精华内容
下载资源
问答
  • 结构思维原则

    2020-11-25 19:47:00
    结构思维四大原则: 一、结论先行 二、本质是追寻为什么的过程 三、分类清楚(MECE原则:Mutually Exclusive相互独立,Collectively Exhaustive完全穷尽) 四、纵向子结构 自上而下的问答和询问 诠释中心论点的...

    结构性思维四大原则:

    一、结论先行

    二、本质是追寻为什么的过程

    三、分类清楚(MECE原则:Mutually Exclusive相互独立,Collectively Exhaustive完全穷尽)

    四、排序逻辑

    排序逻辑是让受众更容易记忆和理解的一种方式。

    五、纵向与横向子结构:

    自上而下的问答和询问

    • 诠释中心论点的过程

    自下而上的概括和总结

    • 总结(7问分析法,5W2H)what、who、when、why、where、how、how much

    • 概括(具体->抽象):总结区分本质特征与非本质特征,将本质特征综合起来

    • 结论


    演绎:从一般性前提触发,通过推导,得出具体陈述或个别结论的过程

    • 一般到特殊的推理
    • 演绎推理是前提和结论之间具备充分条件或充分必要的条件自然性推理
    • 标准三段论:大前提、小前提、结果

    归纳“以个别为前提,提出一般性知识的推理

    • 归纳的推理和结论的联系有或然行
    • 完全归纳推理
    • 不完全的归纳推理

    六、运用

    背课文:在理解的基础上记忆、人物、事件、时间、经过、结果

    展开全文
  • 企业需要为数据中心成功的运营制定一个有效且适应强的计划,需要采取具体的原则来指导IT人员全面考虑其运营目标以及如何实现这些目标。但很多企业的数据中心运营的规划与努力绝大多数是放在结构设计和开发方面,而...

    企业需要为数据中心成功的运营制定一个有效且适应性强的计划,需要采取具体的原则来指导IT人员全面考虑其运营目标以及如何实现这些目标。但很多企业的数据中心运营的规划与努力绝大多数是放在结构设计和开发方面,而在初始目标完成后,往往却忘记其最终目标是什么。

    如今,人们越来越关注数据中心运行的重要性。为了提高数据中心运营规划水平,人们需要记住以下五个基本原则:

    数据中心运营

    原则一:经验是最好的老师

    就像生活中许多重要的事情一样,工作人员需要回想一下自己在职业生涯中犯了哪些运营错误,将如何避免,并让这些经验教训为今后的运营工作奠定基础。在某些情况下,这可能意味着企业的工作人员没有有效地运行设备,或者供应商的服务没有到企业的要求。无论如何,以往支持关键任务环境的经验使人们认识到,数据中心的卓越运营是一个全面和持续的过程,它反映在以下几方面:

    高效的设施设计。

    有效的移交后和正在进行的培训。

    采用合适的工具。

    原则二:从运营人员的角度出发进行设计

    有效的运营计划始于操作人员的头脑开始,或者更简单地说,"需要的成功是什么?"虽然这个问题似乎可以给出一个简单的答案,但是通常会发现这通常是一些配套查询答案的汇编。

    显然,数据中心设施本身需要进行优化,以加强有效的维护和故障排除。换句话说,TierIII级数据中心的并发可维护性必不可少,这是至关重要的。其程序本身应该简单明了,这是出于运营工作人员的角度出发,而不是工程师。日本质量管理专家推出的一个术语PokaYoke(防误防错)更好地描述了制定流程和程序的最终目标。这是一个在工作过程中采用自动作用、报警、提醒等手段防止运营人员疏忽或误操作而出现失误的方法,它意味着可以最大程度地减少人为错误。而对于这样的情况,当超过70%的中断仍然可以追溯到是运营人员失误的时候,那么在整个简化过程中还有很长的路要走。

