挠挠技术栈

flask redis mongodb mysql

目前阶段的架构考量

• 不重复造轮子，利用现有的开源项目解决
• 不引入大型框架，选择小而美的框架或技术
• 可对开源项目进行定制，使其更满足项目的开发背景
• 考虑整体架构的可水平扩展性，而不深挖单点的性能
• 同时进行监控、统计系统的开发，避免上线后系统变成黑盒
• 避免过度设计，将系统设计的足够可扩展，而不是足够复杂
• 一些非核心的模块可尝试用新的技术实现，比如Golang实现一些Web API等

接入层

Nginx（Openresty）

直接使用nginx（openresty） + gunicorn

API层

Flask

对官方的Flask进行了二次封装，增加了一些项目通用的功能：
1. 简化API的用法，比如路由函数支持直接返回map, list，自动转换为JSON
2. 日志上报
3. 用户验证、防刷

逻辑层

采用微服务架构，分为业务服务和通用服务
- 业务服务：实现具体的业务逻辑，暴露出接口给API层或其他业务服务调用，比如UserService, OrderService
- 通用逻辑层：实现底层支撑服务，比如短信服务、图片上传服务

服务提供了三种调用方式：
- HTTP Restful
适合跨语言、跨平台之间的调用，也便于开发期间的接口调试
- RPC
采用长连接，性能较高，适合对接口性能要求比较高的场合
- Message Queue
根据业务类型，采用不同的消息模式进行通讯，比如one-one, one-many, pub-sub

异步层

beanstalkd

使用beanstalkd作为消息队列，将一些业务流程异步化，从而降低一次请求的响应时间，如下单流程：

存储层

MySQL

存储关系型业务数据，比如用户表、订单表、商品表

之前有根据userid做分库分表，后来我去掉了，主要是考虑到两点：1. 目前数据量不大，可预计的一段时间内数据量也不会猛增，所以分库分表没有多大必要；2. 按照之前的方式，分库分表的逻辑是在代码中体现的，比如根据userid取模然后组装成库名表名，这种方式使得代码难以维护，加重开发人员的负担。后续如果数据达到一定规模，会引入DAL（数据访问层）解决此问题，做到在代码层面对分库分表无感知。

Redis

• 存储key-value型的缓存数据

  用户手机验证码
  用户Token

• 存储需要频繁读取的非关系型数据，用以加速查找

  set类型： 商品—>标签，根据商品ID查询标签， 标签->商品，根据标签查询所有满足的商品

MongoDB

存储用户行为日志，利用其强大的query语句实现日志的快速查询和分析