原文連接html
架構的三個維度和六個層面
第一個是IT架構，其實就是計算，網絡，存儲。這是雲架構師的基本功，也是最傳統的雲架構師應該首先掌握的部分，良好設計的IT架構，能夠下降CAPEX和OPEX，減輕運維的負擔。數據中心，虛擬化，雲平臺，容器平臺都屬於IT架構的範疇。程序員
第二個是應用架構，隨着應用從傳統應用向互聯網應用轉型，僅僅搞定資源層面的彈性還不夠，經常會出現建立了大批機器，仍然撐不住高併發流量。於是基於微服務的互聯網架構，愈來愈成爲雲架構師所必需的技能。良好設計的應用架構，能夠實現快速迭代和高併發。數據庫，緩存，消息隊列等PaaS，以及基於SpringCloud和Dubbo的微服務框架，都屬於應用架構的範疇。面試
第三個是數據架構，數據成爲人工智能時代的核心資產，在作互聯網化轉型的同時，每每進行的也是數字化轉型，並有戰略的進行數據收集，這就須要雲架構師同時又大數據思惟。有意識的建設統一的數據平臺，並給予數據進行數字化運營。搜索引擎，Hadoop，Spark，人工智能都屬於數據架構的範疇算法
三個維度是從人的角度出發的，sql
若是從系統的角度出發，架構分六個層次。數據庫
第一個層次是基礎設施層，後端
在數據中內心面，會有大量的機架，大量的服務器，並經過交換機和路由器將服務器鏈接起來，有的應用例如Oracle是須要部署在物理機上的。設計模式
爲了管理的方便，在物理機之上會部署虛擬化，例如Vmware，能夠將對於物理機複雜的運維簡化爲虛擬機靈活的運維。緩存
虛擬化採起的運維方式可能是由運維部門統一管理，當一個公司裏面部門很是多的時候，每每要引入良好的租戶管理，基於Quota和QoS的資源控制，基於VPC的網絡規劃等，實現從運維集中管理到租戶自助使用模式的轉換，託生於公有云的OpenStack在這方面作的是比較好的。服務器
隨着應用架構愈來愈重要，對於標準化交付和彈性伸縮的需求愈來愈大，容器最爲軟件交付的集裝箱，能夠實現基於鏡像的跨環境遷移，Kubernetes是容器管理平臺的事實標準。
第二個層次是數據層，也即一個應用的中軍大營，
若是是傳統應用，可能會使用Oracle，並使用大量的存儲過程，有大量的表聯合查詢，成本也每每比較高。
可是對於高併發的互聯網應用，須要進行微服務的拆分，數據庫實例會比較多，使用開源的Mysql是常見的選擇，大量的存儲過程和聯合查詢每每會使得微服務沒法拆分，性能會比較差，於是須要放到應用層去作複雜的業務邏輯，數據庫表和索引的設計很是重要。
當併發量比較大的時候，須要實現橫向擴展，就須要基於分佈式數據庫，也是須要基於單庫良好的表和索引設計。
對於結構比較靈活的數據，可使用MongoDB數據庫，橫向擴展能力比較好。
對於大量的聯合查詢需求，可使用ElasticSearch之類的搜索引擎來作，速度快，更加靈活。
第三個層次是中間件層，
由於數據庫層每每須要保證數據的不丟失以及一些事務，於是併發性能不可能很是大，
因此咱們常常說，數據庫是中軍大營，不能全部的請求都到這裏來，
於是須要一層緩存層，用來攔截大部分的熱點請求。
Memcached適合作簡單的key-value存儲，內存使用率比較高，並且因爲是多核處理，對於比較大的數據，性能較好。
可是缺點也比較明顯，Memcached嚴格來說沒有集羣機制，橫向擴展徹底靠客戶端來實現。
另外Memcached沒法持久化，一旦掛了數據就都丟失了，若是想實現高可用，也是須要客戶端進行雙寫才能夠。
Redis的數據結構比較豐富，提供持久化的功能，提供成熟的主備同步，故障切換的功能，從而保證了高可用性。
另外微服務拆分之後，有時候處理一個訂單要通過很是多的服務，處理過程會比較慢，這個時候須要使用消息隊列，讓服務之間的調用變成對於消息的訂閱，實現異步處理。
RabbitMQ和Kafka是經常使用的消息隊列，當事件比較重要的時候，會結合數據庫實現可靠消息隊列。
第四個層次是基礎服務層，有的時候成爲中颱層，
將通用的能力抽象爲服務對外提供原子化接口。
這樣上層能夠根據業務需求，經過靈活的組合這些原子化接口，靈活的應對業務需求的變化，實現能力的複用，以及數據的統一管理，
例如用戶數據，支付數據，不會分散到各個應用中。
另外基礎服務層稱爲應用和數據庫和緩存的一個分界線，不該該全部的應用都直接連數據庫，