    行动的持续性应该被接受和适应。如果没有其他原因,平均数据中心每3-5年进行一次硬件更新,那么数据中心就是一个动态的环境,"一直这样做"并不能完全达到持续改进的目标。反馈环路证明了消除不必要步骤的有效机制,并确定了执行操作的更有效的方法。

    原则三:灵活性和控制

    灵活性和控制虽然看起来很宽泛,但这个概念真的很简单。特别是供应商的人员活动安排必须与企业工作节奏保持一致。运营要求必须围绕企业的具体需求来执行。同样的原则也适用于运营人员和安全的人员配备水平。

    原则四:培训和认证

    培养人才是一个持续改进的目标。不断提高专业知识水平不仅可以激励工作人员,还提高了工作人员的整体技能水平,确保运营的可靠性。

    培养一个更加自信、更有能力、更有效的运营维护人员的方法需要一个基于角色的培训计划,其中包括:

    正式的课程。

    客观的衡量理解。

    不断更新和完善的持续流程。

    这一方案的客观目标应该是建立在不断提高的认证水平的"主题专家"基础上:

    过程上的困难

    重要性

    性能

    原则五:专注于消除错误

    在以往,技术人员一手拿着手电筒,另一手拿着技术手册试图诊断和修复设备问题,这样的维护方法不利于快速有效的解决问题,但这代表了许多现有的数据中心标准的运营和维护模式。显然,在这种情况下,带来人为错误的机会是无数的。

    有许多方法可以实现这个目标。一种方法是使用将所有的程序转换成数字清单这样的技术解决方案。通过平板电脑和手机进行访问,其中包括有关危险步骤的警报、访问视频、图像和文档以供现场参考,技术人员在执行操作每个步骤之后,并且在进行到下一步之前必须确认完成,这种操作大大减少了人为错误的可能性。

    对数据中心的运营进行规划是数据中心流程的一个关键且经常被忽视的因素。有效的业务流程和程序并不是严格遵守过去的运营模式的结果。要为数据中心的成功运营制定一个有效且适应性强的计划,需要采取具体的原则进行指导,需要IT部门全面考虑其运营目标,以及需要实现这些目标进行努力。

    人工智能、大数据、云计算和物联网的未来发展值得重视,均为前沿产业,多智时代专注于人工智能和大数据的入门和科谱,在此为你推荐几篇优质好文:
    1.数据中心中的备份系统,主要包含哪几个方面?
    2.公共云和企业数据中心的区别
    3.数据中心合理布线至关重要,数据布线的几个技巧
    多智时代-人工智能大数据学习入门网站|人工智能、大数据、物联网云计算的学习交流网站

    多智时代-人工智能大数据学习入门网站|人工智能、大数据、云计算、物联网的学习服务的好平台

    展开全文
  • 微服务原则:去中心化数据管理

    千次阅读 2019-01-29 10:55:14
    微服务的理念主张将软件设计的各方各面进行去中心化。...这种中央数据库作为全体数据的持久引擎而被使用,并且通常应用程序逻辑的一部分以使用复杂连接(甚至存储过程)的查询的形式被卸载到 SQL 服务器中。...

    微服务的理念主张将软件设计的各方各面进行去中心化。这种对去中心化的关注不仅指导业务逻辑的组织,它还会指导人们如何对数据进行存储。

    在传统的整体式软件设计方法中,我们通常使用整体式的数据存储,例如包含诸多表格(Table)的单个数据库的 SQL 服务器。这种中央数据库作为全体数据的持久性引擎而被使用,并且通常应用程序逻辑的一部分以使用复杂连接(甚至存储过程)的查询的形式被卸载到 SQL 服务器中。

    相比之下,微服务架构则更倾向于去中心化的数据管理,正如 Martin Fowler 在 2014 年发表的定义微服务的原始论文中所描述的那样。本文通过展示一些现代的数据管理架构模式来扩展去中心化数据管理的概念,这些模式带来了一些高度成功的去中心化应用程序。

