��ǰλ�ã�首页 > 集团企业

集团企业

利用应用缓存

����:ʱ��:2019-04-13
最小化系统中的时间缓存。由于大多数  RDBMS(关系数据库管理系统)具有ACID属性,因此使用时间近似扩展系统非常困难。应该仔细考虑预约的用水需求,从用户看水直到购买为止。对于某些边缘情况,补偿用户的失望比不能扩展系统要好得多。 TR TR TR 快速搜索您最喜爱的搜索可以获得有关该主题的免费和良好建议。我们将介绍两个基本点A TR 首先,如果要以经济高效的方式进行扩展,则必须使用应用程序层缓存; TR 其次,必须从系统架构的角度开发这种缓存方法,使其长期有效。 TR TR 通过服务或资源(Y轴)划分平台(或体系结构),或者通过划分您知道的关于请求者或客户的项目(Z轴),为服务请求提供巨大的数据可缓存性。问题是,不同的轴或原则可以带来多少好处?随着新功能或功能的发展,以及新的数据要求,这个问题的答案将会改变。 TR   然后,实施方法将不得不改变以适应不断变化的业务需求。但确定这些变化需求的过程是一样的。学习型组织需要不断分析产品流量,每笔交易的成本以及用户感知的响应时间,以识别生产环境中瓶颈的早期迹象,并将数据传递给架构组以修改产品。 TR TR 这个问题的关键是哪种类型的分区或仔细划分可以最大化系统或平台的可扩展性和成本。通过在应用程序服务器上实现正确的分区和缓存数据,可以处理相当于具有100或100,000台服务器的当前生产环境的流量的两倍或三倍甚至十倍。为了说明这一点,让我们看一个常用的电子商务网站的例子。这是一个相当典型的SaaS站点,专注于满足业务需求,社交网络或社交网站。 TRTR 我们的电子商务网站具有许多功能,包括搜索,浏览,图像查看(包括缩放),帐户更新,登录,购物车,注销,建议项目等。对当前生产环境流量的分析表明,最常用的功能(包括搜索,浏览和建议项目)涉及80%的交易,这些交易涉及总数不到Q%。在这里,您可以使用Pareto规则对这些类型的服务执行Y轴(功能)分区,从而允许相对较少的对象实现更高的命中率。该方法的可缓存性相对较高,并且动态系统可以受益于先前类似请求的结果。 TR TR 我们还发现有大量超级用户,他们的请求非常频繁。对于那些与用户相关的功能,例如登录,购物车,帐户更新(或其他帐户信息)等,可以使用Z轴分割。虽然我们可以对这些事件做出假设,但很明显,从现有的盈利网站获取真实的产品数据对我们做出决策更有帮助。 TR TR 再举一个例子,假设我们有一个SaaS业务,通过电话服务,电子邮件服务,聊天服务和关系管理系统帮助公司获得客户支持。在这个系统中,任何特定的业务都有许多独特的原则。对于每个企业,这些原则可能需要大量内存来缓存这些规则和业务操作所需的数据。如果你得出结论,面向客户的分区或Z轴分区是正确的方法,那么你是对的。但我们也希望在数据库和应用程序中保持多租户的错觉。如何实现这一目标,并缓存最常访问的用户以获得成本效益 TR 福利的扩大?我们的答案是帕累托定律。 Q%的最大业务可能占总交易量的80%(大多数客户都是如此),我们可以将它们分布在多个分区数据库中。为了获得成本杠杆,80%的较小用户可以均匀地分布在所有分区数据库中。这里的基本原理是访问量较少的公司具有较低的缓存命中率,即使它们本身存在。因此,我们可以让更大的客户从缓存中受益,同时从小客户那里获得成本杠杆。除非我们将较小的客户放在他们的专用系统中,否则他们的体验与大客户的体验并没有太大差别,而且众所周知,我们无法获得SaaS环境带给我们的预期收益。 TRTR 最后一个例子是处理社交网络或交互式网站。您可能已经预料到我们仍然需要应用帕累托定律以及我们从生产环境中获得的信息来帮助我们做出决策。社交网络通常具有少量具有极大流量的用户。有时这些用户可能是活跃的消费者,有时他们是活跃的生产者(其他用户的目的地),有时两者都是。 TR TR 在第一步中,我们想要确定是否存在少量信息或子网站,这些信息或子网站占据了大量的“读取数据”。交通。在社交网络中,这些节点可以在我们设计架构时提供指导,允许我们对这些生成器执行Z轴分区,以便在读取操作方面高度缓存它们的读取高度。假设帕累托规则已建立(通常已建立),我们提供近80%的读取流量和少量服务器。我们的股东会很高兴,因为他们能够以非常低的资本强度满足这些要求。 TR TR 社交网络中非常积极的内容制作者和更新怎么样?这个问题的答案取决于它们的内容是否具有高消费(读取)率或基本上处于休眠状态。对于具有高产量(写入更新)速率和高消耗(读取)速率的用户,它可以直接将其内容发布到读取它的分区或节点。如果读写冲突成为问题,因为这些节点变得越来越流行,那么我们可以使用读取复制和水平扩展技术(X轴分区),或者开始考虑如何对这些更新进行排序并异步应用它们。我们不断成熟,可以将这些技术融合在一起。如果在使用从浏览器到CDN的各种缓存技术到页面缓存和应用程序缓存后仍然遇到问题,则可以继续优化我们的分区。我们可以为特定用户更新分配级别,根据内容边界(另一种类型的Y轴分区)划分它们,或者我们可以继续创建数据实例的副本(X轴分区)。也许我们发现要阅读的信息具有特殊的地理偏见。某些类型的新闻就是这种情况。可以根据由所请求的地理位置确定的边界来划分数据。请求是我们知道的请求者的信息。这是另一种Z轴分割。 TRTR 我希望你已经发现了这个原则的模式。第一步是推测可能的分区方法,并决定使用哪种分区方法来最大化网站的可缓存性。在应用程序和支持级别的永久数据存储中实现这些分区后,评估它们在生产环境中的有效性。根据生产数据进一步优化您的方法,并迭代应用Pareto定律和AKF扩展立方体来优化和提高缓存命中率。 TR TR
���ű�ǩ:

��һƪ: 利用页面缓存

��һƪ: 利用CDN