一旦出現分庫分表，數據庫遷移，緩存選型改變等，影響面會很是大，幾乎沒法執行。
若是將這些底層的變動攔截在基礎服務層，上層僅僅使用基礎服務層的接口，這樣底層的變化會對上層透明，能夠逐步演進。
第五個層次是業務服務層，或者組合服務層，
大部分的業務邏輯都是在這個層面實現，業務邏輯比較面向用戶，於是會常常改變，因此須要組合基礎服務的接口進行實現。
在這一層，會常常進行服務的拆分，實現開發獨立，上線獨立，擴容獨立，容災降級獨立。
微服務的拆分不該該是一個運動，而應該是一個遇到耦合痛點的時候，不斷解決，不斷演進的一個過程。
微服務拆分以後，有時候須要經過分佈式事務，保證多個操做的原子性，也是在組合服務層來實現的。
第六個層次是用戶接口層，也即對終端客戶呈現出來的界面和APP，可是卻不只僅是界面這麼簡單。這一層有時候稱爲接入層。
在這一層，動態資源和靜態資源應該分離，靜態資源應該在接入層作緩存，使用CDN進行緩存。
也應該UI和API分離，界面應該經過組合API進行數據拼裝。
API會經過統一的API網關進行統一的管理和治理，
一方面後端組合服務層的拆分對APP是透明的，
一方面當併發量比較大的時候，能夠在這一層實現限流和降級。
爲了支撐這六個層次，在上圖的左側是一些公共能力。
- 持續集成和持續發佈是保證微服務拆分過程當中的快速迭代，以及變動後保證功能不變的，不引入新的Bug。
- 服務發現和服務治理是微服務之間互相的調用，以及調用過程當中出現異常狀況下的熔斷，限流，降級策略。
- 大數據和人工智能是經過收集各個層面的數據，例如用戶訪問數據，用戶下單數據，客服詢問數據等，結合統一的中臺，對數據進行分析，實現智能推薦。
- 監控與APM是基礎設施的監控和應用的監控，發現資源層面的問題以及應用調用的問題。
瞭解雲計算的歷史演進與基本原理
瞭解一個知識的起點，就是了解他的歷史，也就是知道他是如何一步一步到今天的，這樣如此龐大的一個體系，實際上是逐步加進來的，這樣的知識體系對咱們來講，就不是一個冷冰冰的知識網，而是一個有血有肉的人，咱們只要沿着演進的線索，一步一步摸清楚他的脾氣就能夠了。
第一：雲計算的本質是實現從資源到架構的全面彈性。
所謂的彈性就是時間靈活性和空間靈活性，也即想何時要就何時要，想要多少就要多少。
資源層面的彈性也即實現計算、網絡、存儲資源的彈性。這個過程經歷了從物理機，到虛擬化，到雲計算的一個演進過程。
架構層面的彈性也即實現通用應用和自有應用的彈性擴展。
對於通用的應用，多集成爲PaaS平臺。
對於本身的應用，經過基於腳本的Puppet, Chef, Ansible到基於容器鏡像的容器平臺CaaS。
第二：大數據包含數據的收集，數據的傳輸，數據的存儲，數據的處理和分析，數據的檢索和挖掘等幾個過程。
第三：人工智能經歷了基於專家系統的計劃經濟，基於統計的宏觀調控，基於神經網絡的微觀經濟學三個階段。
開源軟件是進階的利器
架構師除了要掌握大的架構和理論以外，指導落地也是必備的技能，
所謂既要懂設計模式，也要懂代碼。
那從哪裏去學習這些良好的，有借鑑意義的，能夠落地的架構實踐呢？
很是建議你們瞭解，深刻研究，甚至參與貢獻開源軟件，由於收益匪淺。
第一：經過開源軟件，咱們能夠了解大牛們的架構原則，設計模式。
其實我們平時的工做中，是很難碰到大牛的，他多是你渴望而不可及的公司的員工，甚至在國外，你要想進這種公司，不刷個幾年題目，面試個N輪是進不去的。即使進去了，他多是公司的高層，天天很忙，不怎麼見獲得他，就算當面討教，時間也不會很長，很難深刻交流。也有的大牛會選擇自主創業，或者是自由職業者，神龍見首不見尾，到了大公司都見不到。
可是感謝互聯網和開源社區，將大牛們拉到了咱們身邊，你能夠訂閱郵件組，能夠加入討論羣，能夠看到大牛們的設計，看到不少人的評論，提問，還有大牛的回答，能夠看到大牛的設計也不是一蹴而就完美的，看到逐漸演進的過程，等等。這些都是可以幫助咱們快速提高水平的地方，有的時候，拿到一篇設計，都要查資料看半天，一開始均可能好多的術語都看不懂，不要緊肯下他，當你看blueprints愈來愈順暢的時候，你就進步了。
第二：經過開源軟件，咱們能夠學習到代碼級的落地實踐。
