架構能力進階+AI技術落地後端

目錄

第1章 架構基本認知 1
1.1 架構的演進 1
1.1.1 一張圖看懂單體架構 1
1.1.2 一張圖看懂集群架構 2
1.1.3 一張圖看懂微服務架構 3
1.1.4 一張圖看懂雲原生架構 8
1.2 AI架構師的思維方式 9
1.2.1 系統思維與模塊化設計 9
1.2.2 架構決策中的權衡 10
1.2.3 架構設計與業務需求的關系 12
1.3 架構設計的目標和原則 13
1.3.1 架構設計的目標 13
1.3.2 設計易於維護的系統 14
1.3.3 技術債務的識別與管理 15
1.3.4 【實戰】電商系統架構設計的基本原則 17
1.4 架構設計與團隊協作 18
1.4.1 跨職能團隊協作 18
1.4.2 AI架構師與開發者協作 22
1.5 AI架構師的角色與定位 24
1.5.1 AI架構師是什麼及應該做什麼 24
1.5.2 AI服務如何影響架構設計 25
1.5.3 AI架構師的新工具 26
1.5.4 AI架構師需要掌握的三類知識 28
/
第2章 架構分層 31
2.1 一張圖看懂AI架構 31
2.2 架構分層的概念 34
2.2.1 分層原則——從職責解耦到算力異構 34
2.2.2 職責分配——支持模塊的職責邊界設計 36
2.3 服務層 37
2.3.1 一張圖看懂服務層架構 37
2.3.2 服務層的模塊化設計——高內聚與低耦合 39
2.3.3 服務層的可擴展性設計——支持AI服務的接入與編排 39
2.3.4 【實戰】在電商系統中集成推薦服務 41
2.4 數據層 44
2.4.1 一張圖看懂數據層架構 44
2.4.2 對比關系數據庫與NoSQL數據庫 45
2.4.3 數據庫分庫分表與模型訓練樣本分區 49
2.4.4 數據分片、分區與AI數據標註策略 52
2.4.5 【實戰】AI語音識別系統的標註分區策略 53
2.4.6 數據一致性、樣本可追溯性及數據治理與權限管控 57
2.4.7 【實戰】AI驅動的用戶畫像數據管理架構設計 59
2.5 緩存層 62
2.5.1 一張圖看懂融合AI推理的緩存層架構 62
2.5.2 對比Redis與Milvus在AI系統中的應用 64
2.5.3 【實戰】智能客服系統中的緩存協同 67
2.5.4 Kafka、RabbitMQ與推理服務調度 70
2.6 開發層 74
2.6.1 選擇支持AI模型接入的開發語言與框架 75
2.6.2 合理組織代碼結構以適配AI模型調用邏輯 77
2.6.3 API設計——支持AI服務的調用規範 81
2.6.4 異常處理與推理失敗回滾機制 85
2.6.5 日誌記錄與鏈路追溯設計 87
2.6.6 安全編碼與權限控制機制 92
2.6.7 單元測試與穩定性測試 94
2.6.8 使用Copilot和DeepSeek輔助編碼 96
2.6.9 【實戰】集成大語言模型的智能問答系統開發 98
2.7 網絡層 101
2.7.1 一張圖看懂網絡層架構 101
2.7.2 網絡通信協議——REST與gRPC 103
2.7.3 多模型部署下的負載調度策略 104
2.7.4 智能網關設計 107
2.7.5 CDN與模型資源緩存 109
2.7.6 DNS解析與域名管理 113
2.7.7 WebSocket與實時對話式AI服務的集成 115
2.7.8 WebSocket多輪對話應用策略 117
/
第3章 微服務架構 121
3.1 服務拆分策略 121
3.1.1 如何合理拆分服務 121
3.1.2 如何確定服務粒度與邊界 123
3.2 服務間通信——同步通信與異步通信 125
3.2.1 什麼是同步通信 125
3.2.2 同步通信在電商系統中的痛點及相應解決策略 126
3.2.3 什麼是異步通信 127
3.2.4 異步通信的實現方式1——消息隊列系統 129
3.2.5 異步通信的實現方式2——事件驅動 130
3.3 微服務的基礎設施 131
3.3.1 配置管理與配置中心 131
3.3.2 服務註冊與發現 133
3.3.3 服務網關與API網關 137
3.3.4 負載均衡與動態路由 140
3.4 【實戰】電商系統的微服務架構設計 143
3.4.1 項目背景與系統目標 143
3.4.2 電商系統的整體微服務架構 144
