2019✨ 婚礼新玩法[机智]
各大婚庆boss看过来[勾引][勾引][勾引]
2019婚礼手绘设计进入全新时代 在线合作模式全面开启
1⃣ 在线沟通，方便快捷
2⃣ 在线设计师无需传统底薪+提成❌ 更加专业高效，降低运营成本✨
3⃣ 手绘效果图➕ 平面设计制作，全方位服务省时、省事更省力！
4⃣ 长期合作享受更优价格❗ ❗ ❗
设计师火热在线接单中ing
电话，微信咨询:18690825030
快来咨询吧[勾引][勾引][勾引][拳头] https://t.cn/RMJI3lO
各大婚庆boss看过来[勾引][勾引][勾引]
2019婚礼手绘设计进入全新时代 在线合作模式全面开启
1⃣ 在线沟通，方便快捷
2⃣ 在线设计师无需传统底薪+提成❌ 更加专业高效，降低运营成本✨
3⃣ 手绘效果图➕ 平面设计制作，全方位服务省时、省事更省力！
4⃣ 长期合作享受更优价格❗ ❗ ❗
设计师火热在线接单中ing
电话，微信咨询:18690825030
快来咨询吧[勾引][勾引][勾引][拳头] https://t.cn/RMJI3lO
美团外卖构架解析
中国外卖市场迎来巨变，外卖从无人问津开始，到现在已经培育成互联网巨头必争之地。作为为数不多能够达到日千万订单级别的业务，其后端服务是怎么支撑的？
美团外卖后端架构迭代各阶段
美团外卖发展到今天差不多有 4 年多的时间，按照外卖业务发展的几个特征，可以相应地把外卖技术分成三个主要阶段：
第一阶段：业务初探期
大约截止到 2015 年初，持续差不多一年左右的时间。这个阶段的主要特征就是美团对于外卖的业务还处于市场摸索期，研发人员相对也比较少，差不多 10 来个同学，产品上需要快速迭代、试错。
所以这个阶段的系统架构比较简单，就是典型的单系统 Web 应用服务，主要是需要满足产品需求上的快速上线，验证业务模型的市场可行性。
第二阶段：业务爆发期
外卖业务在 2015 年初开始了爆发式增长。基于当前外卖的业务特性，90% 以上的交易都是在午高峰和晚高峰这个期间完成的，对业务系统来说高峰期负载重，压力大。这个阶段，我们主要是从最早期的基于单系统的 Web 应用架构，向分布式服务架构的迁移改造。期间主要优化工作如下：
一、做架构的拆分，应对高并发、保证高性能
对系统的拆分，主要体现在系统服务层、以及数据存储层上。
通过对线上业务流程的分解，将外卖系统分成数据浏览体系、用户订单交易体系、商户接单配送体系、用户信息 UGC 服务等，同时也针对大的业务服务体系内的流量分布、以及功能差异性，再做进一步的拆解。比如浏览体系中会有门店服务、商品服务、搜索推荐服务等等。
针对并发的读写数据压力，我们也针对性地搭建了相应的分布式缓存服务、针对特定数据库表，例如订单表，也进行了基于订单 ID、门店 ID、用户 ID 等多个维度的拆库、拆表操作。
二、构建系统化运维体系，保障服务高可用
分布式系统拆分，提升了外卖服务的并发处理能力，同时也给线上运维带来了负担。需要对线上近百个服务应用、几千台机器资源进行运维管理，才能保证整个业务链路服务的稳定体验。这个期间，我们在业务系统的可运维方面，做了大量的工作。例如：
00001. 通过完整业务链路的梳理，形成关联各服务接口的 SLA，保障核心链路的稳定 ;
00002. 通过定期的全链路压测，验证各子系统的处理极限，合理规划系统容量；
00003. 通过链路故障模拟演练，验证各服务系统在功能层面、系统层面的故障降级处理能力
第三阶段：业务扩展期
这个期间是伴随着业务爆发期逐步开始的。外卖的业务中，除了传统的餐饮品类外，还逐步提供了鲜花、生鲜、果蔬、商超、以及跑腿服务等业务的扩展。这里简单总结下：
