架构 - 理解构架的分层
技术框架（technological Framework）是整个或部分技术系统的可重用设计，表现为一组抽象构件及构件实例间交互的方法。于开发者而言，实际工作从通常采用的是分层模型，这里独立一个章节，总结经典的七层逻辑架构。
架构技术视角回顾
上个章节 中已经站在不同角色视角理解了架构，我们再回顾下技术架构。
技术框架（technological Framework）是整个或部分技术系统的可重用设计，表现为一组抽象构件及构件实例间交互的方法;另一种定义认为，技术框架是可被技术开发者定制的应用骨架。前者是从应用方面而后者是从目的方面给出的定义。
从技术层面描述，主要是分层模型，例如持久层、数据层、逻辑层、应用层、表现层等，然后每层使用什么技术框架，例如Spring、hibernate、ioc、MVC、成熟的类库、中间件、WebService等，分别说明，要求这些技术能够将整个系统的主要实现概括。
分层下看架构技术点
于开发者而言，实际工作从通常采用的是分层模型，总结下经典的七层逻辑架构。
以上采用七层逻辑架构，第一层客户层，第二层前端优化层，第三层应用层，第四层服务层，第五层数据存储层，第六层大数据存储层，第七层大数据处理层。
- 客户层：减少Http请求数，浏览器缓存，启用压缩，Js异步，减少Cookie传输；
- 前端层：DNS负载均衡，CDN本地加速，反向代理服务；
- 应用层：业务拆分；负载均衡，分级管理，应用缓存，服务集群，快速失败，异步调用，服务降级，消息队列，幂等设计等。
- 服务层：提供公用服务，比如用户服务，订单服务，支付服务等；
- 数据层：分布式, 数据库集群，读写分离，NOSQL集群，文件系统集群；分布式缓存；冗余备份（冷，热备[同步，异步]，温备），失效转移（确认，转移，恢复）。CAP理论，一致性算法。
- 大数据存储层：支持应用层和服务层的日志数据收集，关系数据库和NOSQL数据库的结构化和半结构化数据收集；
- 大数据处理层：通过Mapreduce进行离线数据分析或Storm实时数据分析，并将处理后的数据存入关系型数据库。（实际使用中，离线数据和实时数据会按照业务要求进行分类处理，并存入不同的数据库中，供应用层或服务层使用）。
参考文章
著作权归@pdai所有 原文链接：https://www.pdai.tech/md/arch/arch-x-view-2.html
本文由博客一文多发平台 OpenWrite 发布！