3.4.3 AI服務在微服務架構中的集成方式 144
/
第4章 分布式事務管理 146
4.1 什麼是分布式事務 146
4.1.1 三張圖看懂分布式事務 146
4.1.2 分布式事務面臨的挑戰及解決方案 148
4.2 分布式事務的提交機制——兩階段提交與三階段提交 148
4.2.1 兩階段提交的工作原理 149
4.2.2 兩階段提交帶來的問題及解決方案 150
4.2.3 三階段提交的工作原理 150
4.2.4 對比兩階段提交與三階段提交 152
4.3 Saga模式——長事務的解決方案 153
4.3.1 一張圖看懂Saga模式 153
4.3.2 Saga模式的兩種實現方式 154
4.3.3 【實戰】確保Saga模式下的數據一致性 155
4.4 分布式事務的其他解決方案 157
4.4.1 TCC模式——解決復雜業務中跨表和跨庫資源鎖定問題 157
4.4.2 最大努力通知模式——確保數據的最終一致性 158
4.4.3 可靠消息最終一致性策略——確保接收消息的可靠性 159
4.5 分布式事務的企業級應用 161
4.5.1 AWS、Google、阿裏巴巴如何管理分布式事務 161
4.5.2 Seata的分布式事務管理機制 162
/
第5章 高可用與異地多活架構 164
5.1 一張圖看懂高可用架構 164
5.2 設計一個高可用架構 165
5.2.1 識別和加固單點故障點 165
5.2.2 【實戰】通過添加冗余組件來提高系統的可用性 167
5.2.3 【實戰】在高並發場景中通過限流來防止系統崩潰 168
5.2.4 【實戰】在高並發場景中通過熔斷來防止服務雪崩 173
5.2.5 【實戰】在高並發場景中通過降級來應對性能瓶頸 174
5.3 異地多活——多區域數據中心的部署策略 176
5.3.1 異地雙活與異地多活的工作原理 176
5.3.2 異地多活與高可用性、容災的關系 179
5.4 【實戰】大型在線遊戲的高可用性策略 180
5.4.1 負載均衡與集群化 180
5.4.2 數據冗余與備份 181
5.4.3 容災與故障恢復 181
5.4.4 無縫更新與維護 181
5.5 推理服務的高可用架構 184
5.6 推理服務的異地多活架構 186
/
第6章 性能優化設計 188
6.1 性能瓶頸識別 188
6.1.1 性能瓶頸的定義 188
6.1.2 使用分析與監控工具 190
6.2 數據庫性能優化 192
6.2.1 優化索引 192
6.2.2 優化數據庫查詢 195
6.2.3 優化緩存查詢 197
6.2.4 優化數據庫連接池 199
6.3 網絡與I/O性能優化 202
6.3.1 識別網絡延遲與帶寬瓶頸 202
6.3.2 優化TCP/IP協議棧 204
6.3.3 優化I/O性能 206
6.3.4 【實戰】高並發場景中的I/O性能優化策略 209
6.4 日誌采集與分析 211
6.4.1 日誌采集與分析工具：ELK、Fluentd 211
6.4.2 【實戰】微服務架構中的日誌采集與分析策略 213
6.5 持續優化與性能回滾 214
6.5.1 什麼是持續優化與性能回滾 215
6.5.2 性能回滾策略與方案——從優化到恢復 216
6.5.3 自動化性能回滾——藍綠部署與灰度發布 219
/
第7章 可擴展性優化設計 221
7.1 水平擴展 221
7.1.1 什麼是水平擴展 221
7.1.2 常見的負載均衡算法 222
7.1.3 服務發現與動態負載均衡的結合 224
7.1.4 分布式系統中的一致性哈希 225
7.2 垂直擴展 227
7.2.1 什麼是垂直擴展 227
7.2.2 資源調度與分配 228
7.3 【實戰】面向推理服務的可擴展性優化設計 229
/
第8章 架構重構 233
8.1 架構重構概述 233
8.1.1 什麼是架構重構 233
8.1.2 技術債務與架構債務 235
8.1.3 架構重構的風險 236
8.1.4 架構重構的時機與原則 237
8.2 架構重構的方法和工具 240
8.2.1 自頂向下 240
8.2.2 自底向上 241
8.2.3 模塊化與微服務化 242
8.2.4 架構重構的工具 244
8.3 【實戰】電商系統架構重構 246
8.3.1 現有架構的分析與評估 246
8.3.2 重構用戶訂單系統，以實現模塊化與微服務化 248
