если вы хотите обсудить любые проблемы, вопросы или комментарии к этому документу.

Моя контактная информация доступна здесь: GitHub page.

License

I am providing code and resources in this repository to you under an open source license. Because this is my personal repository, the license you receive to my code and resources is from me and not my employer (Facebook).

Copyright 2017 Donne Martin

Creative Commons Attribution 4.0 International License (CC BY 4.0)

http://creativecommons.org/licenses/by/4.0/