架构的版本，不太理解怎么管理架构的版本。是通过一系列的中间件的版本决定的么？

陈老师，希望讲解下分布式事物的实现方式

陈大讲的比较有高度，我来说点具体的，做Java后端开发可能会涉及的一些性能优化。进程内缓存，如用Map、List来缓存一些基础数据。如果需要更灵活的操作缓存数据，如自动过期或定期更新，可以使用Guava的LoadingCache。为了减少对Java GC的影响，或者避免用户态与内核态的数据拷贝成本，也可以使用直接内存。但要小心使用，无节制的使用或者没回收内存将可能带来灾难性的后果，例如Netty就有监测是否有内存泄漏的开关，Netty在这方面已经玩得很溜了。大数据量的缓存，或者需要支持分布式访问，可以考虑使用Redis，记得设置过期时间哦。对于不需要实时响应或同步处理的请求，可以通过消息队列来实现异步化，根据实际业务场景来异步反馈结果，或者只须持久化数据。消息队列在削峰方面非常有用，可以很好的应对突发流量，或者是业务在促销期间的高峰，从而让业务下游可以平滑的处理请求。应用服务间的调用可以采用批量发送来提高吞吐。IO密集型的操作或调用可以适当增加线程数，调高调用线程数对于跨机房调用有非常大的提升作用。服务之间尽量同机房或就近机房部署，降低延迟。减少大对象，降低对象存活时间，从而降低Full GC的可能性。有些语言或第三方的API内部逻辑很耗时，必要时可自己实现，如BeanUtils.copyProperties方法。无锁化，如数据分片存储，ThreadLocal。减小锁粒度，减小锁的范围，通常锁代码块优于锁方法。使用乐观锁，如Java中的原子类采用自旋+CAS。

收获 1. 构建分布式系统的目的是增加系统容量，提高系统的可用性，转换成技术方面，也就是完成下面两件事。 -- 大流量处理。通过集群技术把大规模并发请求的负载分散到不同的机器上。 -- 关键业务保护。提高后台服务的可用性，把故障隔离起来阻止多米诺骨牌效应（雪崩效应）。如果流量过大，需要对业务降级，以保护关键业务流转。 说白了就是干两件事。一是提高整体架构的吞吐量，服务更多的并发和流量，二是为了提高系统的稳定性，让系统的可用性更高 2.提高架构性能 1.缓存：缓存系统 缓存分区，缓存命中，缓存更新 2.负载均衡：网关系统 负载均衡，服务路由，服务发现 3.异步调用：异步系统 消息队列，消息持久，异步事务 4.数据镜像：数据镜像 数据同步，数据分离，数据一致性 5.数据分区：数据分区 分区策略，数据访问层，数据一致性 3.提高架构稳定性： 1.服务拆分：服务治理 服务调用，依赖，隔离 2.服务冗余：服务调度 弹性伸缩，故障转移，服务发现 3.限流降级：降级限流 异步队列服务降级，限流熔断 4.高可用架构：高可用架构 多租户系统，宰被多活，高可用服务 5.高可用运维：高可用运维 全栈监控 devops，自动化运维 4.引入的问题 但是引入分布式系统，会引入一堆技术问题, 解决方法: -- 服务治理 -- 架构软件管理 -- DevOps。 -- 自动化运维。 -- 资源调度管理 -- 整体架构监控。 -- 流量控制。 备注: 由上可知, 要实现出来得投入多少人力、物力和时间啊。是的，这就是分布式系统中最大的坑。 5.引入的问题的解决方案  --- Docker 我们应该庆幸自己生活在了一个非常不错的年代。今天有一个技术叫——Docker，通过 Docker 以及其衍生出来的 Kubernetes 之类的软件或解决方案，大大地降低了做上面很多事情的门槛。 现在你知道为什么 Docker 这样的容器化虚拟化技术是未来了吧。因为分布式系统已经是完全不可逆转的技术趋势了。 6.总结  -- 分布式系统的“纲” 总结一下上面讲述的内容，你不难发现，分布式系统有五个关键技术，它们是： -- 全栈系统监控； -- 服务 / 资源调度； -- 流量调度； -- 状态 / 数据调度； -- 开发和运维的自动化。 而最后一项 —— 开发和运维的自动化，是需要把前四项都做到了，才有可能实现的。 所以，最为关键是下面这四项技术，即应用整体监控、资源和服务调度、状态和数据调度及流量调度，它们是构建分布式系统最最核心的东西. Over

这个系列的文章真是干货

如果不是之前半个月我学习了微服务架构，文中很多名词我都不理解，无法接受地去学习。现在回过头来看这个分布式，就好很多了。很多时候，是需要有基础的，有理解的在学习，凭空想象对于技术来说是坚决不可行的

这个系列超级赞！

受益匪浅，分布式系统中各个组件的调用链和组件监控做的不够好，这方面大公司运维很吃力

相见恨晚

分布式架构的技术栈很多。 文章列举的已经是超大型分布式系统所需要的技术栈了。 但对于规模较小的公司，文中许多内容不需要实践的过于深。 架构是渐进式进化的，一口成不了个大胖子。