业务扩展期阶段外卖业务和产品，我们期望以最小的代价，支持不同品类的差异性服务，能够在当前的系统中快速上线。对技术来说，就需要将系统由业务的功能化向业务的平台化方向发展。
我们通过对通用电商逻辑的抽取，形成公共服务平台，将差异性的品类业务特性，通过系统插件或者流程配置的方式，集成到公共服务平台上，以达到整个链路的整合复用。例如：
00001. 将订单交易流程通过类似工作流引擎的方式，针对不同的品类，配置不同的流程模板，使其能够灵活的运行在整个外卖的核心交易体系之中；
00002. 商家促销活动平台，支持从门店、商品、区域等等不同品类进行各种活动配置，满足不同品类的营销需求。
美团外卖后端新项目
当前美团外卖业务依然处于持续增长期，年前我们的日订单刚突破了 1800 多万。伴随着业务的发展，基于业务背后的技术系统也日趋复杂。无论是对于机器资源规模，还是系统服务之间的调度关联，都对线上服务的运维带来很大的挑战。
为保证外卖线上服务规模的可扩展和可运维，近期我们正在开展两大项目：一个是外卖的 Set 化部署项目、另一个是智能化业务运维系统建设。
外卖 Set 化部署项目
这个项目的目标是为了解决外卖当前大数据、高并发场景下的机房集群资源规模限制问题。我们希望将用户与商家的大规模请求流量，按照特定的规则，拆分到不同 Set 内，同时在 Set 内做到整个用户交易流程的闭环。这样我们并可以通过可控容量大小的 Set 划分，达到分散系统压力，快速支持扩容的能力。
Set 化不是一项新技术，当前业界也有部分公司已经在线上实施了，我们计划 2018 年下半年进入部署状态。这块涉及到的基础服务改造，应用服务改造非常多，我想等我们上线后，可以总结下经验，再来给大家详细分享下。
外卖智能化业务运维建设项目
在美团外卖的稳定性建设过程中，我们希望通过一套智能化运维系统，帮助快速、准确地识别各链路子系统服务异常，发现问题根因，并自动执行对应的异常解决预案，从而避免或减少线上事故影响。
当前业界关于 AIOps 这块的探索也有很多，我们也在同步的跟进摸索中，目前主要还处于基础性建设期间，包括核心链路的故障演练系统、全链路压测系统、告警分析诊断系统，服务自保护系统等等。
高并发应对策略
这里简单介绍下我们的高峰低谷策略、动态调度设计、目前的瓶颈，以及我们的优先级策略。
高峰低谷策略
针对当前外卖的周期性峰值波动特性，我们的主要采取如下几个策略：
系统基础运行能力的适度冗余
外卖系统在系统架构的设计上，无论是在服务层面系统部署，还是数据层面的存储资源都会做适当的冗余。比如我们大部分的核心系统服务，会保持线上高峰时 1.5 倍左右的冗余，以保证高峰期间的业务异常流量情况下的系统可用。
系统资源的动态调配
美团外卖的服务系统都是部署在美团私有云上的，最近一年来，我们也在很多的服务上使用了美团内部的弹性计算容器，以应对外卖系统的突增压力时，可以做到近实时的系统快速扩容。同时在低峰期也可以释放资源，提升机器资源利用率。
系统在极限压力下的自我保护
除了从基本的资源部署上来保证以外，在外卖的系统设计中，也会采取大量的自保护策略，其中包括各系统服务的限流、降级、熔断等自我保护策略，以保证系统在异常流量压力下核心链路的可用性。
动态调度设计
外卖业务链路较长，其中关联角色有三方：用户、商家、骑手，简单的业务流程是：用户下单 ->商家接单 / 发配送 ->骑手接单配送。
外卖服务是一个强履约服务，需要尽最大可能，保障用户下单之后，以最快的时间内送达商品，保障用户的体验。外卖当前主要基于餐饮的商品，属于非标品服务，同时也是基于人员配送的即时物流服务，所以一定时间内的服务规模是有限的。一旦商家商品供给能力不足、或者配送资源不足的时候，都需要通过系统来调节。
