佛山网站建设哪家技术知名

• 1、WikiPedia 技术架构

WikiPedia 技术架构图Copy @Mark Bergsma

1. 来自wikipedia的数据：峰值每秒钟3万个 HTTP 请求 每秒钟 3Gbit 流量, 近乎375MB 350 台 PC 服务器。
2. GeoDNSA ：40-line patch for BIND to add geographical filters support to the existent views in BIND", 把用户带到近的服务器。GeoDNS 在 WikiPedia 架构中担当重任当然是由 WikiPedia 的内容性质决定的--面向各个国家，各个地域。
3. 负载均衡：LVS，请看下图：

。

• 2、Facebook 架构

Facebook 搜索功能的架构示意图

• 3、Yahoo! Mail 架构

Yahoo! Mail 架构

• 4、twitter技术架构

twitter的整体架构设计图

• 5、Google App Engine技术架构

GAE的架构图

1. 前端包括4个模块：Front End，Static Files，App Server，App Master。
2. Datastore是基于BigTable技术的分布式数据库，虽然其也可以被理解成为一个服务，但是由于其是整个App Engine存储持久化数据的地方，所以其是App Engine中一个非常核心的模块。其具体细节将在下篇和大家讨论。
3. 整个服务群包括很多服务供App Server调用，比如Memcache，图形，用户，URL抓取和任务队列等。

• 6、Amazon技术架构

Amazon的Dynamo Key-Value存储架构图

Amazon的云架构图

• 7、优酷网的技术架构

1. 简单的MySQL主从复制。
   MySQL的主从复制解决了数据库的读写分离，并很好的提升了读的性能，其原来图如下：
   其主从复制的过程如下图所示：
   但是，主从复制也带来其他一系列性能瓶颈问题：
   1. 写入无法扩展
   2. 写入无法缓存
   3. 复制延时
   4. 锁表率上升
   5. 表变大，缓存率下降
   那问题产生总得解决的，这就产生下面的优化方案。
2. MySQL垂直分区
   如果把业务切割得足够独立，那把不同业务的数据放到不同的数据库服务器将是一个不错的方案，而且万一其中一个业务崩溃了也不会影响其他业务的正常进行，并且也起到了负载分流的作用，大大提升了数据库的吞吐能力。经过垂直分区后的数据库架构图如下：
   然而，尽管业务之间已经足够独立了，但是有些业务之间或多或少总会有点联系，如用户，基本上都会和每个业务相关联，况且这种分区方式，也不能解决单张表数据量暴涨的问题，因此为何不试试水平sharding呢？
3. MySQL水平分片（Sharding）
   这是一个非常好的思路，将用户按一定规则（按id哈希）分组，并把该组用户的数据存储到一个数据库分片中，即一个sharding，这样随着用户数量的增加，只要简单地配置一台服务器即可，原理图如下：
   如何来确定某个用户所在的shard呢，可以建一张用户和shard对应的数据表，每次请求先从这张表找用户的shard id，再从对应shard中查询相关数据，如下图所示： 但是，优酷是如何解决跨shard的查询呢，这个是个难点，据介绍优酷是尽量不跨shard查询，实在不行通过多维分片索引、分布式搜索引擎，下策是分布式数据库查询（这个非常麻烦而且耗性能）。
4. 缓存策略
   貌似大的系统都对“缓存”情有独钟，从http缓存到memcached内存数据缓存，但优酷表示没有用内存缓存，理由如下：
   1. 避免内存拷贝，避免内存锁
   2. 如接到老大哥通知要把某个视频撤下来，如果在缓存里是比较麻烦的
   而且Squid 的 write() 用户进程空间有消耗，Lighttpd 1.5 的 AIO(异步I/O) 读取文件到用户内存导致效率也比较低下。
   但为何我们访问优酷会如此流畅，与土豆相比优酷的视频加载速度略胜一筹？这个要归功于优酷建立的比较完善的内容分发网络（CDN），它通过多种方式保证分布在全国各地的用户进行就近访问——用户点击视频请求后，优酷网将根据用户所处地区位置，将离用户近、服务状况知名的视频服务器地址传送给用户，从而保证用户可以得到快速的视频体验。这就是CDN带来的优势，就近访问。