[2011年12月]本月我加星（一）

写在前面：

记得以前赖勇浩（http://blog.csdn.net/lanphaday）老师有一系列文章叫做"本周我加星"，这里我借鉴他的标题，每月用一篇日志，整理这个月看的技术类的文章。每篇文章都是我精读过的，数量大概在25~30篇上下浮动，保证每篇文章的质量，并附上一两句的介绍。如果是网上有的，我会给出链接，否则我会给出详细的出处。主要关注以下几个主题：Linux、搜索引擎、架构、存储。

0.Y X-Rime：基于Hadoop的开源大规模社交网络分析工具

程序员杂志2011年12期的一篇文章，介绍的是一个IBM中国研究院提供的进行社会化网络分析的开源工具包，介绍了架构、数据结构等，对基于Hadoop进行二次开发提供第三方库有所借鉴意义。

项目主页：http://xrime.sourceforge.net/

因为是09年的项目，而且项目不活跃，所以项目本身的实用价值倒是不高。

1.如何"打败"cap定理

http://www.programmer.com.cn/9260/

程序员杂志2011年12期的一篇文章，Twitter首席工程师提出的避开CAP定理的设计思路，展示了一个不同于以往的数据系统设计方案。

2.一淘网技术简介

http://www.searchtb.com/2010/11/etao-tech-overview.html

淘宝搜索技术博客介绍一淘网技术架构，对设计垂直搜索架构设计有参考作用，同时，可以一窥一淘和淘宝的关系，以及一淘如何充分利用现有淘宝海量的用户和商品资源。

3.快速构建实时抓取集群

http://www.searchtb.com/2011/07/%E5%BF%AB%E9%80%9F%E6%9E%84%E5%BB%BA%E5%AE%9E%E6%97%B6%E6%8A%93%E5%8F%96%E9%9B%86%E7%BE%A4.html

淘宝搜索技术博客，介绍使用linux+mysql+redis+django+scrapy+webkit构建的定向抓取系统涉及到的问题以及关键概念。

4.揭秘淘宝286亿海量图片存储与处理架构

http://tech.163.com/digi/10/0901/06/6FFOOTN7001618JK.html

淘宝章文嵩博士介绍淘宝开发TFS（taobao file system）的原因，及TFS架构及变迁。文章写作时TFS尚未开源，现在大家可以顺带着把TFS的开源页面（http://code.taobao.org/p/tfs/wiki/intro/）上的介绍阅读了。

5.nosql生态系统

http://www.programmer.com.cn/9276/

对nosql的系统介绍，选择一个nosql系统时，需要考虑如下方面：

　　0）.数据模型（行、对象还是文档型）及操作模型（是否满足业务需求）

　　1）.可靠性（是否立刻持久化、是否同步到多台机器）

　　2）.扩展性（数据有多少，单机是否放的下，读写需求是否能满足）

　　3）.分区策略

　　4）.一致性

　　5）.事物机制

　　6）.单机性能（读多还是写多，写操作是否会成为磁盘瓶颈）

　　7）.负载可评估

6.Instagram 架构分析笔记

http://www.dbanotes.net/arch/instagram.html

Fenng老师给出的Instagram架构分析，极简开发团队的代表。

三个核心原则：

　　0）.Keep it very simple (极简主义)

　　1）.Don't re-invent the wheel (不重复发明轮子)

　　2）.Go with proven and solid technologies when you can(能用就用靠谱的技术)

结论：

　　0）.轻装上阵说起来容易，做起来非常难。这也是 Instagram 团队目前最令人着迷的地方；

　　1）.Python 社区已经足够成熟，各个环节上都已经有不错的解决方案了。

　　2）.如果要问我最大的一个感慨，我要说：Amazon 真是一家伟大的公司，甚至比 Google 还伟大。

7.The Google File System

http://research.google.com/archive/gfs.html

Google三驾马车之一，无需过多介绍了。

8.淘宝Oceanbase云存储系统实践

http://www.programmer.com.cn/9252/

淘宝日照老师对Oceanbase的介绍。

9.谈一谈网络编程学习经验(06-08更新)

http://blog.csdn.net/solstice/article/details/6527585

陈硕老师介绍网络编程的经验，文章很长，值得细读。不仅有经验之谈，还给列了个通往高手之路的一个必备书单，很靠谱的书单。

10.IOCP , kqueue , epoll ... 有多重要？

http://blog.codingnow.com/2006/04/iocp_kqueue_epoll.html

云风老师早期写的一篇文章，考虑将网游后端服务器拆成两部分，分别为连接服务器和逻辑服务器。连接服务器只处理并发网络连接，使用epoll、kqueue等，其后的逻辑服务器只使用一个连接和连接服务器通信，从而将网络连接的部分解耦出去，简化设计，文中还提到个极大的优势：方便调试、重现游戏逻辑。

11.Cassandra存储机制

http://www.ningoo.net/html/tag/sstable

主要介绍了SSTable(Sorted String Table)。具体的存储流程相当于Write-back cache。对Cassandra来说，只有顺序写，没有随机写。

