1. 追根溯源
在弄清楚我们要做一个什么样的系统之前，先来解答一下我们为什么做这个系统，这不得不追溯过去。
目前线上虽然有旧系统提供服务，但旧系统不支持高并发，不易扩展，为了应对未来业务需要，所以我们就萌生了重建系统的想法。
但我们必须回答为什么不在原来的系统上进行重构，而要重建一个系统呢？
成本，成本，还是成本，当重建一个系统的成本小于重构的时候，重建是最佳选择。
顺便说说重构的事情
重构是一个比较常见的技术手段，但近些年逐步变成了贬义词，因为有相当一批技术人在不分青红皂白的情况下，重复创造轮子，导致了资源浪费，风气一度刮到互联网上，大家对重构望而生畏，一说起重构就被鄙视。
重构本身是健康的，是让代码变得更好的技术手段，当然不排除重构完之后，代码依然很烂，但这也是由个别程序员导致的。
给大家推荐一本书，Martin Fowler 他老人家的《重构：改善既有代码的设计》，这本书值得你看。
2.如何建设高并发系统
在我们选择了重建之后，接下来我们面对的课题是，我们要打造一个什么样的系统以及如何建造它。 我们要从两方面来谈这个事情。
2.1 核心业务模型
2.1.1 业务流程
在弄清楚核心业务模型之前，我们先看看我们的业务流程
- 给用户创建一个抽奖池子，命名为awardPool，里边可以放很多奖券
- 系统自动从awardPool分配一个奖券给用户。
- 用户拿着已经抓到奖券去领取奖品。
通过核心流程我们可以看到两个关键字，抽奖池和奖券，下图是我们的核心业务模型
2.1.2 模块划分
从业务流程我们可以分析得知，我们的系统至少有三个模块
| 模块名称 | 核心功能 | 输入 | 输出 | 描述 |
|---|---|---|---|---|
| awardMgtService | 负责奖券池的创建，创建奖券，手动分配奖券给用户，手动兑换奖券等 | 提供用户信息 | 奖券池 | 奖券管理服务 |
| awardAssignService | 自动从奖券池分配奖券 | 奖券池ID | 分配一个奖券 | 自动分配奖券服务 |
| awardReceiveService | 兑换奖券 | 奖券信息 | 奖品 | 兑换奖品服务 |
2.2 技术指标
2.2.1 系统容量
在说完核心业务之后，我们来一起聊聊核心技术指标，怎么衡量一个系统具备高并发的能力，我们给出了以下指标
| 模块 | 指标 | 计算方式 | 统计方式 | 结果 |
|---|---|---|---|---|
| awardMgtService | 创建奖券成功率 | 每秒的成功数/每秒的请求总数 | 监控埋点 | 99.99% |
| awardAssignService | 自动分配券成功率 | 每秒的自动分配奖券成功数/每秒的请求总数 | 监控埋点 | 99.99% |
| QPS | 每秒请求总数 | 监控埋点 | 1w QPS TP95延时 50ms | |
| awardReceiveService | 兑换奖券成功率 | 每秒的兑换成功数/每秒的请求总数 | 监控埋点 | 99.99% |
| QPS | 每秒请求总总数 | 监控埋点 | 2w QPS TP95延时 30ms |
除此之外，做系统设计还需要考虑什么吗？
2.2.2 稳定性
关于稳定性，亚马逊是这么定义的
系统稳定性是指一个系统在特定环境和负载下能够持续运行，不会出现严重的故障、崩溃或异常行为的特性
2.2.2.1 稳定性问题都有哪些呢？
| 故障分类 | 说明 |
|---|---|
| 硬件故障 | 比如cpu，内存，磁盘故障 |
| 软件故障 | 业务系统bug，中间件故障 |
| 配置错误 | 由人为导致的配置错误 |
| 网络问题 | 网络攻击等 |
我这里只是列出了大概的分类，除了这些已知的因素之外，还有一些不可抗力的因素，比如一辆大卡车不小心冲进了机房，从而把电缆撞断了。 千万别以为这是笑话，这是曾经发生过的故事。
2.2.2.2 如何识别这些问题呢？
监控，监控，还是监控。
我们都做过体检，体检是一种主动行为，时不时定期的去检查一下身体，看看是否存在问题。 有时候有些急症，去医院挂急诊，医院急诊的处理的流程会更快一些，这是我们的被动行为。
监控可以帮我们发现系统中可能存在的问题，比如当我们发现mysql的cpu利用率>60%的时候，我们可以主动干预。 当系统中发生一些异常的时候，监控帮助识别问题。
在我过去的工作经历中，我见过好多系统简直就是在裸奔，系统上线之后，没有任何监控的手段，系统运行的怎么样，一概不知，只有出了问题产生了损失才去修复，这实在是太可怕了。
监控是一双眼睛，帮助我们查看系统运行的状况
除了监控之外，我们可以通过性能测试，code Review等手段尽早发现一些问题，像findBugs、sonar等代码扫描插件也可以帮助提前发现问题。
2.2.3 可用性
维基百科的定义
可用性就是一个系统处在可工作状态的时间的比例。这通常被描述为任务可行率
一天按照24小时计算，麦当劳只有1小时不外卖，那
可用率=23/24*100%=95.83%
2.2.3.1 如何衡量系统的可用性，通常的做法是几个9
| 可用性 | 最高的無法使用程度 (每年) | 系统分类 |
|---|---|---|
| 99% | 3 天 15 小時 | 批次處理、資料擷取、傳輸和載入任務 |
| 99.9% | 8 小時 45 分钟 | 知識管理、專案追蹤等內部工具 |
| 99.95% | 4 小時 22 分鐘 | 線上商務、銷售點 |
| 99.99% | 52 分鐘 | 影片交付、廣播工作負載 |
| 99.999% | 5 分鐘 | ATM 交易、電信工作負載 |
2.2.3.2 提升系统可用性通常的做法
说说故障转移
主备模式：通过心跳在主备之间进行探测，如果主机心跳中断，备机就会取代主机 双活：其中一个故障了，由另外一个提供服务，不需要进行选主，因为是双主，很多公司现在都做多云双机房，服务更加稳定，当然额外的成本也非常高。
说说复制
主从复制：master接收写操作，然后由master复制给其他副本，常见的mysql架构 双主复制：两个master都接收写，互相同步，然后再同步到其他副本，常用的双活模式下的数据同步方式。 无主复制：我理解跟双主复制是一样的，每个节点都可以接收写操作，然后互相同步，比如像Redis
说到以上数据同步方式，不得不提到保证数据一致性的一些协议
paxos：强一致性协议，因晦涩难懂，没有落地的方案。
Raft：强一致性协议，完善了paxos的晦涩难懂，实现了落地。
ZAB：强一致性协议，zookeeper在用
Gossip：八卦协议，redis在用
关于协议的原理，大家可以google一下原理，比我讲的好的太多了。
说说分区
什么是副本呢，顾名思义是把同样一份数据复制成多份，这样做的目的是防止数据因为丢失影响系统运行。
分区是把一整份数据切割成不同的小份，提升性能。
通常副本和分区一块使用，比如把一份数据分割成N份，每份都有多个副本，这样做既提升了系统的性能又防止数据的丢失。
总结
其实你看做一个软件系统并非是容易的事情，既要理解业务又要选对技术方案，关于技术，本文中也有好多没提到，比如扩容，在应对流量激增的常用技术手段，也是非常重要。做系统需要沉下心来思考，搞清楚每个概念以及概念之间的联系，这样做出来的系统更容易落地。