    REST 的思想

    为了以去中心化的方式正确地组织数据,首先要了解如何使用表述性状态转移(Representational State Transfer,简称 REST)对数据建模。REST 是由 Roy Fielding 于 2000 年定义的,从那以后它一直指导着许多大规模可扩展的无状态系统(Stateless system)的开发。

    REST 的核心原则是,为每个属于应用程序一部分的资源提供一个 URL,然后使用标准的 HTTP 动词(Standard HTTP verbs)与资源进行交互。例如,一个基础的社交消息应用程序的 API 可能是这样组织的:

    这个 API 有三种基本资源类型:用户,消息和朋友。每种基本类型都由一组资源路径提供服务。在整体式架构中,一个中央服务器将处理所有对资源路径的请求,通常这个服务是由单一数据库支持的,并且它也将所有资源类型存储为表格:

    一个使用去中心化数据管理的微服务的部署,将使用三个服务来服务这三种资源类型:一个服务用于用户资源,另一个服务用于消息资源,还有一个服务用于朋友关系。另外,每个服务都有独自的数据库。

    事实上,每个微服务都拥有各自的数据库,这并不意味着需要三个数据库服务器。在平台初期,这三个数据库可能仅仅具有逻辑上的区别,即三个数据库全部由单个物理 SQL 服务器托管。

    但是,创建这种逻辑区别将为后续的物理扩展奠定基础。如果此平台得到大量采用,数据库管理员可以将三个逻辑数据库分割为由三个不同物理服务器进行服务的数据库。

    回避 SQL JOIN

    良好的去中心化数据管理的一个关键点是:回避 SQL JOIN(SQL 语言中的 Join 连接语句)。对连接的需求通常始于尽量使客户端更容易地使用 API​​。例如,我们正在使用的消息传递应用程序可能有一个时间轴视图(Timeline view)。时间轴需要获得来自经过验证的用户的每位朋友的最新消息,以及消息旁边的该朋友的姓名和头像信息。

    使用我们定义的基础 REST API,客户端需要进行多次 API 调用才能填充此视图。例如,有两位朋友的用户,客户端需要发出以下 API 请求才能填充视图:

    总共会发出五个请求。一个请求用于获取用户的朋友列表,随后两个请求获取每个朋友的姓名和头像,最后两个请求获取每个朋友发来的最新消息。

    显然从性能的角度来看,这是无法接受的,因为在准备好显示视图之前,客户端和服务器之间存在非常多的往返延迟。该问题的一个明智的解决方案是添加一条到 API 的新路由:

    然后,客户端就可以获取此单个时间轴的资源,以得到用于呈现时间轴视图所需的全部数据。

    用于实现这种新资源的技术,是集中式和去中心化数据管理之间差异的一个主要例子。在一个整体式应用中,服务于这种路由的逻辑可能会被编码为 SQL 连接,并且被卸载到数据库服务器,这将访问全部三个表以产生结果:

    SELECT  
      m.id id,
      m.user `user`,  
      u.name name,  
      u.avatar avatar,  
      m.text `text`,  
      m.when `when`
    FROM messages m
    INNER JOIN (
      SELECT `from`, 
      `to`  FROM `friends`
      WHERE `from`=1) f
    ON m.user = f.to
    INNER JOIN users u on m.user = u.id
    ORDER BY m.when DESC;

    在去中心化的数据管理架构中,我们不仅不建议这样的 SQL 连接,而且如果数据使用逻辑和(或)物理边界恰当地进行了分割,则实际上不可能进行连接。

    相反地,每个微服务应该是访问其自己的表的唯一途径。没有一个微服务可以访问全部三个表。为了将时间轴资源展示给客户端,我们创建了一个额外的时间轴微服务,它位于三个底层数据微服务之上,并将每个微服务视为获取资源的源头。这个顶层的微服务从底层的微服务中连接数据并将连接的结果展示给客户端:

