第91篇
极客时间《从0开始学架构》课程笔记。
标准技术框架
互联网的标准技术架构
运维平台
核心职责
- 配置-->部署-->监控-->应急
- 配置：负责资源的管理，如机器管理、IP地址管理、虚拟机管理
- 部署：负责将系统发布上线，如包管理、灰度发布管理、回滚
- 监控：负责收集系统上线运行后的相关数据并监控，以便及时发现问题
- 应急：负责系统出故障后的处理，如停止程序、下线故障机器、切换IP
核心设计要素
- 标准化、平台化、自动化、可视化
- 标准化：运维平台的基础，没有标准化就没有运维平台
- 平台化：集成运维操作到平台，可以将运维标准固化到平台，能提供简单方便的操作，并且可复用
- 自动化：将大量重复操作固化后由系统自动完成，减少人工操作
- 可视化：提升数据查看效率，可以更直观地看到数据的属性，能将数据的含义展示出来，并且能将关联数据整合在一起展示
测试平台
- 核心职责：各类测试，如单元测试、集成测试、接口测试、性能测试
- 核心目的：提升测试效率，从而提升产品质量，设计关键是自动化
- 基本架构包括用例管理、资源管理、任务管理、数据管理
- 用例管理：为了复用测试所用的脚本或代码，需要对用例进行管理，管理维度包括业务、系统、测试类型、用例代码
- 资源管理：执行测试用例需要具体的运行环境，包括硬件、软件、业务系统，一般使用虚拟技术，如虚拟机、docker
- 任务管理：主要是将测试用例分配到具体的资源上执行，并跟踪任务执行情况，它是测试平台设计的核心，用来串联平台各部分
- 数据管理：对测试任务执行结果数据进行记录，可以用来展现用例执行情况，或者进行分析挖掘
测试平台基本架构
数据平台
-
核心职责：数据管理、数据分析、数据应用
数据平台架构
-
数据管理：包括数据采集、数据存储、数据访问和数据安全4个核心职责，是数据平台基础功能
-
数据采集负责从业务系统搜集各类数据，数据存储将采集的数据存储到数据平台，数据访问负责对外提供各种协议用于读写数据，数据安全设计数据安全策略，负责敏感数据保护
-
数据分析：包括数据统计、数据挖掘、机器学习、深度学习，数据统计根据原始数据统计出总览数据，数据挖掘是对数据进行分析从而发现一些规律、现象或问题，机器学习和深度学习属于数据挖掘的具体实现方式，需要独立设计
-
数据应用：既包括在线业务，也包括离线业务，需要数据规模达到一定程度才能发挥价值
管理平台
- 核心职责是权限管理，统一管理所有业务系统、中间件系统及平台系统的权限
- 权限管理分两部分：身份认证和权限控制
- 身份认证：确定当前操作人员身份，防止非法人员进入系统
- 权限控制：根据操作人员的身份确定操作权限，防止未授权人员进行操作
网友评论