例如，当运力充足但商家订单过多，出餐瓶颈出现的时候，为保证用户的体验，我们会从产品上提示用户商家忙，继续下单需要能够让用户有延迟送达的预期；同时针对订单较多，出餐较慢的商家，也会在门店列表排序上给予一定的关联因子降级。
对于运力不足的情况下，也会通过适当的实时策略调整，来保证现有运力的供给平衡，比如在高峰期之外降低配送费，高峰期间提升配送费来调节需求的平衡分布。在极端天气，爆单的情况下，可以通过动态调整特定区域商家的配送范围，来保证用户体验。
总之在外卖的整个交易链路中，用户、商家、配送等系统之间的实时数据是互通的，各业务系统通过关注不同的实时数据变化，采用不同的策略应对，从而调节整个业务的运作模式，保证外卖链路三方的平衡。
当前瓶颈
随着业务规模的进一步扩展，当前外卖分布式架构体系中，系统各层的水平扩展性是我们可能会面临的瓶颈。 具体来说，我们面临的问题包括如下两点：
服务层单个集群大小受限
服务层虽然是无状态服务，理论上可以无限增加，但是单个集群规模越大，运维成本就会越高，比如基础服务治理对于服务状态的维护、更新、同步等。
数据存储单个集群大小受限
单个集群的从库个数是受限的，从库越多，主库消耗越大，导致从库个数是受限的。
所以总的来说，系统集群规模是存在上限的，导致实时线上服务的系统处理能力受限。近期我们启动了外卖服务 Set 化升级，结合外卖的强地域特征，将流量按照地域拆分开，每部分流量由单独集群提供服务，从将整个大的分布式集群拆分为多个小集群，从而可以通过从业务逻辑层的设置，来达到控制集群规模大小的目的。
在当前我们的非 Set 化架构体系中，受限于上面提到的两点，大约可以满足两倍于当前业务的数据量，可以支撑近一年左右的业务增长。随着我们的 Set 化项目 2018 年完成部署，理论上通过增加新的 Set 集群，进一步扩展系统能力，可很好地支持未来 3~5 年的业务增长。
优先级策略
作为一个线上即时交易服务系统，在线上资源不足，或者故障发生时，我们首先会优先保护和订单交易相关的核心业务链路。这条链路从用户能感知到的服务就是：商家列表的浏览、商家内的商品展示、用户提单支付、商品骑手配送。
这就需要我们梳理最小化的核心服务链路，除此之外的其他链路分支所关联的所有服务，都可以在故障时刻被降级。比如针对商家列表的排序、推荐、广告服务、评论服务、搜索服务等等。
而实现最小化交易链路保证的前提是：各系统具备能够降级非核心服务接口依赖的能力。外卖服务经过这几年的不断业务梳理与积累，逐步开发实现了各业务链路的限流开关、功能服务开关、依赖服务降级开关百余个。这些开关通过我们的事故紧急预案，被分类组织到我们的业务运维系统中，一旦对应的事故发生，我们可以快速的通过系统，来完成批量的服务降级处理，从而避免事故的发生、或减少事故造成的损失。
外卖高峰期的入口请求 QPS 达到 20W 左右，这其中包含了部分恶意攻击或抓取流量。针对恶意爬虫抓取这块，我们会与公司内部的反爬团队一起做这块的防范工作。而针对突发的攻击性流量，除了公司上层流量入口层的控制以外，外卖自身的服务也会根据用户或地域维度做一定的限流策略，避免恶意攻击造成对正常流量的影响。
架构优化
扩容还是性能优化
为达到目标系统的容量，一般有扩容和性能优化两种手段，这两种手段会根据服务当前的具体情况配合使用。大的原则是：长期保持系统的优化、紧急状况扩容或按照长期业务趋势规划扩容。
关于扩容能力
外卖的业务技术系统，构建在美团内部分布式基础中间件之上（例如分布式缓存、消息队列、服务治理中间件等），这些通用的分布式组件，为上层应用的水平扩容，提供了基础能力保证。
对外卖业务系统，我们也进行了对应的系统拆分 (例如交易服务、营销服务、评论服务、商品门店服务等)，拆分中保证各服务均采用无状态设计，可以快速支持水平扩容。另外类似营销这样存在突发流量的服务，也接入到美团弹性计算容器中，可以支持根据流量变化，来进行自动化的扩缩容。