    此时间轴服务可以在几毫秒内向支持微服务器发出请求,因为时间轴服务和其他微服务托管在同一个数据中心中,并且可能托管在同一台物理机器上的容器中。为了进一步减少往返网络的开销,时间轴服务还可以利用“批量提取(Bulk fetch)”端点。例如,用户微服务可以有一个接收用户 ID 列表,并返回所有匹配的用户对象的端点,以便时间轴服务只需要向朋友的服务、用户服务,以及消息服务各发出一个请求就行了。

    时间轴服务作为一个中心位置来定义时间轴的逻辑。如果业务需求发生了变化,现在客户端需要显示来自每位朋友的最新两条消息,则可以在时间轴服务中轻松更改需求,而无需修改实际托管基础资源的其他支持微服务。

    此外,数据如何存储,以及数据如何被操作以供用户显示,两者之间的分离使得底层微服务可以被重构,只要它们继续遵循时间轴服务所期望的资源格式。朋友服务的维护人员可以轻松地重写朋友关系的存储方式,而不会中断时间轴服务。另一方面,当需要更新表结构之时,使用连接查询方式需要检查和更新针对表的所有连接。

    最终一致性

    去中心化数据管理的副作用之一,就是需要处理最终的一致性(Eventual Consistency)。在集中式数据存储中,开发人员可以使用事务功能来确保数据在多个表中处于一致状态。但是,当数据分为不同的逻辑或物理数据库时,情况就并非如此了。

    例如,假设用户在其某个朋友删除其帐户的同一时间获取了他们的时间轴,会发生什么情况:

    1. 时间轴服务从朋友服务中获取朋友列表,并查看需要解析的朋友 ID。
    2. 朋友删除了自己的帐户,这会从用户服务中删除用户对象,以及朋友服务中的所有朋友引用。
    3. 时间轴服务尝试通过向用户服务发出请求来将朋友 ID 转换为用户详细信息,但接收到 404 Not Found 响应。

    去中心化的数据建模需要额外的条件处理,以检测与处理基础数据在请求之间发生变化的竞争条件。通常对于简单的社交媒体应用来说,这是很简单的。但是对于更复杂的应用程序,就可能需要将某些表保存在同一个数据库中,这样便可以利用数据库事务。通常,这些链接的表格也会由单个微服务处理。或者,如果相关数据需要很强的一致性,但仍然需要去中心化,则可能需要使用两阶段提交(Two-phase commit)以便安全地操作它。

    混合持久化

    去中心化数据管理的一个显着优势是能够利用混合持久化(Polyglot Persistence)。不同类型的数据具有不同的存储需求:

    • 读/写平衡(某些类型的数据具有非常高的写入量,与具有低写入量但读取量高的数据相比,这可能需要不同类型的数据存储。)
    • 数据结构(某些类型的高度结构化数据,如 JSON 文档可能更好地存储在诸如 MongoDB 这样的 NoSQL 数据库中,而平面关系对象存储在 SQL 数据库中可能会更有效。)
    • 数据查询(某些数据可能使用简单的键值存储进行访问,而其他类型的数据可能需要基于多列值的高级查询。)
    • 数据生命周期(某些数据本质上属于临时数据,可以存储在快速的内存存储中,例如 Redis 或 Memcached,而其它数据必须一直保存,并且需要在磁盘上非常持久地存储。)
    • 数据尺寸(某些数据由相当一致的字节大小的相当同一的行组成,而其他数据可能包含需要存储在类似 AWS S3 中的大对象。)

    对于社交消息传递应用程序的例子,每条消息实际上是一个结构化的 JSON 文档,其中包含了媒体文件、地理位置等元数据。此外可以预期的是,将会有许多用户发布消息,并且需要保留的消息总数将迅速增长。对于这种情况,负责消息的团队可能会选择使用分片的 MongoDB 集群来保存这些结构化的 JSON 数据。