12.漫谈基于HTTP协议的SOA架构

程序员2011年12期的一篇文章，阿里云的一位工程师写的。

这种架构的优劣：

　　优点：

　　0）.支持异构平台调用；

　　1）.扩展方便：如果系统负载大或者需要进行业务扩展，那么横向和纵向的扩展均非常容易；

　　2）.无状态；

　　3）.灵活；

　　不足：

　　0）.网络延迟；

　　1）.安全性

 

13.从B 树、B+ 树、B* 树谈到R 树

http://blog.csdn.net/v_JULY_v/article/details/6530142

本来是想通过这篇文章再细致的看看B树，后来发现这篇文章还是不好理解，后来把《算法导论》上的B树章节看了一遍。《算法导论》一直放在手边，这章一直没看，这次读，发现大师写的要易懂的多。

 

14.C10K问题-epoll简介

http://www.sogou.com/labs/reports.html

sogou技术实验室的一系列文章，着重看了《C10K问题-epoll简介》以及《C10K与高性能问题续篇》，利用里边介绍的Lock Free技术，我还实现了有锁、无锁的栈并进行了性能测试，见这篇日志（http://www.cnblogs.com/liuhao/archive/2011/12/21/2295671.html）。C10K问题早已突破了这个并发限制，在Fenng老师的一篇日志（http://www.dbanotes.net/arch/c10k_c500k.html）里提到，早在去年9月，就开始考虑C500K问题了。

 

15.用java的nio技术实现的异步连接池

同是sogou技术实验室的一篇文章，链接见上。我没大看懂，有兴趣的可以读读。

 

16.Tair ldb（leveldb存储引擎）实现介绍

http://rdc.taobao.com/blog/cs/?p=1394

淘宝核心系统团队，对在tair中引入leveldb存储引擎所作的一系列工作的介绍。

 

17.大规模社区构建-贴吧的实践

http://vdisk.weibo.com/s/CbHx/1315542581

百度贴吧的经验分享，干货很多。

 

18.存储方式与介质对性能的影响

http://stblog.baidu-tech.com/?p=851

百度贴吧团队对常见存储介质（磁盘、SSD）以及常见存储技术方案的比对测试，非常有参考价值。

 

19.超级负载均衡

http://stblog.baidu-tech.com/?p=845

百度贴吧负载均衡所使用的方案。

 

20.Consistent hashing implemented simply in Python

http://amix.dk/blog/post/19367

一致性hash的一份python实现，可以直接拿来用的代码，文章也对一致性hash原理做了简单介绍。

 

21.Doclist压缩方法简介

http://www.searchtb.com/2011/07/doclist-compress.html

淘宝搜索技术博客给出的Doclist压缩算法介绍，循序渐进，简单、复杂、实用的算法都有，读了两遍。

对一个压缩方法的效果进行评估主要参考：

　　0）.压缩速度；

　　1）.压缩比；

　　2）.解压缩速度；

搜索引擎主要关注后两个。

 

22.豆瓣网技术架构变迁

http://wenku.baidu.com/view/a3596a333968011ca300916c.html

还是豆瓣300万注册用户时的经验介绍，现在已经5000万了。　　

　　一些经验：

　　0）.把钱花在内存上是值得的；

　　1）.建立良好的profile工具，并利用之

　　2）.memcache并不廉价，仔细控制cache的对象大小和访问方式；

　　3）.避免数据库的join操作；

　　4）.在产品上做出限制以避免过慢的查询；

　　5）.仔细拆分前后台运算；

 

23.下一代Apache  Hadoop MapReduce框架的架构

http://dongxicheng.org/mapreduce-nextgen/nextgen-mapreduce-introduction/

在微博上有人分享看到的，其实没大读懂，细致了解还是需要读英文介绍。

 

24.提升磁盘IO性能的几个技巧

http://www.searchtb.com/2011/05/%E6%8F%90%E5%8D%87%E7%A3%81%E7%9B%98io%E6%80%A7%E8%83%BD%E7%9A%84%E5%87%A0%E4%B8%AA%E6%8A%80%E5%B7%A7.html

FastDFS作者、淘宝余华老师对提升磁盘IO性能给出的几点建议。

 

25.分布式文件系统FastDFS架构剖析

http://www.programmer.com.cn/4380/

一个类google file system的系统，平民化的系统，轻量级、分组、对等结构，异步延迟问题解决，和tfs一样，文件ID由系统生成，作为索引依据，使得架构中去掉了索引维护这个单点，为简化系统，不支持分块存储，根据binlog进行文件同步。开源。"FastDFS是穷人的解决方案,FastDFS把简洁和高效做到了极致，非常节约资源，中小网站完全用得起，这是对FastDFS的极大认可和褒奖"

 

26.2012平台之战

《程序员》总编刘江对2012技术发展趋势的预测，2012年第一期的cover story的一系列文章都值得看看。