伸缩性Scalable教程

本文解释什么是单主数据库复制，以及如何使用它来提高应用程序可用性和扩展只读事务。数据库服务器是企业系统的核心部分，如果发生故障，服务可用性可能会受到影响。如果数据库服务器在单个服务器上运行，那么我们将出现单点故障。任何硬件问题（例如，磁盘驱动器故障）或软件故障（例如，驱动程序问题，更

扩展后端基础架构以处理超增长是在DoorDash工作的众多令人兴奋的挑战之一。在2019年中期，我们面临着重大的扩展挑战，涉及Cele

在此博客文章中，我们将讨论基于Nginx的旧的交通基础设施，其痛点以及通过迁移到Envoy所获得的好处。我们将在许多软件工程和运营方面将Nginx与Envoy进行比较。

多年来，Facebook已从一种基本的Web服务器体系结构演变为一个复杂的体系结构，其中包含成千上万的服务在后台运行。扩展Facebook产品所需的各种后端服务并不是一件容易的事。而且发现我们的许多团队正在构建具有重叠功能的自定义分片解决方案。为了解决此问题，我们将Shard Manager

当今高性能计算挑战性的问题之一是：大多数软件都设计为在单台计算机上运行，​​并且并行化可能会被限定于本地可用的计算机核心或线程数量。想象一个应用程序在一台机器上通常运行需要1个小时……如果在一个全新环境中，您同时启动3600个 lambda函数，每个函数运行一秒，这样接近瞬时返回结果

在某些应用程序中，我们需要保护数据库或避免进行成本高昂的计算。我们可以为此目的使用缓存。本文展示了如何在分布式可伸缩应用程序中将Hazelcast用作Spring的缓存。

在排队理论使我们能够预测队列长度和等待时间，这是最重要的容量规划。对于架构师来说，这是一个非常方便的工具，因为队列不仅仅是消息传递系

参与了多个针对各个行业的不同客户的大型Kafka项目之后，遭遇一个似乎永远不会过时的问题是：如何保持严格的顺序，同时仍然并行处理记录？这是一个公平的问题。严格的顺序是等于串行化，其概念似乎与并行性的目标相矛盾。 部分顺序和总顺序

在开发低延迟的软件系统时，人们普遍认为，除了C ++之外，您使用其他任何语言是疯狂的，因为其他任何语言都具有很高的延迟。但是，我在这里是要说服您使用相反的、违反直觉的、几乎是异端的概念：在软件系统中实现低延迟时，Java更好。在本文中，我想以一个特殊的软件示例为例，该软件具有低延迟性

我们来看三种不同的哈希Map，两种来自JDK，另一种来自开源库JCTools。 SynchronizedMap来自JDK的线程安全哈希M

阿里云最初使用上游Kubernetes HPA和CPU和Memory作为两个指标。但是，随着用户群的增长和需求的多样化，很快发现了上游HPA的局限性：对自定义指标（特别是对应用程序级细粒度的指标）的支持有限。上游HPA专注于容器级指标，例如CPU和内存，这对于应用程序来说太粗

制作有用的基准测试很难，但是有一些工具和模式可以帮助您。几乎每个开发人员都知道Donald Knuth在1974年提出的“ 

当今的数据库面临着前所未有的挑战。他们必须处理大量不同的数据，眨眼间就能得到结果，并应对极其复杂的技术环境，同时又要易于使用且高度可用。为了应对这些挑战，现代数据库平台必须具备以下九个关键特征： 1.即时表现

KEDA提供了一种扩展到Kubernetes标准方法的替代方法，该方法用于查看诸如CPU负载和容器的内存消耗之类的指标。从KEDA的角度来看，此方法是被动的，而不是主动的。与无服务器平台一样，KEDA尝试根据诸如消息源（例如，Kafka，Azure Service Bus或RabbitMQ）

在分布式系统中，我们通过通过服务总线/消息队列传递消息来实现系统之间的松散耦合。有时，当消息的发送量很高时（即每单位时间传入的消息数大于每单位时间处理的消息数），队列最终将容纳无限数量的消息。消息队列最终可能会由于内存不足错误而失败，并且客户端可能永远不会收到其已发送消息的响应！为避免这种情

第一个以隐私为核心的Ethereum 2层伸缩解决方案。PLONK的创建者正在Mainnet上扩展DeFi，ERC-20和CBDC，并加入了用户保护功能。今天，我们很自豪地宣布第二层网络Aztec 2.0 —一种扩展解决方案，其核心是隐私： 基于zkRollup的第2