    另一方面,用户和朋友关系表具有简单,扁平的数据模型,并且不会快速增长,因此这些服务则由 Postgres 服务器来支持。

    由于该应用程序使用着去中心化的数据管理原则,因此它可以利用混合持久化,并将不同类型的数据存储在满足特定数据类型需求的不同数据库中。

    总结

    去中心化数据管理可以从 REST 基础出发,找出不同资源类型之间的分隔来适当地部署。这些分离将推动微服务和数据库的边界。在为客户端提供复合资源所需的多种资源类型的情况下,我们可以使用更高层的微服务来构建这种资源,该微服务可以连接来自不同底层微服务的数据。这需要仔细处理最终一致性,但它允许使用混合持久化技术,将不同类型的数据存储在最适合处理该类型数据的存储提供者中。

    https://cloud.tencent.com/developer/article/1156567

    展开全文
  • CAP 原则又称 CAP 定理,指的是在一个分布式系统中, Consistency(一致)、 Availability(可用)、Partition tolerance(分区容错),三者不可得兼。 CAP 由 Eric Brewer 在 2000 年 PODC 会议上提出。该...

    上篇我们说了什么是注册中心和常见的注册中心,本文将讲述CAP 原则与 BASE 理论。作者是公众号:哈喽沃德先生,请多关注。

    一、CAP 原则

    在这里插入图片描述
    CAP 原则又称 CAP 定理,指的是在一个分布式系统中, Consistency(一致性)、 Availability(可用性)、Partition tolerance(分区容错性),三者不可得兼。

    CAP 由 Eric Brewer 在 2000 年 PODC 会议上提出。该猜想在提出两年后被证明成立,成为我们熟知的 CAP 定理。CAP 三者不可兼得。

    在这里插入图片描述

    1、取舍策略

    CAP 三个特性只能满足其中两个,那么取舍的策略就共有三种:

    • 「CA without P」:如果不要求P(不允许分区),则C(强一致性)和A(可用性)是可以保证的。但放弃 P 的同时也就意味着放弃了系统的扩展性,也就是分布式节点受限,没办法部署子节点,这是违背分布式系统设计的初衷的。
    • 「CP without A」:如果不要求A(可用),相当于每个请求都需要在服务器之间保持强一致,而P(分区)会导致同步时间无限延长(也就是等待数据同步完才能正常访问服务),一旦发生网络故障或者消息丢失等情况,就要牺牲用户的体验,等待所有数据全部一致了之后再让用户访问系统。设计成 CP 的系统其实不少,最典型的就是分布式数据库,如 Redis、HBase等。对于这些分布式数据库来说,数据的一致性是最基本的要求,因为如果连这个标准都达不到,那么直接采用关系型数据库就好,没必要再浪费资源来部署分布式数据库。
    • 「AP without C」:要高可用并允许分区,则需放弃一致性。一旦分区发生,节点之间可能会失去联系,为了高可用,每个节点只能用本地数据提供服务,而这样会导致全局数据的不一致性。典型的应用就如某米的抢购手机场景,可能前几秒你浏览商品的时候页面提示是有库存的,当你选择完商品准备下单的时候,系统提示你下单失败,商品已售完。这其实就是先在A(可用性)方面保证系统可以正常的服务,然后在数据的一致性方面做了些牺牲,虽然多少会影响一些用户体验,但也不至于造成用户购物流程的严重阻塞。

    2、总结

    现如今,对于多数大型互联网应用的场景,主机众多、部署分散,而且现在的集群规模越来越大,节点只会越来越多,所以节点故障、网络故障是常态,因此分区容错性也就成为了一个分布式系统必然要面对的问题。那么就只能在 C 和 A 之间进行取舍。但对于传统的项目就可能有所不同,拿银行的转账系统来说,涉及到金钱的对于数据一致性不能做出一丝的让步,C 必须保证,出现网络故障的话,宁可停止服务,可以在 A 和 P 之间做取舍。