关于性能优化
针对外卖高并发场景，合并分散的调用接口，降低各服务系统间访问频次，防止一次调用链中对依赖服务的请求次数放大；提升数据获取性能，优化存储结构设计（分库、分表、建索引），采用适当的存储方式（DB、分布式缓存、文件索引、本地内存等）；将部分请求处理异步化，非实时处理离线化等。
对于如何避免过度依赖扩容，大的方面还是从系统的性能优化入手，当机器资源达到服务瓶颈的时候，需要深入分析具体瓶颈点在哪里，是存储、CPU、带宽还是其他的原因。然后针对具体的点，再考虑是否必须扩容。在外卖定期进行的全链路压测场景中，我们会根据压测的数据，结合各服务的 SLA 要求，来评估各服务的处理能力，再结合未来业务的增长趋势，做较长期的容量扩容规划。
系统架构拆分原则
架构的拆分需要匹配业务规模的发展程度，并具备一定的超前性。过早的拆分会造成不必要的资源浪费，而过晚的拆分，则又会累积现有系统的风险，增加拆分业务的梳理难度。
在外卖的技术发展过程中，由于外卖早期的业务爆发太快，相对技术资源储备不足，拆分的时机是落后于业务发展的，所以早期也出现过很多的线上事故。后来我们通过快速的系统架构拆分与调整，逐步完善起外卖的后端体系架构，减少了线上事故的发生。总结起来，我们针对系统架构的拆分遵循以下三个原则：
流量拆分原则
外卖服务流量按类型，我们可以简单的分为 To C 流量和 To B 流量，也就是面向外卖用户和面向商家、运营的流量。针对不同流量的服务系统会拆分，典型的比如：针对商家或 BD 运营的门店管理、商品管理、营销活动配置管理等，就会和线上的门店、商品、营销等服务分开。除了服务系统上，存储 DB 上也会拆分，中间我们会采用一些实时的数据同步机制，保证数据的一致性。
【涵予科技，专注用户体验，深耕行业方案，以设计与技术驱动企业价值的增长，用服务实现您的商业目标】
中国外卖市场迎来巨变，外卖从无人问津开始，到现在已经培育成互联网巨头必争之地。作为为数不多能够达到日千万订单级别的业务，其后端服务是怎么支撑的？
美团外卖后端架构迭代各阶段
美团外卖发展到今天差不多有 4 年多的时间，按照外卖业务发展的几个特征，可以相应地把外卖技术分成三个主要阶段：
第一阶段：业务初探期
大约截止到 2015 年初，持续差不多一年左右的时间。这个阶段的主要特征就是美团对于外卖的业务还处于市场摸索期，研发人员相对也比较少，差不多 10 来个同学，产品上需要快速迭代、试错。
所以这个阶段的系统架构比较简单，就是典型的单系统 Web 应用服务，主要是需要满足产品需求上的快速上线，验证业务模型的市场可行性。
第二阶段：业务爆发期
外卖业务在 2015 年初开始了爆发式增长。基于当前外卖的业务特性，90% 以上的交易都是在午高峰和晚高峰这个期间完成的，对业务系统来说高峰期负载重，压力大。这个阶段，我们主要是从最早期的基于单系统的 Web 应用架构，向分布式服务架构的迁移改造。期间主要优化工作如下：
一、做架构的拆分，应对高并发、保证高性能
对系统的拆分，主要体现在系统服务层、以及数据存储层上。
通过对线上业务流程的分解，将外卖系统分成数据浏览体系、用户订单交易体系、商户接单配送体系、用户信息 UGC 服务等，同时也针对大的业务服务体系内的流量分布、以及功能差异性，再做进一步的拆解。比如浏览体系中会有门店服务、商品服务、搜索推荐服务等等。
针对并发的读写数据压力，我们也针对性地搭建了相应的分布式缓存服务、针对特定数据库表，例如订单表，也进行了基于订单 ID、门店 ID、用户 ID 等多个维度的拆库、拆表操作。
二、构建系统化运维体系，保障服务高可用
