当前位置：首页 > wzjs >正文

网站有哪些推荐梅州免费建站

wzjs 2025/9/10 9:17:41

网站有哪些推荐,梅州免费建站,整形网站模板,网站引导页是什么文章目录 Question订单履约原始架构痛点目标架构架构图说明关键设计点优点设计方法论复杂来源解决方案评估标准从设计原则出发技术实现 （以选型Redis为例）Redis消息队列的实现细节高可用设计总结 Question 我们经常聊如何设计一个比较完善的系统&…

文章目录

Question
订单履约
- 原始架构
- 痛点
- 目标架构
- 架构图说明
- 关键设计点
- 优点
设计方法论
- 复杂来源
- 解决方案
- 评估标准
- - 从设计原则出发
- 技术实现（以选型Redis为例）
- - Redis消息队列的实现细节
  - 高可用设计
总结

在这里插入图片描述

Question

我们经常聊如何设计一个比较完善的系统（或子系统/模块/功能），很多小伙伴往往忽略“系统设计思路”关键词，而是陷入某个技术点细节里，缺乏全局思维。

一般可以采用架构师的视角回答，即从全局技术视角阐述设计的过程。

接下来通过一个案例，讲解如何从全局技术视角介绍技术方案。

订单履约

原始架构

在业务建设之初，考虑到快速开发与上线，用户下单后，订单系统通过 同步RPC 依次调用：库存系统（扣减库存） → 支付系统（发起支付） → 物流系统（生成运单） → 营销系统（发放积分）。

在这里插入图片描述

但随着业务快速发展，通过 RPC 同步调用的问题逐渐暴露出来。由于过多地依赖其他系统，导致评论发布的接口性能很低，可用性也容易受到其他系统影响。而且每当点评系统需求上线时，其他系统都需要跟着进行联调测试，导致需求迭代速度缓慢。

痛点

链路长、性能差（RT高）；
任一系统故障导致整个订单失败；
联调测试成本高。

目标架构

通过 事件驱动架构 解耦，订单系统仅需发布订单事件，各子系统异步消费事件并处理。

在做系统架构升级改造时，如果有互联网设计理念，会很容易想到问题在于系统间的耦合度太高。解决办法就是采用异步化解耦，从而通过引入 MQ 消息管道，在架构上进行系统业务逻辑拆分，将原本强依赖的系统间的同步 RPC 调用变成异步消息触发

在这里插入图片描述

架构图说明

改造前架构（同步RPC）：
- 订单系统强依赖库存、支付、物流等子系统，形成链式调用。
- 任一环节失败（如库存不足、支付超时）导致整个订单失败。
改造后架构（事件驱动）：
- 订单系统：仅负责发布订单事件（如 OrderCreatedEvent）到消息队列（Kafka）。
- 消息队列：作为事件总线，解耦生产者和消费者。
- 消费者系统：
  - 库存系统消费事件并扣减库存；
  - 支付系统监听事件并触发支付；
  - 物流系统异步生成运单；
  - 营销系统发放积分。

关键设计点

事件驱动解耦：
- 订单系统无需等待下游系统响应，发布事件后即可返回用户。
- 各子系统独立消费事件，故障隔离（如物流系统宕机不影响支付流程）。
消息队列选型：
- 选择 Kafka（高吞吐、持久化、分区顺序性）保障事件可靠传递。
消费者幂等设计：
- 通过事件唯一ID（如 event_id + 业务主键）避免重复处理。
补偿机制：
- 若库存扣减失败，触发事件回滚（如发送 OrderCanceledEvent）。

优点

通过事件驱动架构，系统间的强依赖被解耦为基于事件的异步协作。此方案适用于 长链路业务流程（如电商交易、保险理赔、物流配送），核心优势在于：

提升系统吞吐量和可用性；
降低跨系统联调成本；
支持弹性扩展（消费者可独立扩容）。

设计方法论

对于上面的案例，如果我们直截了当地说“引入了 MQ 消息队列，做了系统解耦，采用异步消息通知的方式来触发系统调用” ，随便在网上搜一下都会有大量类似的解决方案。很难令人信服。

作为研发工程师，正确的思考方式是要拥有解决问题的思维。相比一上来就说用了什么技术，阐述解决思维更困难，因为解决技术问题的方法有很多，这是“术”，但解决技术问题的底层思维逻辑是一样的，这是“道”。