8.3.3 重構商品推薦系統，以提升性能與精準度 251
8.3.4 重構數據處理系統，以實現流轉與實時分析 253
8.3.5 制定上線策略 255
8.4 【實戰】金融系統架構重構 258
8.4.1 現有架構的分析與評估 258
8.4.2 架構重構的技術選型與實施策略 260
8.4.3 重構賬戶管理系統，以實現分布式設計 264
8.4.4 重構支付清算系統，以支持高並發與容災 267
8.4.5 重構數據加密與訪問控制系統，以保障隱私安全 269
8.5 【實戰】借助AI實現智能化架構重構 272
8.5.1 架構評估的智能輔助分析 272
8.5.2 借助AI實現代碼智能化架構重構 274
8.5.3 AI驅動的數據遷移與性能預測 277
/
第9章 雲原生架構 279
9.1 雲原生架構概述 279
9.1.1 一張圖看懂雲原生架構 279
9.1.2 雲原生架構的設計模式 280
9.1.3 傳統架構與雲原生架構的差異 283
9.2 雲原生架構的性能優化 285
9.2.1 資源調度與自動擴縮容 286
9.2.2 容器鏡像與應用運行時的性能優化 287
9.3 雲原生架構的多雲與混合雲 290
9.3.1 多雲架構的優勢與挑戰 290
9.3.2 混合雲架構的設計與實施 293
9.3.3 【實戰】在多雲與混合雲架構中部署雲原生應用 295
9.4 雲原生架構中的AI實踐 298
9.4.1 雲原生架構中的AIOps 298
9.4.2 AI驅動的資源調度與彈性優化 301
9.4.3 【實戰】基於AI模型的智能部署與自愈系統架構設計 303
/
第10章 服務網格架構 306
10.1 服務網格的基本概念 306
10.1.1 一張圖看懂服務網格架構 306
10.1.2 服務網格的工作原理 307
10.2 服務網格的關鍵功能 310
10.2.1 服務發現與負載均衡 310
10.2.2 服務間安全通信 312
10.2.3 路由控制與流量管理 315
10.3 服務網格的技術實現 317
10.3.1 Istio的組件結構與邏輯結構 317
10.3.2 Istio的安裝與配置 318
10.3.3 對比Linkerd與其他服務網格商品 318
10.3.4 數據平面與控制平面 321
10.4 【實戰】AI在服務網格中的應用 324
10.4.1 AI驅動的流量異常檢測與治理 324
10.4.2 智能路由 327
10.4.3 服務網格中的智能觀測與告警系統 330
10.5 【實戰】大型電商系統的服務網格應用 333
10.5.1 系統背景 333
10.5.2 服務網格架構設計 334
10.5.3 分階段落地策略 334
/
第11章 無服務架構 336
11.1 無服務架構基礎 336
11.1.1 無服務架構的定義、優勢與劣勢 336
11.1.2 從傳統架構到無服務架構的轉變 337
11.2 無服務架構的原理 339
11.2.1 FaaS的運行原理 339
11.2.2 事件驅動架構與無服務架構 341
11.2.3 API網關與無服務架構 342
11.3 無服務架構的設計原則 344
11.3.1 函數設計的粒度控制與職責劃分 344
11.3.2 無狀態優先與冪等性保障 346
11.3.3 冷啟動優化、安全隔離設計與可觀測性設計 348
11.4 無服務架構的部署 352
11.4.1 對比AWS Lambda與Azure Functions 353
11.4.2 無服務架構的部署流程 355
11.5 AI在無服務架構中的應用 357
11.5.1 推理服務的設計模式 357
11.5.2 AI模型異步訓練 359
11.5.3 Serverless AI的成本控制策略 361
11.6 【實戰】無服務架構在IoT系統中的應用 364
11.6.1 系統概述 365
11.6.2 無服務架構設計 365
11.6.3 關鍵功能設計說明 367
/
第12章 【實戰】智能客服系統從0到1 368
12.1 業務需求分析 368
12.2 系統架構設計 370
12.3 數據庫設計 372
12.4 緩存與加速策略設計 374
12.5 AI能力集成架構建立與Prompt策略制定 374
12.6 資源調度策略實現 377
12.7 動態負載監控與自適應響應策略設計 379