分布式系统拆分，提升了外卖服务的并发处理能力，同时也给线上运维带来了负担。需要对线上近百个服务应用、几千台机器资源进行运维管理，才能保证整个业务链路服务的稳定体验。这个期间，我们在业务系统的可运维方面，做了大量的工作。例如：
00001. 通过完整业务链路的梳理，形成关联各服务接口的 SLA，保障核心链路的稳定 ;
00002. 通过定期的全链路压测，验证各子系统的处理极限，合理规划系统容量；
00003. 通过链路故障模拟演练，验证各服务系统在功能层面、系统层面的故障降级处理能力
第三阶段：业务扩展期
这个期间是伴随着业务爆发期逐步开始的。外卖的业务中，除了传统的餐饮品类外，还逐步提供了鲜花、生鲜、果蔬、商超、以及跑腿服务等业务的扩展。这里简单总结下：
业务扩展期阶段外卖业务和产品，我们期望以最小的代价，支持不同品类的差异性服务，能够在当前的系统中快速上线。对技术来说，就需要将系统由业务的功能化向业务的平台化方向发展。
我们通过对通用电商逻辑的抽取，形成公共服务平台，将差异性的品类业务特性，通过系统插件或者流程配置的方式，集成到公共服务平台上，以达到整个链路的整合复用。例如：
00001. 将订单交易流程通过类似工作流引擎的方式，针对不同的品类，配置不同的流程模板，使其能够灵活的运行在整个外卖的核心交易体系之中；
00002. 商家促销活动平台，支持从门店、商品、区域等等不同品类进行各种活动配置，满足不同品类的营销需求。
美团外卖后端新项目
当前美团外卖业务依然处于持续增长期，年前我们的日订单刚突破了 1800 多万。伴随着业务的发展，基于业务背后的技术系统也日趋复杂。无论是对于机器资源规模，还是系统服务之间的调度关联，都对线上服务的运维带来很大的挑战。
为保证外卖线上服务规模的可扩展和可运维，近期我们正在开展两大项目：一个是外卖的 Set 化部署项目、另一个是智能化业务运维系统建设。
外卖 Set 化部署项目
这个项目的目标是为了解决外卖当前大数据、高并发场景下的机房集群资源规模限制问题。我们希望将用户与商家的大规模请求流量，按照特定的规则，拆分到不同 Set 内，同时在 Set 内做到整个用户交易流程的闭环。这样我们并可以通过可控容量大小的 Set 划分，达到分散系统压力，快速支持扩容的能力。
Set 化不是一项新技术，当前业界也有部分公司已经在线上实施了，我们计划 2018 年下半年进入部署状态。这块涉及到的基础服务改造，应用服务改造非常多，我想等我们上线后，可以总结下经验，再来给大家详细分享下。
外卖智能化业务运维建设项目
在美团外卖的稳定性建设过程中，我们希望通过一套智能化运维系统，帮助快速、准确地识别各链路子系统服务异常，发现问题根因，并自动执行对应的异常解决预案，从而避免或减少线上事故影响。
当前业界关于 AIOps 这块的探索也有很多，我们也在同步的跟进摸索中，目前主要还处于基础性建设期间，包括核心链路的故障演练系统、全链路压测系统、告警分析诊断系统，服务自保护系统等等。
高并发应对策略
这里简单介绍下我们的高峰低谷策略、动态调度设计、目前的瓶颈，以及我们的优先级策略。
高峰低谷策略
针对当前外卖的周期性峰值波动特性，我们的主要采取如下几个策略：
系统基础运行能力的适度冗余
外卖系统在系统架构的设计上，无论是在服务层面系统部署，还是数据层面的存储资源都会做适当的冗余。比如我们大部分的核心系统服务，会保持线上高峰时 1.5 倍左右的冗余，以保证高峰期间的业务异常流量情况下的系统可用。
系统资源的动态调配
美团外卖的服务系统都是部署在美团私有云上的，最近一年来，我们也在很多的服务上使用了美团内部的弹性计算容器，以应对外卖系统的突增压力时，可以做到近实时的系统快速扩容。同时在低峰期也可以释放资源，提升机器资源利用率。
系统在极限压力下的自我保护
