高翔龙，杭州云集微店架构师，基础架构组负责人，负责基础技术平台的架构设计和中间件研发等工作，技术书籍《Java虚拟机精讲》作者，热衷于开源技术，常年游走在Github上。

　　《人人都是架构师：分布式系统架构落地与瓶颈突破》并没有过多渲染系统架构的理论知识，而是切切实实站在开发一线角度，为各位读者诠释了大型网站在架构演变过程中出现一系列技术难题时的解决方案。《人人都是架构师：分布式系统架构落地与瓶颈突破》首先从分布式服务案例开始介绍，重点为大家讲解了大规模服务化场景下企业应该如何实施服务治理；然后在大流量限流/消峰案例中，笔者为大家讲解了应该如何有效地对流量实施管制，避免大流量对系统产生较大冲击，确保核心业务的稳定运行；接着笔者为大家讲解了分布式配置管理服务；之后的几章，笔者不仅为大家讲解了秒杀、限时抢购场景下热点数据的读/写优化案例，还为大家讲解了数据库实施分库分表改造后所带来的一系列影响的解决方案。
　　《人人都是架构师：分布式系统架构落地与瓶颈突破》适用于任何对分布式系统架构感兴趣的架构师、开发人员以及运维人员。相信阅读《人人都是架构师：分布式系统架构落地与瓶颈突破》你将会有知其然和知其所以然的畅快感。

第1章  分布式服务案例  1
1.1  分布式系统的架构演变过程  2
1.1.1  单机系统  3
1.1.2  集群架构  4
1.1.3  拆系统之业务垂直化  6
1.1.4  为什么需要实现服务化架构  8
1.1.5  服务拆分粒度之微服务  10
1.2  系统服务化需求  11
1.2.1  服务化与RPC协议  11
1.2.2  使用阿里分布式服务框架Dubbo实现服务化  12
1.2.3  警惕Dubbo因超时和重试引起的系统雪崩  16
1.2.4  服务治理方案  18
1.2.5  关于服务化后的分布式事务问题  20
1.3  分布式调用跟踪系统需求  21
1.3.1  Google的Dapper论文简介  22
1.3.2  基于Dubbo实现分布式调用跟踪系统方案  25
1.3.3  采样率方案  35
1.4  本章小结  37
第2章  大流量限流/消峰案例  38
2.1  分布式系统为什么需要进行流量管制  39
2.2  限流的具体方案  42
2.2.1  常见的限流算法  43
2.2.2  使用Google的Guava实现平均速率限流  45
2.2.3  使用Nginx实现接入层限流  48
2.2.4  使用计数器算法实现商品抢购限流  49
2.3  基于时间分片的消峰方案  51
2.3.1  活动分时段进行实现消峰  52
2.3.2  通过答题验证实现消峰  52
2.4  异步调用需求  53
2.4.1  使用MQ实现系统之间的解耦  54
2.4.2  使用Apache开源的ActiveMQ实现异步调用  55
2.4.3  使用阿里开源的RocketMQ实现互联网场景下的流量消峰  61
2.4.4  基于MQ方案实现流量消峰的一些典型案例  72
2.5  本章小结  75
第3章  分布式配置管理服务案例  76
3.1  本地配置  77
3.1.1  将配置信息耦合在业务代码中  77
3.1.2  将配置信息配置在配置文件中  79
3.2  集中式资源配置需求  82
3.2.1  分布式一致性协调服务ZooKeeper简介  83
3.2.2  ZooKeeper的下载与集群安装  84
3.2.3  ZooKeeper的基本使用技巧  86
3.2.4  基于ZooKeeper实现分布式配置管理平台方案  87
3.2.5  从配置中心获取Spring的Bean定义实现Bean动态注册  93
3.2.6  容灾方案  95
3.2.7  使用淘宝Diamond实现分布式配置管理服务  96
3.2.8  Diamond与ZooKeeper的细节差异  101
3.2.9  使用百度Disconf实现分布式配置管理服务  102
3.3  本章小结  110
第4章  大促场景下热点数据的读/写优化案例  111
4.1  缓存技术简介  112
4.1.1  使用Ehcache实现数据缓存  114
4.1.2  LocalCache存在的弊端  116
4.1.3  神秘的off-heap技术  117
4.2  高性能分布式缓存Redis简介  120
4.2.1  使用Jedis客户端操作Redis  121
4.2.2  使用Redis集群实现数据水平化存储  122
4.3  同一热卖商品高并发读需求  124
4.3.1  Redis集群多写多读方案  125
4.3.2  保障多写时的数据一致性  126
4.3.3  LocalCache结合Redis集群的多级Cache方案  128
4.3.4  实时热点自动发现方案  130
4.4  同一热卖商品高并发写需求  132
4.4.1  InnoDB行锁引起数据库TPS下降  132
4.4.2  在Redis中扣减热卖商品库存方案  134
4.4.3  热卖商品库存扣减优化方案  138
4.4.4  控制单机并发写流量方案  141
4.4.5  使用阿里开源的AliSQL数据库提升秒杀场景性能  142
4.5  本章小结  148
第5章  数据库分库分表案例  149
5.1  关系型数据库的架构演变  150
5.1.1  数据库读写分离  150
5.1.2  数据库垂直分库  151
5.1.3  数据库水平分库与水平分表  152
5.1.4  MySQL Sharding与MySQL Cluster的区别  153
5.2  Sharding中间件  154
5.2.1  常见的 Sharding中间件对比  155
5.2.2  Shark简介  156
5.2.3  Shark的架构模型  157
5.2.4  使用Shark实现分库分表后的数据路由任务  159
5.2.5  分库分表后所带来的影响  166
5.2.6  多机SequenceID解决方案  167
5.2.7  使用Solr满足多维度的复杂条件查询  170
5.2.8  关于分布式事务  172
5.3  数据库的HA方案  173
5.3.1  基于配置中心实现主从切换  174
5.3.2  基于Keepalived实现主从切换  176
5.3.3  保障主从切换过程中的数据一致性  179
5.4  订单业务冗余表需求  180
5.4.1  冗余表的实现方案  181
5.4.2  保障冗余表的数据一致性  183
5.5  本章小结  186
后记  187