一般来说，都逃不过如下四个层面的：

谈复杂来源；
谈解决方案；
谈评估标准；
说技术实现。

接下里，再看个案例：当用户发表一条商品评论，后台的逻辑是点评系统会调用一系列的远程 API 接口，如调用风控系统、广告系统、消息系统……几个甚至十几个系统的接口

复杂来源

之所以要先分析系统的复杂度，是因为只有正确分析后才能明确设计原则，进而设计架构方案，整体项目才不会找错方向。

如果一个系统本来因业务逻辑复杂导致功能耦合严重，我们却设计了一个 TPS达到 10000/秒的高性能架构，那么即使架构性能再优秀，也没有现实意义，因为技术设计没有解决主要问题的复杂度。这是很多研发工程师的通病，设计偏离了方向，只是为了设计而设计。

那么如何正确评估系统的复杂度呢？通常分为功能性的复杂度和非功能性的复杂度两种。

在这里插入图片描述

从功能性复杂度方面来看，产品业务发展快速、系统越来越多、协作效率越来越低。问题根源在架构上各业务子系统强耦合。于是引入消息队列解耦各系统，这是系统业务领域带来的本质上的复杂度，也就是功能性的复杂度，解决的是系统效率的问题。

此外，还需要考虑非功能性的复杂度，例如高性能、高可用和扩展性等的复杂度的设计。

从非功能性复杂度方面来看，我们假设系统用户每天发送 100 万条消息，那么消息管道一天会产生 100 万条消息，再假设平均一条消息有 10 个子系统读取，那么每秒的处理数据，即点评消息队列系统的 TPS 和 QPS（Queries Per Second，每秒查询次数）就分别是 11（1000000/606024）和 115（10000000/606024）。

不过系统的读写不是完全平均的，设计的目标应该以峰值来计算，即取平均值的 4 倍。于是点评消息队列系统的 TPS 变成了 44，QPS 变成了 460，这个量级的数据意味着并不需要设计高性能架构方案。

接着还要考虑业务规模发展。架构设计的目标应该满足未来业务增长，我们把未来业务增长的预估峰值设定为目前峰值的 4 倍，这样最终的性能要求分别是：TPS 为 176，QPS 是 1840。这样的读写指标还达不到系统压测的性能基线，所以可以确定的是这个系统的复杂度并不在高性能问题上。

对于点评系统来说，还需要考虑高可用的问题。假设消息队列挂掉，将导致用户评论发送失败，当然在用户体验层面，解决方式可以在页面端提示用户重新操作，但如果问题影响到了点评消息的读取，导致评论没有走风控策略，就会造成严重的影响。所以高可用性是点评系统的设计复杂度之一，包括点评写入、点评存储，以及点评消息的读取，都需要保证高可用性。

为了方便理解非功能性的复杂度，这里只分析了“高性能”和“高可用”这两点，在实际应用中，不同的公司或者团队可能还有其他方面的复杂度分析。例如有的公司会考虑安全性，有的公司会考虑成本等。

所以综合分析来看，点评系统改造的复杂度来源于两点。

功能性复杂度：要解决业务发展带来的系统耦合、开发效率缓慢问题。
非功能性复杂度：要保证系统的高可用性。

解决方案

在确定了系统面临的主要复杂度问题后，就有了明确的方案设计目标，这时就可以开始进行架构方案设计了。

方案	核心思路	优点	缺点
MQ消息队列	引入Kafka/RocketMQ解耦	成熟、高吞吐	运维复杂
Redis消息队列	基于Redis List/PubSub实现	轻量、低延迟	需处理消息持久化
MySQL+内存队列	异步写入MySQL，定时任务消费	无新组件依赖	扩展性差、单点风险

一般情况，至少要设计两到三套备选方案，考虑通过不同的技术方式来解决问题。方案设计不用过于详细，而是要确定技术的可行性和优缺点**。

评估标准

设计完三套解决方案之后，摆在眼前的问题就是需要选择最合适的一个。这就需要一套评估标准了。

在软件架构中，架构师常常会把一些通用的设计原则写到设计文档中，比如设计松耦合、系统可监控，这些原则似乎不常用，但好的架构师会通过设计原则来控制项目的技术风险。比如系统无单点，限制了系统技术方案不可出现单点服务的设计；再如系统可降级，限制了系统有具备降级的能力，进而约束了开发人员需要设计数据兜底的技术方案。

这些看似不重要的设计原则，其实是评估架构解决方案的重要手段。做系统架构，需要站在更高的层面考虑系统的全局性关注点，比如性能、可用性、IT 成本、投入资源、实现复杂度、安全性、后续扩展性等。这在不同场景的不同阶段会起到决定性作用。

那么针对案例中的点评系统来说，要如何评估方案呢？这要从点评系统的复杂度来源进行评估。