    总而言之,没有最好的策略,好的系统应该是根据业务场景来进行架构设计的,只有适合的才是最好的。

    二、BASE 理论

    CAP 理论已经提出好多年了,难道真的没有办法解决这个问题吗?也许可以做些改变。比如 C 不必使用那么强的一致性,可以先将数据存起来,稍后再更新,实现所谓的 “最终一致性”。

    这个思路又是一个庞大的问题,同时也引出了第二个理论 BASE 理论。

    BASE:全称 Basically Available(基本可用),Soft state(软状态),和 Eventually
    consistent(最终一致性)三个短语的缩写,来自 ebay 的架构师提出。

    BASE 理论是对 CAP 中一致性和可用性权衡的结果,其来源于对大型互联网分布式实践的总结,是基于 CAP 定理逐步演化而来的。其核心思想是:

    既然无法做到强一致性(Strong consistency),但每个应用都可以根据自身的业务特点,采用适当的方式来使系统达到最终一致性(Eventual consistency)。

    1、Basically Available(基本可用)

    基本可用是指分布式系统在出现故障的时候,允许损失部分可用性(例如响应时间、功能上的可用性)。需要注意的是,基本可用绝不等价于系统不可用。

    响应时间上的损失:正常情况下搜索引擎需要在 0.5 秒之内返回给用户相应的查询结果,但由于出现故障(比如系统部分机房发生断电或断网故障),查询结果的响应时间增加到了 1~2 秒。
    功能上的损失:购物网站在购物高峰(如双十一)时,为了保护系统的稳定性,部分消费者可能会被引导到一个降级页面。

    2、Soft state(软状态)

    什么是软状态呢?相对于原子性而言,要求多个节点的数据副本都是一致的,这是一种 “硬状态”。

    软状态是指允许系统存在中间状态,而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据会有多个副本,允许不同副本数据同步的延时就是软状态的体现。

    3、Eventually consistent(最终一致性)

    系统不可能一直是软状态,必须有个时间期限。在期限过后,应当保证所有副本保持数据一致性。从而达到数据的最终一致性。这个时间期限取决于网络延时,系统负载,数据复制方案设计等等因素。

    实际上,不只是分布式系统使用最终一致性,关系型数据库在某个功能上,也是使用最终一致性的,比如备份,数据库的复制都是需要时间的,这个复制过程中,业务读取到的值就是旧值。当然,最终还是达成了数据一致性。这也算是一个最终一致性的经典案例。

    4、总结

    总的来说,BASE 理论面向的是大型高可用可扩展的分布式系统,和传统事务的 ACID 是相反的,它完全不同于 ACID 的强一致性模型,而是通过牺牲强一致性来获得可用性,并允许数据在一段时间是不一致的。更多Java微服务架构spring全家桶教程 欢迎点击获取。