除了从基本的资源部署上来保证以外，在外卖的系统设计中，也会采取大量的自保护策略，其中包括各系统服务的限流、降级、熔断等自我保护策略，以保证系统在异常流量压力下核心链路的可用性。
动态调度设计
外卖业务链路较长，其中关联角色有三方：用户、商家、骑手，简单的业务流程是：用户下单 ->商家接单 / 发配送 ->骑手接单配送。
外卖服务是一个强履约服务，需要尽最大可能，保障用户下单之后，以最快的时间内送达商品，保障用户的体验。外卖当前主要基于餐饮的商品，属于非标品服务，同时也是基于人员配送的即时物流服务，所以一定时间内的服务规模是有限的。一旦商家商品供给能力不足、或者配送资源不足的时候，都需要通过系统来调节。
例如，当运力充足但商家订单过多，出餐瓶颈出现的时候，为保证用户的体验，我们会从产品上提示用户商家忙，继续下单需要能够让用户有延迟送达的预期；同时针对订单较多，出餐较慢的商家，也会在门店列表排序上给予一定的关联因子降级。
对于运力不足的情况下，也会通过适当的实时策略调整，来保证现有运力的供给平衡，比如在高峰期之外降低配送费，高峰期间提升配送费来调节需求的平衡分布。在极端天气，爆单的情况下，可以通过动态调整特定区域商家的配送范围，来保证用户体验。
总之在外卖的整个交易链路中，用户、商家、配送等系统之间的实时数据是互通的，各业务系统通过关注不同的实时数据变化，采用不同的策略应对，从而调节整个业务的运作模式，保证外卖链路三方的平衡。
当前瓶颈
随着业务规模的进一步扩展，当前外卖分布式架构体系中，系统各层的水平扩展性是我们可能会面临的瓶颈。 具体来说，我们面临的问题包括如下两点：
服务层单个集群大小受限
服务层虽然是无状态服务，理论上可以无限增加，但是单个集群规模越大，运维成本就会越高，比如基础服务治理对于服务状态的维护、更新、同步等。
数据存储单个集群大小受限
单个集群的从库个数是受限的，从库越多，主库消耗越大，导致从库个数是受限的。
所以总的来说，系统集群规模是存在上限的，导致实时线上服务的系统处理能力受限。近期我们启动了外卖服务 Set 化升级，结合外卖的强地域特征，将流量按照地域拆分开，每部分流量由单独集群提供服务，从将整个大的分布式集群拆分为多个小集群，从而可以通过从业务逻辑层的设置，来达到控制集群规模大小的目的。
在当前我们的非 Set 化架构体系中，受限于上面提到的两点，大约可以满足两倍于当前业务的数据量，可以支撑近一年左右的业务增长。随着我们的 Set 化项目 2018 年完成部署，理论上通过增加新的 Set 集群，进一步扩展系统能力，可很好地支持未来 3~5 年的业务增长。
优先级策略
作为一个线上即时交易服务系统，在线上资源不足，或者故障发生时，我们首先会优先保护和订单交易相关的核心业务链路。这条链路从用户能感知到的服务就是：商家列表的浏览、商家内的商品展示、用户提单支付、商品骑手配送。
这就需要我们梳理最小化的核心服务链路，除此之外的其他链路分支所关联的所有服务，都可以在故障时刻被降级。比如针对商家列表的排序、推荐、广告服务、评论服务、搜索服务等等。
而实现最小化交易链路保证的前提是：各系统具备能够降级非核心服务接口依赖的能力。外卖服务经过这几年的不断业务梳理与积累，逐步开发实现了各业务链路的限流开关、功能服务开关、依赖服务降级开关百余个。这些开关通过我们的事故紧急预案，被分类组织到我们的业务运维系统中，一旦对应的事故发生，我们可以快速的通过系统，来完成批量的服务降级处理，从而避免事故的发生、或减少事故造成的损失。
外卖高峰期的入口请求 QPS 达到 20W 左右，这其中包含了部分恶意攻击或抓取流量。针对恶意爬虫抓取这块，我们会与公司内部的反爬团队一起做这块的防范工作。而针对突发的攻击性流量，除了公司上层流量入口层的控制以外，外卖自身的服务也会根据用户或地域维度做一定的限流策略，避免恶意攻击造成对正常流量的影响。