有時候咱們能看到不少大牛寫的書和文章，也能看到不少理論的書籍，可是存在一個問題是，理論都懂，可是仍是作很差架構。這是由於沒有看到代碼，全部的理論都是空中樓閣，當你到了具體的代碼設計層面，那些學會的設計模式，沒法轉化爲你本身的實踐。
好在開源軟件的代碼都是公開的，凝結了大牛的心血，也可以看到大牛在具體落地時候的取捨，一切那麼真實，看得見，摸得着。經過代碼進行學習，配合理論知識，更容易得到第一手的經驗，而且在本身作設計和寫代碼的時候，立刻可以映射到能夠參考的場景，讓咱們在作本身的系統的時候，少走彎路。
第三：經過開源軟件，咱們能夠加入社區，和其餘技術人員在同一背景下共同進步
大牛咱們每每不容易接觸到，正面討論技術問題的時間更是難能難得，可是沒有關係，開源軟件構建了一個社區，你們能夠在一塊兒討論，你是怎麼理解的，別人是怎麼理解的，越討論越交流，越明晰，有時候和比你經驗稍微豐富一點的技術人員交流，可能比直接和大牛對話更加有直接做用。大牛的話可能讓你消化半天，依然不知所云，大牛可能以爲不少普通人以爲的難點是顯而易見的，不屑去解釋。可是社區裏面的技術人員，可能和你同樣慢慢進步過來的，知道哪些點是當年本身困惑的，若是踩過這一個個的坑，他們一點撥，你就會豁然開朗。
並且每一個人遇到的具體狀況不一樣，從事的行業不一樣，客戶的需求不一樣，於是軟件設計的時候考慮的因素不一樣，大牛是牛，可是不必定可以遇到和你同樣的場景，可是社區裏面，有你的同行業的，背景相近的技術人員，大家能夠討論出符合大家特定場景的解決方案。
第四：經過開源軟件，咱們做爲我的，比較容易找到工做
咱們面試的時候，經常遇到的問題是，怎麼可以把在原來工做中本身的貢獻，理解，設計，技術能力。其實我發現不少程序員不能很好的作的這一點，因此形成不少人面試很吃虧。
緣由之一是背景信息不對稱，例如原來面臨的業務上很難的問題，面試官因爲不理解背景，並且短期解釋不清楚，而輕視候選人的水平，我也遇到過不少面試官才聽了幾分鐘，就會說，這不挺簡單的，你這樣這樣不就好了，而後完全否認大家一個團隊忙了三年的事情。
緣由之二是不少有能力的程序員不會表達，致使真正寫代碼的說不明白，可能原來在公司裏面一個績效很是好，一個績效很是差，可是到了面試官那裏就拉平了。
緣由之三是新的公司不能肯定你在上家公司作的工做，到這一家都能用的，例如你作的工做有30%是和具體業務場景相關的，70%是通用技術，可能下家公司只會爲你的通用技術部分買單。
開源軟件的好處就是，參與的人所掌握的技能都是通的，並且你們在同一個上下文裏面對話，面試官和候選人之間的信息差比較少。掌握某個開源軟件有多難，不用候選人本身說，你們內心都有數。
對於不少技術能力強，可是表達能力較弱的極少數人員來說，talk is cheap, show me the code，代碼呈上去，就可以表現出實力來了，並且面試官也不須要根據短短的半個小時瞭解一我的，能夠作不少背景調查。
另外因爲掌握的技術的通用的，你到下一家公司，立刻就可以上手，幾乎不須要預熱時間，對於雙方都有好處。
第五：經過開源軟件，咱們做爲招聘方，比較容易招到相應人員。
若是在創業公司待過的朋友會了解到創業公司招人很難，人員流失很快，並且創業公司每每對於開發進度要求很快，由於你們都在搶時間。
於是開源軟件對於招聘方來說，也是好消息。
首先創業公司沒辦法像大公司同樣，弄這麼多的技術大牛，本身徹底落地一套本身的體系，使用開源軟件快速搭建一套平臺先上線是最好的選擇。
其次使用開源軟件，會使得招聘相對容易，市場上火的開源軟件會有大批的從業者，參與各類論壇和社區，比較容易挖到人。
最後，開源軟件的使用使得新人來了以後沒有預熱時間，來了就上手，保證開發速度。
我總結了九個步驟。
- 1、手動安裝起來，必定要手動
- 2、使用一下，推薦XXX in Action系列
- 3、讀文檔，讀全部的官方文檔，記不住，看不懂也要讀下來
- 4、瞭解核心的原理和算法，推薦XXX the definitive guide系列
- 5、看一本源碼分析的書，會讓你的源碼閱讀之旅事半功倍
- 6、開始閱讀核心邏輯源代碼
- 7、編譯並Debug源代碼
- 8、開發一個插件，或者對組件作少許的修改
- 9、大量的運維實踐經驗和麪向真實場景的定製開發
因此作一個雲架構師，必定不能脫離代碼，反而要不斷的擁抱開源軟件。
瞭解Linux基礎知識