    展开全文
  • 决定一个网站成败命运的,不是视觉设计,而是设计的可用和有效。访问网页的用户们握着鼠标,决定一切,“以用户为中心”已然是成功网站的标准设计方向。总之,用户不用的功能,就不该存在。  我们并不打算重复...
  • 那么,新手UI设计师如何实现可用性原则?下面,我给大家详细讲解一下。 一、可达到 用户是UI设计师工作中考虑的中心要素,交互元素对应用户需要的功能,因此交互元素必须能被用户控制。用户可以用键盘、鼠标之类的...
  • 而数据中心的高临界也使得我们对于数据中心的可用需求达到了井喷似的激增。 当然,可能有诸多的因素能导致数据中心提供的服务中断,但其中最为主要的因素是电网故障,其将可能导致整个系统的瘫痪,除非提前进行...
  • 数据中心SAN存储架构设计的八大原则  SAN是当今全球各地每一家大型企业机构最为关键的网络资源。没有SAN就没有存储访问和应用支持,业务功能也不能完成。没有业务功能就没有生产力;没有生产力企业也就无法生存。...
  • CAP原则 C: Consistency 一致 A: Available 可用 P: Partition Tolerance 分区容错 怎么理解CAP原则 如果我们的系统是分布式部署,节点之间组成的网络应该是连通的,然而可能额因为一些问题导致网路无法连通...
  • 而基层一线人员的职业素养水平,人员稳定,团结度,价值观这几项指标。是所有人员中最重要,最基础的,也是最能体面呼叫中心企业价值和市场竞争力的指标。基层管理到位了,无论是企业业绩还是人才的储备,团队的...
  • 数据中心一旦发生故障,影响了数据业务,将给数据中心带来巨大的经济损失,有时甚至是毁灭的打击,所以数据中心都不希望出现任何的故障。当然,愿望是美好的,现实是残酷的,数据中心包含有太多的电子设备和大量的...
  • SAN是当今全球各地每一家大型企业机构最为关键的网络资源。没有SAN就没有存储访问和... 数据中心SAN设计大部分常见参数包括: 可用 — 存储数据必须始终可被应用所访问到 性能 — 可接受的、可预测的、一致的...
  • 综合公司的利润中心制度 □ 总 则 第一条 本办法制定利润中心有关的基本精神、组织原则、管理方式、次产划分及酬金分配等基本事项。 第二条 本公司推行利润中心制度,旨在激励员工发挥自动自发精神,工作更加勤奋...
  • 综合公司的利润中心制度范本 综合公司的利润中心制度 总 则 第一条 本办法制定利润中心有关的基本精神、组织原则、管理方式、次产划分及酬金分配等基本事项。 第二条 本公司推行利润中心制度,旨在激励员工...
  • CAP 原则指: 是在一个分布式系统中,CAP三个要素最多只能同时实现两点,不可能三者兼顾; eureka注册中心,实现了AP: 可用+分区容错;eureka注册中心集群部署,两两互相注册,集群之间会完成数据同步,一个宕机,不会...
  • 很可能你会先组织进行可行研究,包括分析市场环境,在纸上算算未来可能的成本和收益。如果技术上也可行,那么就写一份漂亮的商业计划书,编织出美好的数据来说服管理层和财务部门拿到一大笔预算,成立项目。项目...
  • 传统上认为的关键因素是可用、冗余以及电源成本等,但是这些因素并不充分。在过去十年中,数据中心逐渐从市区转移到郊区。调查机构Green House最近关于边缘数据中心效益的报告中显示,47%的服务提供商需要更低...
  • 其一,底层的PaaS能力,它用于解决企业中整体系统群的架构在分布式、可用、高可用、实时监控等方面上的需求; 其二,通用的业务能力,我的理解实际上就是建设SaaS,目的在于将企业核心能力下沉共享,加速...
  • 离退休中心党委在开展保持共产党员先进教育活动中,认真按照集团党委统一部署要求,结合我们实际情况,本着认真准备,区别对待,科学安排,不漏死角,务求实效原则,使各个阶段的工作按计划有序推进,取得了预想...
  • 01小管让大管:小管绕弯容易,且造价低。02分支管让主干管:分支管一般管径较小,避让理由见第1条,另外还有一点,分支管的影响范围和重要不如主干管。03有压管让无压管(压...
  • 端到端原则

    2020-06-27 17:46:21
    将网络的某个特定功能放在哪个层次的中心比较好? 端到端原则 在因特网核心实现网络功能会增加网络的复杂,降低因特网核心复杂相当于提高网络传输速率,增强网络适应新兴应用灵活。所以将其放在因特网边缘从而...
  • 一般来说服务能力包括两个层次,一个是底层paas的能力,PaaS层结局大型架构在分布式、可靠、可用、容错、监控以及运维层面上的通用需求;第二个层次是业务能力,业务能力提供云化的核心业务支撑能力,这层能力...
  • 依赖倒转原则是基于这样的设计理念:相对于细节的多变,抽象的东西要稳定的多。以抽象为基础搭建的架构比以细节为基础的架构要稳定的多。在java中,抽象指的是接口或抽象类,细节就是具体的实现类 使用接口或抽象...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,541
精华内容 616
关键字:

中心性原则