架构优化
扩容还是性能优化
为达到目标系统的容量，一般有扩容和性能优化两种手段，这两种手段会根据服务当前的具体情况配合使用。大的原则是：长期保持系统的优化、紧急状况扩容或按照长期业务趋势规划扩容。
关于扩容能力
外卖的业务技术系统，构建在美团内部分布式基础中间件之上（例如分布式缓存、消息队列、服务治理中间件等），这些通用的分布式组件，为上层应用的水平扩容，提供了基础能力保证。
对外卖业务系统，我们也进行了对应的系统拆分 (例如交易服务、营销服务、评论服务、商品门店服务等)，拆分中保证各服务均采用无状态设计，可以快速支持水平扩容。另外类似营销这样存在突发流量的服务，也接入到美团弹性计算容器中，可以支持根据流量变化，来进行自动化的扩缩容。
关于性能优化
针对外卖高并发场景，合并分散的调用接口，降低各服务系统间访问频次，防止一次调用链中对依赖服务的请求次数放大；提升数据获取性能，优化存储结构设计（分库、分表、建索引），采用适当的存储方式（DB、分布式缓存、文件索引、本地内存等）；将部分请求处理异步化，非实时处理离线化等。
对于如何避免过度依赖扩容，大的方面还是从系统的性能优化入手，当机器资源达到服务瓶颈的时候，需要深入分析具体瓶颈点在哪里，是存储、CPU、带宽还是其他的原因。然后针对具体的点，再考虑是否必须扩容。在外卖定期进行的全链路压测场景中，我们会根据压测的数据，结合各服务的 SLA 要求，来评估各服务的处理能力，再结合未来业务的增长趋势，做较长期的容量扩容规划。
系统架构拆分原则
架构的拆分需要匹配业务规模的发展程度，并具备一定的超前性。过早的拆分会造成不必要的资源浪费，而过晚的拆分，则又会累积现有系统的风险，增加拆分业务的梳理难度。
在外卖的技术发展过程中，由于外卖早期的业务爆发太快，相对技术资源储备不足，拆分的时机是落后于业务发展的，所以早期也出现过很多的线上事故。后来我们通过快速的系统架构拆分与调整，逐步完善起外卖的后端体系架构，减少了线上事故的发生。总结起来，我们针对系统架构的拆分遵循以下三个原则：
流量拆分原则
外卖服务流量按类型，我们可以简单的分为 To C 流量和 To B 流量，也就是面向外卖用户和面向商家、运营的流量。针对不同流量的服务系统会拆分，典型的比如：针对商家或 BD 运营的门店管理、商品管理、营销活动配置管理等，就会和线上的门店、商品、营销等服务分开。除了服务系统上，存储 DB 上也会拆分，中间我们会采用一些实时的数据同步机制，保证数据的一致性。
【涵予科技，专注用户体验，深耕行业方案，以设计与技术驱动企业价值的增长，用服务实现您的商业目标】
【滴滴安全大整治：司机出车前需先完成安全教育问答】
9月13日，滴滴全平台司机安全培训计划全面升级。该计划是滴滴此前公布的安全整治7大措施之一。
滴滴网约车司机（快车、优步、优享、拼车、专车、豪华车），每天出车前均需进行安全知识考核，通过考核后方可正常接单。同时，巡游出租车司机也需通过相应的安全知识教育后方能使用滴滴接单。全平台司机安全培训会作为一个长期项目来运营。在这十天安全整治期间未出车的司机，未来上线后也将经过相应的培训和考试流程方可接单。
9月13日，滴滴全平台司机安全培训计划全面升级。该计划是滴滴此前公布的安全整治7大措施之一。
滴滴网约车司机（快车、优步、优享、拼车、专车、豪华车），每天出车前均需进行安全知识考核，通过考核后方可正常接单。同时，巡游出租车司机也需通过相应的安全知识教育后方能使用滴滴接单。全平台司机安全培训会作为一个长期项目来运营。在这十天安全整治期间未出车的司机，未来上线后也将经过相应的培训和考试流程方可接单。
✋热门推荐