内容摘要：如果你经历过创业，经历过快速迭代业务，经历过用户量不断上涨，经历过访问并发越来越大，你一定会遇到以下系统问题：用户访问页面越来越慢 系统性能下降，数据库扛不住，连接数经常打满，最终数据库

如果你经历过创业，必备经历过快速迭代业务，前台经历过用户量不断上涨，后台经历过访问并发越来越大，分离你一定会遇到以下系统问题：

用户访问页面越来越慢 系统性能下降，构实数据库扛不住，必备连接数经常打满，前台最终数据库挂掉，后台重启后又快速挂掉 改了一个小地方，分离另外一个看似不相干的构实地方却挂了，严重耦合

如果你没有经历过，必备很可能是前台：

没到这一步项目就死了 身在所谓的大公司，用着所谓先进的后台架构体系

创业初期遇到上述痛点，很容易想到“三个分离”的分离架构优化方案：

动静分离：能够100倍以上的提升静态页面/资源的访问速度，详见《必备，构实动静分离架构实践》 读写分离：能够快速的线性扩充数据库的读性能，详见《必备，读写分离架构实践》 前后分离：前台与后台的数据与访问分离，也就是本文将要重点介绍的内容

一、业务场景介绍

虚拟一个类似于“安居客”租房买房的业务场景，这个业务的服务器租用数据有两大来源：

用户发布的数据 爬虫从竞对抓取来的数据

这个业务对应的系统有两类使用者：

普通用户，浏览与发布数据，俗称“前台用户” 后台用户，运营与管理数据，俗称“后台用户”

在一个创业公司，为了快速迭代，系统架构如上：

web层：前台web，后台web 任务层：抓取数据 数据层：存储数据

二、数据耦合的问题

系统两类数据源，一类是用户发布的数据，一类是爬虫抓取的数据，两类数据的特点不一样：

自有数据相对结构化，变化少 抓取数据源很多，数据结构变化快

如果将自有数据和抓取数据耦合在一个库里，经常出现的情况是：

-> 抓取数据结构变化 -> 需要修改数据结构 -> 影响前台用户展现 -> 经常被动修改前台用户展现逻辑，配合抓取升级

如果经历过这个过程，其中的痛不欲生，是谁都不愿意再次回忆起的。

优化思路：前台展现数据，云南idc服务商后台抓取数据分离，解耦。

如上图所示：

前台展现的稳定数据，库独立 后台抓取的多变数据，库独立 任务层新增一个异步转换的任务

如此这般：

频繁变化的抓取程序，以及抓取的异构数据存储，解耦 前台数据与web都不需要被动配合升级 即使出现问题，前台用户的发布与展现都不影响

三、系统耦合的问题

上面解决了不同数据源写入的耦合问题，再来看看前台与后台用户访问的耦合问题。

用户侧，前台访问的特点是：

访问模式有限 访问量较大，DAU不达到百万都不好意思说是互联网C端产品 对访问时延敏感，用户如果访问慢，立马就流失了 对服务可用性要求高，系统经常用不了，用户还会再来么 对数据一致性的要求高，关乎用户体验的事情就是大事

运营侧，源码库后台访问的特点是：

访问模式多种多样，运营销售各种奇形怪状的，大批量分页的，查询需求 用户量小，访问量小 访问延时不这么敏感，大批量分页，几十秒能出结果，也能接受 对可用性能容忍，系统挂了，10分钟之内重启能回复，也能接受 对一致性的要求始终，晚个30秒的数据，也能接受

前台和后台的模式与访问需求都不一样，但是，如果前台与后台混用同一套服务和结构化数据，会导致：

后台的低性能访问，对前台用户产生巨大的影响，本质还是耦合

随着数据量变大，为了保证前台用户的时延，质量，做一些类似与分库分表的升级，数据库一旦变化，可能很多后台的需求难以满足

优化思路：冗余数据，前台与后台服务与数据分离，解耦。

如上图所示：

前台和后台独立服务与数据，解耦 如果出现问题，相互不影响

通过不同的技术方案，在不同容忍度，业务对系统要求不同的情况下，可以使用不同的技术栈来满足各自的需求，如上图，后台使用ES或者hive在进行数据存储，用以满足“售各种奇形怪状的，大批量分页的，查询需求”

四、总结

创业初期，快速实施架构优化，提升性能的“三大分离”优化利器：

动静分离：能够100倍以上的提升静态页面/资源的访问速度 读写分离：能够快速的线性扩充数据库的读性能 前后分离：前台与后台的数据与访问分离

【本文为专栏作者“58沈剑”原创稿件，转载请联系原作者】

戳这里，看该作者更多好文